需要金币:1000 个金币 | 资料包括:完整论文 | ||
转换比率:金额 X 10=金币数量, 例100元=1000金币 | 论文字数:11993 | ||
折扣与优惠:团购最低可5折优惠 - 了解详情 | 论文格式:Word格式(*.doc) |
摘要:主成分分析(principal component analysis, PCA)是一种数学变换的方法。它属于线性变换,通过把数据变换到一个新的坐标系中,使得第一变量所具有的方差最大,称之为第一主成分,第二变量所具有的的方差次大,并且和第一变量不相关,称之为第二主成分,以此类推至第n个主成分。主成分分析法经常用于减少数据集的维数,同时保持数据集的方差具有贡献最大的特征。随着科学技术的迅速发展,PCA在各科学和工程领域中都发挥着重要的作用,由于它能使数据的维数减少,并能使提取的成分与原始数据的误差达到均方最小,所以常被用于图像处理和模式识别等领域。 交通标志的识别在无人驾驶、城市智能交通及管理中都有十分重要的应用,同时对降低交通事故的发生率也具有很大的作用。本课题就是通过运用主成分分析法,提取交通标志图像的主要特征,利用提取的特征向量进行训练和识别两个阶段,从而实现对交通标志目标的识别。 关键词:主成分分析 降维 交通标志识别 特征提取 模式识别
目录 摘要 Abstract 引言 1交通标志识别方法研究现状-2 1.1交通标志识别简介及研究现状-2 1.2现有交通标志识别方法-3 2主成分分析-5 2.1主成分分析简介-5 2.2主成分分析基本原理-5 2.3主成分分析实现步骤-6 2.3.1计算相关系数矩阵-6 2.3.2计算特征值与特征向量-6 3交通标志识别方法研究-8 3.1图像采集-8 3.2 图像预处理-8 3.3特征提取-9 3.4交通标志识别-10 4交通标志识别方法的实现-12 4.1图像采集-12 4.2 图像预处理-12 4.3特征提取-14 4.4交通标志识别-16 结论 致谢 参考文献 |