论文部分内容阅读
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。