基于改进KNN-SVM的车辆图像光照检测模型

• 作者: 杨大利 郝蓓
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 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
• 年，卷（期）: 2017,（24）
• 所属期刊栏目: 图形图像处理
• 页码范围: 207-212
• 页数: 6页
• 分类号: TP391.4
• 字数: 6354字
• 语种: 中文

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%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨大利	北京信息科技大学计算机学院计算机开放系统实验室	45	116	6.0	9.0
2	郝蓓	北京信息科技大学计算机学院计算机开放系统实验室	2	7	1.0	2.0