特征融合与PSO优化SVM的交通标志分类

• 作者: 张丽艳 李林 郝天玥 龙美芳
• 来源期刊: 软件工程与应用
• 学科: 工学
• 关键词: 交通标志分类 PHOG特征 Gist特征 特征融合 PSO优化
• 年，卷（期）: 2020,（2）
• 页码范围: 143-147
• 页数: 5页
• 分类号: TP3

摘要

为有效提高交通标志分类的准确度,提出一种基于特征融合与PSO优化支持向量机分类器参数的交通标志分类方法。首先提取标志图像形状的局部HOG特征信息和描述图像粗略轮廓的全局Gist特征信息,采用并行的方式把这两种特征融合;再通过PSO算法优化SVM分类器参数,提高SVM分类器分类性能;最后SVM分类器进行交通标志训练与分类。试验结果表明:本文并行的特征融合与PSO优化SVM参数分类方法精确度比单一的PHOG和Gist特征的交通标志分类方法分别提高9.048%、0.952%,比串行的特征融合方法提高了8.095%。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张丽艳	大连交通大学电气信息工程学院	39	138	7.0	10.0
2	李林	大连交通大学电气信息工程学院	9	4	1.0	2.0
3	龙美芳	大连交通大学电气信息工程学院	4	2	1.0	1.0
4	郝天玥	大连交通大学电气信息工程学院	1	0	0.0	0.0