学位论文 > 优秀研究生学位论文题录展示
流行学习在交通标志识别中的应用研究
作 者: 李福才
导 师: 方敏
学 校: 西安电子科技大学
专 业: 计算机应用技术
关键词: 流行学习 LLE算法 PCA算法 AdaBoost算法 BP神经网络
分类号: TP391.41
类 型: 硕士论文
年 份: 2010年
下 载: 118次
引 用: 1次
阅 读: 论文下载
内容摘要
交通标志识别作为智能交通系统的一个重要研究方面,在道路安全、信息指示等方面的作用越来越凸显。但是目前交通标志识别在数据量、识别率等方面都存在一些不足,而对交通标志进行有效地特征提取成为解决这一问题的一种思路。流行学习方法发掘数据之间的内在联系,提取数据的低维有效特征,从而可以有效地进行数据降维。本文在对流行学习典型算法进行研究的基础上,采用Swiss Roll数据模型对线性降维方法和非线性降维方法进行实验分析比较,指出了以局部线性嵌入(LLE)为代表的流行学习方法在数据降维中的优势。为了将LLE降维方法应用在交通标志识别中,首先采用公用人脸数据库ORL,将LLE方法与典型的数据降维方法PCA和LDA方法进行实验对比,进一步指出了LLE算法在发现图像的低维特征中的优势,并通过实验对其参数的选择进行探讨。然后进一步采用LLE算法对交通标志中的指示标志进行降维识别,验证了其在交通标志识别应用中的可行性。在交通标志识别的应用中,首先设计并给出了交通标志识别的软件框架;其次结合交通标志的颜色形状特征,采用不变矩的方法对交通标志进行检测;然后通过LLE方法对交通标志图像进行低维有效特征提取,采用AdaBoost集成学习算法与BP神经网络相结合的方法来对交通标志进行分类识别。实验表明,流行学习在图像降维方面有一定的优势,可以用于交通标志的识别。
|
全文目录
摘要 3-4 Abstract 4-7 第一章 绪论 7-13 1.1 研究背景及意义 7-8 1.2 研究现状 8-10 1.3 关键技术及其现状 10-11 1.4 主要工作和章节安排 11-13 第二章 交通标志识别综述 13-21 2.1 交通标志基础知识 13-14 2.2 交通标志的预处理 14-15 2.3 交通标志的检测 15-19 2.4 交通标志的分类 19-20 2.5 本章小结 20-21 第三章 流行学习算法研究 21-33 3.1 流行学习的基本概念 21-23 3.2 线性与非线性降维 23 3.3 流行学习的方法分析 23-25 3.3.1 多维尺度分析与Isomap算法 23-25 3.3.2 拉普拉斯特征映射 25 3.4 LLE算法分析 25-32 3.4.1 LLE算法设计思想 25-26 3.4.2 LLE算法 26-30 3.4.3 数据降维试验与分析 30-32 3.5 本章小结 32-33 第四章 特征提取方法的应用 33-45 4.1 主成分分析 33-35 4.2 基于Fisher准则的LDA方法 35-36 4.3 BP神经网络与基分类器设计 36-39 4.3.1 BP神经网络 37-38 4.3.2 BP神经网络分类器的设计 38-39 4.4 实验结果及分析 39-44 4.4.1 人脸识别对比试验 39-42 4.4.2 交通标志识别对比试验 42-44 4.5 本章小结 44-45 第五章 交通标志的识别 45-55 5.1 交通标志检测与识别系统的框架设计 45-46 5.2 基于不变矩的交通标志检测 46-48 5.3 基于AdaBoost算法的交通标志分类 48-50 5.4 实验结果与分析 50-53 5.4.1 实验样本集 50-51 5.4.2 实验结果与分析 51-53 5.5 本章小结 53-55 第六章 总结与展望 55-57 6.1 工作总结 55 6.2 进一步研究 55-57 致谢 57-59 参考文献 59-63 附录A 63-64
|
相似论文
- 基于人眼检测的驾驶员疲劳状态识别技术,TP391.41
- 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
- 机械臂视觉伺服系统的研究,TP242.6
- 市级旅游用地规划环境影响评价研究,X820.3
- 珠三角地区高性能混凝土配合比智能化系统,TU528
- 大学生综合素质测评研究,G645.5
- 基于并行算法的模糊综合评价模型的设计与应用,TP18
- 基于神经网络的牡蛎呈味肽制备及呈味特性研究,TS254.4
- 基于监督流形学习算法的固有不规则蛋白质结构预测研究,Q51
- 高速公路拆迁民众生存系统评价研究,D523
- 煤矿风险信息集成与智能预警研究,X936
- 基于计算机视觉的柑橘品质分级技术研究,TP391.41
- 基于模拟的注塑模浇注系统及成型工艺参数优化研究,TQ320.662
- 基于神经网络的漯河技术监督局食品安全预警系统研究,F203
- 基于神经网络的自适应噪声主动控制研究,TP183
- 基于AdaBoost算法的人脸识别研究,TP391.41
- 数字型仪表自动识读系统研究,TP391.41
- 面向肺部CAD的特征提取、选择及分类方法研究,TP391.41
- 多向变异遗传算法及其优化神经网络的研究,TP18
- 基于因子分析和BP神经网络的风机状态诊断研究,F426.61
- 基于BP神经网络的GPS高程拟合模型及其应用研究,P228.4
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|