本文關(guān)鍵詞： 斑馬線 灰度共生矩陣 Gabor濾波器 JointBoost 參數(shù)模型　出處：《武漢大學(xué)學(xué)報(bào)(信息科學(xué)版)》2017年10期 　論文類型：期刊論文

【摘要】：提出了一種利用高分辨率航空影像自動(dòng)識(shí)別與重建斑馬線的方法。文中利用基于灰度共生矩陣(cray level co-occurrence matrix,GLCM)和二維Gabor濾波器特征的JointBoost分類器來提取斑馬線,并依據(jù)斑馬線在空間幾何上的重復(fù)性規(guī)則對斑馬線建立參數(shù)模型。最后結(jié)合一些具有代表性的實(shí)驗(yàn)數(shù)據(jù)(如陰影、遮擋和模糊等)來驗(yàn)證本文所提出的方法在斑馬線的識(shí)別與重建中的有效性。
[Abstract]:In this paper, a method of automatic recognition and reconstruction of zebra crossings using high-resolution aerial images is proposed. In this paper, the zebra crossing is extracted by using a JointBoost classifier based on gray level level co-occurrence matrix GLCM) and two-dimensional Gabor filter features. The parameter model of zebra crossing is established according to the geometric repeatability of zebra crossing in space. Finally, some representative experimental data (such as shadow, shadow) are used to establish the parameter model of zebra crossing. To verify the effectiveness of the proposed method in the recognition and reconstruction of zebra crossings.
【作者單位】： 武漢大學(xué)遙感信息工程學(xué)院;武漢大學(xué)測繪遙感信息工程國家重點(diǎn)實(shí)驗(yàn)室;
【基金】：國家科技支撐計(jì)劃(2014BAK07B04) 國家自然科學(xué)基金(41571437) 浙江省科技計(jì)劃(2015C33075)~~
【分類號】：TP751
，

本文編號：1544323