解析獨(dú)立成分分析車標(biāo)識(shí)別的原理與方法

3 實(shí)驗(yàn)結(jié)果與分析

3.1 實(shí)驗(yàn)對(duì)象

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

自建的車標(biāo)圖像庫(kù)共有大眾、本田在內(nèi)的11種常見(jiàn)車標(biāo)，每類有20幅圖像，存儲(chǔ)類型為BMP格式，每幅圖像的原始分辨率為39×32~101×109。為了方便數(shù)據(jù)處理，在預(yù)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(yàn)及結(jié)果分析

本實(shí)驗(yàn)在P4 CPU 2.66 GHz，512 MB內(nèi)存，Matlab環(huán)境下進(jìn)行。與參考文獻(xiàn)[1-4]的各車標(biāo)識(shí)別方法相比較，參考文獻(xiàn)[5]提出的基于主成分分析和BP神經(jīng)網(wǎng)絡(luò)的車標(biāo)識(shí)別算法具有較高的識(shí)別率和較短的識(shí)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)的車標(biāo)識(shí)別方法作對(duì)比實(shí)驗(yàn)。實(shí)驗(yàn)時(shí)，兩種方法均依次取每類車標(biāo)的前3幅、前6幅、前10幅圖像作為訓(xùn)練樣本，其余的車標(biāo)圖像作為測(cè)試樣本。參考文獻(xiàn)[5]中的BP神經(jīng)網(wǎng)絡(luò)選擇S型函數(shù)(Sigmoid函數(shù))作為激活函數(shù)。實(shí)驗(yàn)結(jié)果如表1所示。