基于改进KNN-SVM的车辆图像光照检测模型
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KNN-SVM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%.
车辆交通图像、光照特征、支持向量机、K近邻算法、光照检测
53
TP391.4(计算技术、计算机技术)
宁波市镇海区2016年引进高层次人才创业项目
2018-01-17(万方平台首次上网日期,不代表论文的发表时间)
共6页
207-212