| 基于改进SIFT特征提取的车标识别 |
| |
| 引用本文： | 耿庆田,赵浩宇,王宇婷,赵宏伟.基于改进SIFT特征提取的车标识别[J].光学精密工程,2018,26(5):1267-1274. |
| |
| 作者姓名： | 耿庆田 赵浩宇 王宇婷 赵宏伟 |
| |
| 作者单位： | 1. 长春师范大学 计算机科学与技术学院, 吉林 长春 130032;2. 吉林大学 计算机科学与技术学院, 吉林 长春 130012;3. 吉林大学 学报编辑部, 吉林 长春 130012 |
| |
| 基金项目： | 吉林省省级产业创新专项资金资助项目（No.2016C078）；吉林省产业技术研究和开发专项资助项目（No.2017C031-2）；吉林省教育厅“十三五”科学技术研究资助项目（No.2018269） |
| |
| 摘 要： | 为减少SIFT车标识别算法中检测极值点的冗余以及各种图像变化因素的不利影响,提出了基于边缘约束和全局结构化的改进SIFT算法。利用图像不变矩理论及图像边缘检测算法只对目标图像的边缘区域检测,剔除与车标识别区域无关的极值点;同时将特征点邻域划分为圆形并计算出同心圆内像素点最大曲率来构建全局SIFT组合特征向量,使SIFT描述子具有全局描述特性;并结合SVM模型作为车标图像特征向量的分类器进行特征分类、识别。仿真实验结果表明:改进的SIFT算法可以减少冗余极值点约25%~45%,提高了检测极值点的有效性;使车标平均识别率达到97%以上,改善了识别实时性。改进SIFT的车标识别方法与几种常用的图像特征提取算子相比较具有识别率高、识别速度快的优点。
|
| 关 键 词： | 车标识别 尺度不变特征变换特征 边缘约束 极值点检测 支持向量机 |
| 收稿时间： | 2017-12-27 |
A vehicle logo recognition algorithm based on the improved SIFT feature |
| |
| GENG Qing-tian,ZHAO Hao-yu,WANG Yu-ting,ZHAO Hong-wei.A vehicle logo recognition algorithm based on the improved SIFT feature[J].Optics and Precision Engineering,2018,26(5):1267-1274. |
| |
| Authors: | GENG Qing-tian ZHAO Hao-yu WANG Yu-ting ZHAO Hong-wei |
| |
| Affiliation: | 1. Department of Computer Science and Technology, Changchun Normal University, Changchun 130032, China;2. Department of Computer Science and Technology, Jilin University, Changchun 130012, China;3. Editorial Department of Journal, Jilin University, Changchun 130012, China |
| |
| Abstract: | |
| |
| Keywords: | vehicle logo recognition SIFT feature edge constraint extreme point detection Support Vector Machine (SVM) |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《光学精密工程》浏览原始摘要信息 |
|
点击此处可从《光学精密工程》下载全文 |
|
