基于多源特征增强的交通标志识别方法

针对现实场景中交通标志识别在照明不佳环境下和应对扭曲、旋转、平移等空间变化时准确率较低的问题，在优化亮度、对比度特征的基础上结合图像的空间位置信息，提出一个新颖的基于多源特征增强的交通标志识别方法 .首先设计亮度与对比度增强模块以凸显低照度图像的特征信息，降低低照度图像识别难度.然后结合空间转换单元构建轻量化特征处理网络，通过弱化图像携带的无关信息聚焦数据中的感兴趣区域，有效分离背景噪声的同时也改善了输入数据的空间不变性.最后主分类网络对图像特征图进行细粒度的识别并输出预测的类别标签.实验结果表明：本文提出的模型在公开基准数据集GTSRB上的准确率达到99.52%，能有效解决交通标志现实场景下识别率较低的问题.