欢迎来到天天文库
浏览记录
ID:35098674
大小:2.66 MB
页数:59页
时间:2019-03-17
《辅助驾驶中基于单幅图像的复杂道路场景分类方法研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、硕士学位论文MASTER’SDISSERTATION论文题目辅助驾驶中基于单幅图像的复杂道路场景分类方法研究作者姓名杨景超学位类别工程硕士指导教师刘永山教授2016年5月中图分类号:TP311学校代码:10216UDC:654密级:公开工程硕士学位论文(工程设计型)辅助驾驶中基于单幅图像的复杂道路场景分类方法研究硕士研究生:杨景超导师:刘永山教授副导师:张淑杰高级工程师申请学位:工程硕士工程领域:计算机技术所在单位:信息科学与工程学院答辩日期:2016年5月授予学位单位:燕山大学ADissertationinComputerApplicationTechnologyTh
2、eResearchonAuxiliaryDrivingComplexRoadSceneClassificationBasedonSingleImagebyYangJingchaoSupervisor:ProfessorLiuYongshanYanshanUniversity2016.5燕山大学硕士学位论文原创性声明本人郑重声明:此处所提交的硕士学位论文《辅助驾驶中基于单幅图像的复杂道路场景分类方法研究》,是本人在导师指导下,在燕山大学攻读硕士学位期间独立进行研究工作所取得的成果。论文中除已注明部分外不包含他人已发表或撰写过的研究成果。对本文的研究工作做出重要贡献的个人和
3、集体,均已在文中以明确方式注明。本声明的法律结果将完全由本人承担。作者签字:日期:年月日燕山大学硕士学位论文使用授权书《辅助驾驶中基于单幅图像的复杂道路场景分类方法研究》系本人在燕山大学攻读硕士学位期间在导师指导下完成的硕士学位论文。本论文的研究成果归燕山大学所有,本论文的研究内容不得以其它单位的名义发表。本人完全了解燕山大学关于保存、使用学位论文的规定,同意学校保留并向有关部门送交论文的复印件和电子版本,允许论文被查阅和借阅。本人授权燕山大学,可以采用影印、缩印或其它复制手段保存论文,可以公布论文的全部或部分内容。保密□,在年解密后适用本授权书。本学位论文属于不保密□
4、。(请在以上相应方框内打“√”)作者签名:日期:年月日导师签名:日期:年月日摘要摘要对道路场景图像进行有效的语义解析和分类,有助于提高辅助驾驶系统的鲁棒性,并且能够保证在获取足够语义信息的前提下,减少系统存储量,降低计算复杂度。本文针对辅助驾驶中基于单幅的复杂道路场景图像分类的方法进行了深入的研究,具体研究内容包括以下几方面:首先,构建融合特征图像描述方法。本文提出了一种基于多特征融合复杂道路场景分类方法,其核心思想是多特征融合加权融合并级联分类。该方法提取图像全局特征、梯度直方图特征和改进的颜色直方图特征,并对特征进行主成分分析融合,得到低维融合子空间特征。最终将特征
5、提取结果送入分类器中进行训练和预测。其次,卷积神经网络特征优化。本文提出一种基于深度学习中卷积神经网络预训练的道路场景分类方法。首先针对样本图像构建响应的深层网络模型并进行训练,得到适用于道路场景图像特征提取的深度学习模型,然后将样本图像送入模型中进行层层映射,得到图像语义的深层特征描述,最后结合支持向量机等高性能分类器,对特征提取结果进行分类。最后,构建道路图像场景数据库。针对目前道路场景分类图像库中道路类型种类数及其在智能交通中的应用性,构建了包含雪地、乡村、街景、高速公路、荒漠和隧道6类常见的道路场景数据库,并在此基础上进行实验。大量的实验及对比结果表明,多特征融
6、合复杂道路场景分类方法平均正确率可达91%;基于深度学习预训练的多特征融合复杂道路场景分类方法平均正确率可达91.27%,相对于经典的道路场景分类方法在正确率、算法鲁棒性方面都有一定提高,印证了本文所提出算法的有效性。关键字:道路场景分类;特征融合;特征降维;卷积神经网络;预训练-I-燕山大学工学硕士学位论文AbstractWiththerapiddevelopmentoftherapidgrowthinautomobileusageandroadtraffic,thedriverassistancehasbeenanimportantresearchtopicofTr
7、afficSafety.Thenavigationandtheintelligentwarningofdriverassistancesystemsaredependedontheunderstandingoftheroadscene.Vision-basedroadinformationextractiontechnologyisthekeytechnologyofroadsceneunderstanding.Inthispaper,thefollowinginformationextractionandintelligentwarni
此文档下载收益归作者所有