解析獨立成分分析車(chē)標識別的原理與方法

3 實(shí)驗結果與分析

3.1 實(shí)驗對象

目前在車(chē)標識別領(lǐng)域還沒(méi)有標準的車(chē)標圖像庫，因此本文采用自建的車(chē)標庫進(jìn)行實(shí)驗。由于天氣或拍攝角度等因素的影響，所獲得的車(chē)標并非全部都是理想車(chē)標圖像。如圖2所示，其中第1列為理想車(chē)標，第2列為光照不均車(chē)標，第3列為含有噪聲的車(chē)標，第4列是由于車(chē)標定位分割不準以致圖像邊緣含有大量非車(chē)標信息，第5列是傾斜車(chē)標。

自建的車(chē)標圖像庫共有大眾、本田在內的11種常見(jiàn)車(chē)標，每類(lèi)有20幅圖像，存儲類(lèi)型為BMP格式，每幅圖像的原始分辨率為39×32~101×109。為了方便數據處理，在預處理階段全部被歸一化為56×46，并全部進(jìn)行灰度化處理。

3.2 實(shí)驗及結果分析

本實(shí)驗在P4 CPU 2.66 GHz，512 MB內存，Matlab環(huán)境下進(jìn)行。與參考文獻[1-4]的各車(chē)標識別方法相比較，參考文獻[5]提出的基于主成分分析和BP神經(jīng)網(wǎng)絡(luò )的車(chē)標識別算法具有較高的識別率和較短的識別時(shí)間，因此，本文與基于主成分分析和BP神經(jīng)網(wǎng)絡(luò )的車(chē)標識別方法作對比實(shí)驗。實(shí)驗時(shí)，兩種方法均依次取每類(lèi)車(chē)標的前3幅、前6幅、前10幅圖像作為訓練樣本，其余的車(chē)標圖像作為測試樣本。參考文獻[5]中的BP神經(jīng)網(wǎng)絡(luò )選擇S型函數(Sigmoid函數)作為激活函數。實(shí)驗結果如表1所示。