文献类型：期刊文章

作　　者：郝蓓[1] 杨大利[1]

HAO Bei;YANG Dali(Open Computer System Laboratory, College of Computer, Beijing Information Science and Technology University, Beijing 100101, China)

机构地区：[1]北京信息科技大学计算机学院计算机开放系统实验室,北京100101

出　　处：《计算机工程与应用》

基　　金：宁波市镇海区2016年引进高层次人才创业项目

年　　份：2017

卷　　号：53

期　　号：24

起止页码：207-212

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CSCD、CSCD_E2017_2018、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：为了准确检测出车辆交通图像的光照类型,从而有针对性地矫正不同光照以减少其对车牌定位的影响,提出了一种基于改进K近邻和支持向量相融合(KNN-SVM)的车辆图像光照检测方法。首先融合了HSV空间亮度特征、灰度直方图特征和投影直方图特征作为车辆图像的光照特征,然后改进传统KNN-SVM中距离计算方法,定义为每类待检测样本到属于该类支持向量的距离,并在采集的全天候不同光照车辆图像上进行检测验证。实验表明,改进KNNSVM将阈值获取时间提前,避免了传统KNN-SVM对超平面附近样本先SVM检测再KNN检测的重复检测,不仅降低了算法复杂度和运行时间,且检测准确率高于传统KNN-SVM和单独使用KNN或SVM时的值,最高达到了99.67%。

关 键 词：车辆交通图像  光照特征  支持向量机 K近邻算法 光照检测  

分 类 号：TP391.4]