增强边缘梯度特征局部量化策略驱动下的车标识别

目的 车标是车辆的显著性特征，通过车标的分类与识别可以极大缩小车辆型号识别的范围，是车辆品牌和型号识别中的重要环节。基于特征描述子的车标识别算法存在如下缺点：一方面，算法提取的特征数量有限，不能全面描述车标的特征；另一方面，提取的特征过于冗杂，维度高，需要大量的计算时间。为了提取更加丰富的车标特征，提高识别效率，提出一种增强边缘梯度特征局部量化策略驱动下的车标识别方法。方法 首先提取车标图像的增强边缘特征，即根据不同的梯度方向提取梯度信息，生成梯度大小矩阵，并采用LTP（local ternary patterns）算子在梯度大小矩阵上进一步进行特征提取，然后采用特征码本对提取的特征进行量化操作，在确保车标特征描述能力的同时，精简了特征数目，缩短了局部向量的长度，最后采用WPCA（whitened principal component analysis）进行特征降维操作，并基于CRC（collaborative representation based classification）分类器进行车标的识别。结果 基于本文算法提取的车标特征向量，能够很好地描述车标图像的特征，在HFUT-VL1车标数据集上取得了97.85%的识别率（平均每类训练样本为10张），且在识别难度较大的XMU车标数据集上也能取得90%以上的识别率（平均每类训练样本为100张），与其他识别算法相比，识别率有明显提高，且具有更强的鲁棒性。结论 增强边缘梯度特征局部量化策略驱动下的车标识别算法提取的特征信息能够有效地描述车标，具有很高的识别率和很强的鲁棒性，大大降低了特征向量的维度，提高了识别效率。

Vehicle logo recognition based on local quantization of enhanced edge gradient features