基于主成分分析(PCA)的交通标志识别.doc

摘要:主成分分析（principal component analysis, PCA）是一种数学变换的方法。它属于线性变换，通过把数据变换到一个新的坐标系中，使得第一变量所具有的方差最大，称之为第一主成分，第二变量所具有的的方差次大，并且和第一变量不相关，称之为第二主成分,以此类推至第n个主成分。主成分分析法经常用于减少数据集的维数，同时保持数据集的方差具有贡献最大的特征。随着科学技术的迅速发展，PCA在各科学和工程领域中都发挥着重要的作用，由于它能使数据的维数减少，并能使提取的成分与原始数据的误差达到均方最小，所以常被用于图像处理和模式识别等领域。

交通标志的识别在无人驾驶、城市智能交通及管理中都有十分重要的应用，同时对降低交通事故的发生率也具有很大的作用。本课题就是通过运用主成分分析法，提取交通标志图像的主要特征，利用提取的特征向量进行训练和识别两个阶段，从而实现对交通标志目标的识别。 

关键词：主成分分析  降维  交通标志识别  特征提取  模式识别

目录

摘要

Abstract 

引言

1交通标志识别方法研究现状-2

1.1交通标志识别简介及研究现状-2

1.2现有交通标志识别方法-3

2主成分分析-5

2.1主成分分析简介-5

2.2主成分分析基本原理-5

2.3主成分分析实现步骤-6

2.3.1计算相关系数矩阵-6

2.3.2计算特征值与特征向量-6

3交通标志识别方法研究-8

3.1图像采集-8

3.2 图像预处理-8

3.3特征提取-9

3.4交通标志识别-10

4交通标志识别方法的实现-12

4.1图像采集-12

4.2 图像预处理-12

4.3特征提取-14

4.4交通标志识别-16

结论

致谢

参考文献