文件名称：论文研究-基于改进KNN-SVM的车辆图像光照检测模型.pdf
文件大小：805KB
文件格式：PDF
更新时间：2022-10-01 20:22:34
论文研究
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%。