基于圖像處理的車(chē)型識(shí)別技術(shù)研究.pdf

1、隨著交通擁擠和堵塞等各種問(wèn)題的日益突出，以及計(jì)算機(jī)技術(shù)的不斷發(fā)展，智能交通系統(tǒng)(Intelligent Transportation System，簡(jiǎn)稱(chēng)ITS)得到了越來(lái)越廣泛的應(yīng)用，并在歐、美等發(fā)達(dá)國(guó)家廣泛得到應(yīng)用，而在我國(guó)的應(yīng)用尚處于探索研究的起步階段。車(chē)輛的自動(dòng)識(shí)別和跟蹤技術(shù)是ITS的重要組成部分，本文在分析了各種車(chē)輛識(shí)別技術(shù)的基礎(chǔ)上，綜合圖像處理和模式識(shí)別技術(shù)來(lái)實(shí)現(xiàn)車(chē)輛的分類(lèi)。采用《收費(fèi)公路車(chē)輛通行費(fèi)車(chē)型分類(lèi)》作為車(chē)型分類(lèi)標(biāo)準(zhǔn)。

2、首先對(duì)攝像機(jī)采集的圖像進(jìn)行去除背景的運(yùn)算以獲取車(chē)輛圖像，隨后的工作是圖像的預(yù)處理、特征提取、模式識(shí)別，以達(dá)到車(chē)型識(shí)別的目的。主要工作及創(chuàng)新點(diǎn)體現(xiàn)在：
　　 ⑴車(chē)輛圖像進(jìn)行預(yù)處理過(guò)程中，分析了圖像的噪聲類(lèi)型，并使用中值濾波、均值濾波、小波濾波方法對(duì)噪聲圖像進(jìn)行預(yù)處理，通過(guò)實(shí)驗(yàn)表明小波濾波方法能有效去除車(chē)輛圖像噪聲，保留車(chē)輛輪廓特征。并通過(guò)實(shí)驗(yàn)選取了適合車(chē)型識(shí)別的邊緣檢測(cè)算法，實(shí)現(xiàn)了由Hough變換檢測(cè)圓進(jìn)而為后續(xù)特征提取打好基礎(chǔ)。

3、
　　 ⑵特征提取。獲取車(chē)輛輪廓，在計(jì)算出車(chē)輛的長(zhǎng)高比、軸間距同車(chē)長(zhǎng)之比以及分散度（周長(zhǎng)的平方和面積之比）的同時(shí)，還設(shè)計(jì)了根據(jù)Freeman鏈碼計(jì)算出車(chē)輛形狀的7個(gè)不變矩特征，使得車(chē)輛在圖像中的不同位置均可獲得較好的識(shí)別效果。
　　 ⑶深入研究了模式識(shí)別技術(shù)的基本理論和現(xiàn)有主要方法，設(shè)計(jì)了基于MATLAB的SVM二分類(lèi)器。在對(duì)比分析的基礎(chǔ)上依據(jù)決策樹(shù)的思想設(shè)計(jì)了基于支持向量機(jī)的車(chē)型識(shí)別系統(tǒng)，并且利用LIBSVM工具作了系