论文部分内容阅读
为有效提高交通标志分类的准确度，提出一种融合全局特征和局部特征的多特征交通标志分类方法。首先提取能够描述标志图像内部纹理信息的局部二值模式（local binary pattern，LBP）特征，再提取能够表示标志图像形状信息的方向梯度直方图（histogram of oriented gradient，HOG）特征和描述图像粗略轮廓信息的全局Gist特征，然后采用线性组合方式，实现特征融合互补，并通过主成分分析（principal components analysis，PCA）法进行数据降维，最后采用支持向量机（support vector machine，SVM）分类器进行交通标志训练与识别。试验结果表明：相对于单一特征的交通标志分类方法，基于多特征融合的算法获得了更高的分类精确度，同时也满足实时性要求。