基于决策树型SVM的交通标志图像识别

由于采集信息装置简单和外界环境复杂,以及对识别方法的实时性、准确性要求,使得交通标志识别成为一项难题.首先根据交通标志特殊颜色信息和规则几何外形,利用边界矩技术迅速清除干扰区域,然后将剩下的区域规格化,送入训练好的决策树型支持向量机识别.在决策树型向量机训练阶段,使用模糊聚类算法,较好地完成了树型建构,使向量机具有良好的区分度.对大量实景图像进行实验证明,本研究方法具有平移、旋转、缩放、拉伸不变性和较强的容噪能力.