基于图像的智能交通系统中车标识别技术研究

摘要

智能交通是本世纪交通发展的趋势，车标识别系统是智能交通的重要组成部分，研究车标识别技术具有重大的现实意义。基于图像的车标识别系统包括图像采集、车标定位、车标识别、识别应用等部分。其中，车标定位、车标识别是两项关键技术，本文主要研究了车标的定位和识别方法，主要内容如下:
　　(1)研究了基于视觉显著性的车标定位方法。基于视觉显著性的目标检测是近年来目标检测的一个新方法，本文改进了经典的ITTI视觉注意模型，提取车标图像的亮度特征、颜色特征、方向特征、边缘特征，并线性融合为最终的车标显著图;对显著图进行二值分割、形态学闭运算、投影等操作定位车标。该方法能适应复杂环境的变化，具有一定的鲁棒性。
　　(2)研究了基于纹理抑制的车标定位方法。首先提出了一种简单纹理方向判别算法，将车标背景纹理分为两大类:类水平纹理和垂直纹理;对不同的纹理特性，采用不同的纹理抑制方法消除干扰噪声，凸显车标区域，并通过投影定位车标。该方法高效、准确，具有较好的定位效果。
　　(3)研究了车标LBP特征及其降维方式。本文提取车标的LBP特征，并通过SVM分类器，在特征维度、识别时间、识别效果等方面，分析了LBP等价模式、LBP子模式两种降维方式的差异，具有一定的参考价值。LBP等价模式的计算效率更高，结合PCA实现的LBP子模式降维方式更灵活。
　　(4)提出了一种改进的快速最近邻分类算法(MKNN)。MKNN结合了KNN和最小距离分类器的优点，根据最小距离分类器选择距离最小的前M类样本，并在这M类样本中根据KNN分类器确定具体的类别。本文在大数据集上测试MKNN的识别性能，分析其识别结果。实验表明，MKNN效率高，同时又具有较高的识别率。
　　(5)实现了基于LBP特征和SVM分类器的车标识别。采用KNN分类器、MKNN分类器、SVM分类器进行车标的识别;分析了不同分类器的识别差异和识别错误的原因;设计了车标识别系统的MFC界面，展示本文算法的效果。

目录

声明

摘要

1 绪论

1．1 课题研究背景与意义

1．2 车标识别的国内外研究现状

1．2．1 智能交通系统的发展现状

1．2．2 智能交通系统中的车标识别系统

1．2．3 车标定位技术的研究现状

1．2．4 车标识别技术的研究现状

1．3 本文的主要研究内容

2 车辆图像预处理与车标粗定位

2．1 车辆图像的预处理技术

2．1．1 车辆图像灰度化

2．1．2 图像平滑去噪

2．1．3 图像边缘检测

2．2 基于先验知识的车标粗定位算法

2．2．1 粗定位算法的提出

2．2．2 粗定位实验结果与分析

2．3 本章小结

3 基于视觉显著性的车标精定位

3．1 视觉显著性车标定位方法的提出

3．2 视觉显著性车标定位的研究现状分析

3．3 基于ITTI视觉注意模型的车标特征提取

3．3．1 亮度特征的提取

3．3．2 颜色特征的提取

3．3．3 方向特征的提取

3．3．4 边缘特征的提取

3．4 基于ITTI模型的车标精定位

3．5 实验结果与分析

3．6 本章小结

4 基于背景纹理抑制的车标精定位

4．1 背景纹理抑制的车标定位算法的提出

4．2 背景纹理方向的简单判别算法

4．3 车标精定位算法

4．3．1 类水平纹理散热网的车标精定位

4．3．2 垂直纹理散热网的车标精定位

4．4 实验结果与分析

4．5 本章小结

5 基于LBP特征和SVM分类器的车标识别

5．1 车标LBP特征的提取

5．1．1 基本LBP算子

5．1．2 等价模式LBP

5．1．3 旋转不变LBP

5．1．4 结合PCA降维的LBP子模式

5．2 改进的快速K近邻分类算法

5．2．1 最小距离分类器与K近邻分类器

5．2．2 改进的快速K近邻分类算法

5．2．3 实验结果与分析

5．3 LBP特征比较分析与SVM车标识别

5．3．1 支持向量机SVM

5．3．2 LBP特征比较分析与识别结果分析

5．4 本章小结

6 总结与展望

6．1 工作总结

6．2 存在问题

6．3 展望

致谢

参考文献