本文選題：不變特征 + 深度學(xué)習(xí)　； 參考：《計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報》2017年04期

【摘要】：針對自然場景下所采集的交通標(biāo)志存在各種形變,且手工設(shè)計提取交通標(biāo)志不變特征方法需要處理技巧的問題,提出一種自動學(xué)習(xí)提取交通標(biāo)志不變特征的道路交通標(biāo)志分類方法.首先基于慢特征分析的深度學(xué)習(xí)框架自動學(xué)習(xí)得到每個階段的特征映射矩陣;然后基于各階段特征映射矩陣提取交通標(biāo)志圖像第一階段特征和第二階段特征,并將其聯(lián)合輸出作為交通標(biāo)志的特征;最后使用支持向量機(jī)進(jìn)行交通標(biāo)志分類.實(shí)驗(yàn)結(jié)果表明,該方法具有良好的泛化能力,能有效地應(yīng)用于交通標(biāo)志分類,所提取的特征具有一定的平移不變和旋轉(zhuǎn)不變性.
[Abstract]:The traffic signs collected in the natural scene have a variety of deformation, and manual design to extract the invariant features of traffic signs needs to deal with the problem of skills. A classification method of road traffic signs based on automatic learning to extract invariant features of traffic signs is proposed. Firstly, the depth learning framework based on slow feature analysis can automatically learn the feature mapping matrix of each stage, and then extract the first stage feature and the second stage feature of traffic sign image based on each phase feature mapping matrix. The joint output is regarded as the feature of traffic signs. Finally, support vector machine is used to classify traffic signs. The experimental results show that the proposed method has good generalization ability and can be effectively applied to traffic sign classification. The extracted features are invariant in translation and invariant in rotation.
【作者單位】： 湖南師范大學(xué)工程與設(shè)計學(xué)院;中南大學(xué)信息科學(xué)與工程學(xué)院;
【基金】：湖南省教育廳資助科研項(xiàng)目(15C0823)
【分類號】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 奚惠寧;任蕊;;判斷有關(guān)醫(yī)學(xué)圖像專利申請是否為非授權(quán)客體[J];電視技術(shù);2013年S2期

2 韓雙旺;崔兆順;李德錄;李芙蓉;;基于閾值的彩色目標(biāo)圖像的提取與測量[J];自動化與儀器儀表;2010年03期

3 林靜;王薇婕;關(guān)丹丹;景軍鋒;;基于浮雕圖像的3D浮雕效果實(shí)現(xiàn)[J];微型機(jī)與應(yīng)用;2012年11期

4 李敏潔;魏仲慧;何昕;;基于FPGA的多功能圖像目標(biāo)發(fā)生器的設(shè)計與實(shí)現(xiàn)[J];微計算機(jī)信息;2005年25期

5 韓雙旺;崔兆順;鮑麗紅;李德錄;;基于目標(biāo)圖像的提取與測量[J];上海工程技術(shù)大學(xué)學(xué)報;2007年04期

6 劉進(jìn);孫婧;徐正全;顧鑫;;基于目標(biāo)的圖像輕量級加密[J];華中科技大學(xué)學(xué)報(自然科學(xué)版);2011年06期

7 于明;王倩;郭迎春;;一種圖像的顯著區(qū)域提取方法[J];光電工程;2012年08期

8 郭旭平,李在銘;圖像目標(biāo)的可視識別與智能跟蹤[J];系統(tǒng)工程與電子技術(shù);1998年08期

9 王成;張劍戈;江旭峰;章魯;;基于知識的三維核醫(yī)學(xué)圖像左心室心肌區(qū)的提取[J];中國生物醫(yī)學(xué)工程學(xué)報;2007年01期

10 衛(wèi)穎奇;彭進(jìn)業(yè);張漢寧;;個性化圖像推薦及可視化研究[J];計算機(jī)工程;2011年02期

相關(guān)會議論文 前5條

1 張林怡;王運(yùn)鋒;王建國;;分維數(shù)在SAR圖像海岸線檢測中的應(yīng)用研究[A];第十屆全國信號處理學(xué)術(shù)年會（CCSP-2001）論文集[C];2001年

2 李吉成;魯新平;楊衛(wèi)平;張志龍;高穎慧;沈振康;;圖像目標(biāo)的自動識別和快速篩選技術(shù)[A];2006年全國光電技術(shù)學(xué)術(shù)交流會會議文集（D 光電信息處理技術(shù)專題）[C];2006年

3 佘二永;;SAR圖像目標(biāo)解譯技術(shù)分析[A];第九屆全國信息獲取與處理學(xué)術(shù)會議論文集Ⅰ[C];2011年

4 趙朝杰;朱虹;黎璐;董敏;袁承興;;基于內(nèi)容感知的圖像非等比例縮放[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2008年

5 奚惠寧;;淺談有關(guān)醫(yī)學(xué)圖像的專利申請如何判斷是否是非授權(quán)客體[A];2013年中華全國專利代理人協(xié)會年會暨第四屆知識產(chǎn)權(quán)論壇論文匯編第二部分[C];2013年

相關(guān)博士學(xué)位論文 前10條

1 錢智明;面向圖像標(biāo)注的張量表示與語義建模方法研究[D];國防科學(xué)技術(shù)大學(xué);2015年

2 鄧劍勛;多示例圖像檢索算法研究及在人臉識別中的應(yīng)用[D];重慶大學(xué);2012年

3 王亮申;圖像特征提取及基于內(nèi)容圖像數(shù)據(jù)庫檢索理論和方法研究[D];大連理工大學(xué);2002年

4 魏波;點(diǎn)時空約束圖像目標(biāo)跟蹤理論與實(shí)時實(shí)現(xiàn)技術(shù)研究[D];電子科技大學(xué);2000年

5 劉俊;基于鉬靶圖像的計算機(jī)輔助乳腺癌檢測系統(tǒng)中關(guān)鍵技術(shù)研究[D];武漢科技大學(xué);2012年

6 付華柱;圖像協(xié)同關(guān)聯(lián)性約束的研究與應(yīng)用[D];天津大學(xué);2013年

7 廖宜濤;基于圖像與光譜信息的豬肉品質(zhì)在線無損檢測研究[D];浙江大學(xué);2011年

8 陳海林;基于判別學(xué)習(xí)的圖像目標(biāo)分類研究[D];中國科學(xué)技術(shù)大學(xué);2009年

9 王洪元;圖像動態(tài)分析中的若干智能化方法研究[D];南京理工大學(xué);2004年

10 徐麗;面向圖像標(biāo)記的條件隨機(jī)場模型研究[D];長安大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 徐衍魯;基于改進(jìn)的K-means和層次聚類方法的詞袋模型研究[D];上海師范大學(xué);2015年

2 甘洪涌;SAR圖像自動目標(biāo)識別算法研究[D];哈爾濱理工大學(xué);2014年

3 張玉營;基于認(rèn)知理論的高分辨率PolSAR圖像目標(biāo)解譯算法研究[D];哈爾濱工業(yè)大學(xué);2015年

4 王帥;視頻中扇貝圖像的檢測與定位研究[D];大連海洋大學(xué);2015年

5 李偉;改進(jìn)的主顏色提取方法及自適應(yīng)權(quán)重圖像檢索算法研究[D];華中師范大學(xué);2015年

6 李星云;碼垛機(jī)器人視覺控制關(guān)鍵技術(shù)的研究[D];西南科技大學(xué);2015年

7 梁，

本文編號：2101131