基于改进SIFT特征提取的车标识别

• 作者: 王宇婷 耿庆田 赵宏伟 赵浩宇
• 来源期刊: 光学精密工程
• 学科: 工学
• 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
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 信息科学
• 页码范围: 1267-1274
• 页数: 8页
• 分类号: TP391.4
• 字数: 4672字
• 语种: 中文
• DOI: 10.3788/OPE.20182605.1267

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵宏伟	吉林大学计算机科学与技术学院	212	1233	19.0	27.0
2	耿庆田	长春师范大学计算机科学与技术学院	20	146	6.0	11.0
6	赵浩宇	吉林大学学报编辑部	7	31	2.0	5.0
7	王宇婷	吉林大学计算机科学与技术学院	5	34	3.0	5.0