汽车轮毂工业是中国汽车制造业的重要组成部分,在国民经济发展中发挥着极为重要的作用。本文提出基于计算机视觉的汽车轮毂型号识别,针对轮型的自动化识别进行了多方面的研究,研究内容主要包括:(1)提取轮毂的轮孔个数信息、轮毂半径及轮毂孔洞占整个轮毂的面积比例,以此对轮毂进行多特征融合的分类。(2)在多特征融合的轮型识别步骤中,提取的轮型特征简单,识别速度快,但识别率很低远达不到工业要求,故提出基于形状匹配及纹理筛选的轮型识别。在形状匹配的过程中提取轮毂的轮辐形状信息,首先为每一种型号的轮毂建立一个标准的轮辐形状模板,然后利用边缘最小距离的方法在待识别轮毂中找出和模板一致的形状,并参照轮毂的孔洞个数,若找出的形状个数和对应轮毂的孔洞个数一致,则判定该形状和模板轮毂型号一致。(3)对上面匹配到的轮毂进行随机游走验证,用随机游走的方法分别描述待识别轮毂和轮毂库的对应轮毂。作出两幅图片的随机游走直方图,求出两个直方图的方差并归一化到同一范围内。最后通过直方图的偏差度判定两幅图是否为同一型号的轮毂。(4)但因为基于形状匹配及纹理筛选的轮型识别算法耗时很多,达不到工业上实时的水准,故又提出基于指数权重VLAD特征的轮型识别。首先提取轮毂的SIFT局部特征点,对SIFT特征进行变形得到RootSIFT向量,再把大量的RootSIFT向量进行聚类形成一本码书,把每一副轮毂图片中的所有RootSIFT向量都量化到该码书上形成一个VLAD(Vector of Aggragate Locally Descriptor)向量,最后对VLAD向量进行PCA(Principal Component Analysis)降维。本文在降维VLAD向量的基础上做一个指数权重加权以削减个别不稳定值,最后通过加权VLAD向量的对比来找到最相似的轮毂图片。