在智能交通系统中,车辆信息的计算和获取对车辆自动监控和全自动收费系统的建立起着关键的指导作用,而车型识别技术是实现公路交通自动化的重要方面,这项技术的深入研究对提高公路交通的自动化程度,促进智能交通系统的发展具有重大的实际意义。然而,由于车辆图像背景复杂多变,车辆外形种类繁多,车型识别是一个一直没有完全解决的问题。本文正是在这一背景下,对车型识别的两种算法和识别技术进行了研究,主要的研究工作包括以下几个方面:(1)车辆图像预处理:针对本文研究的车辆图像的特点,车辆图像预处理主要包括图像灰度化和去除背景两部分。图像灰度化即是将真彩色的车辆图像转变成灰度图像,目的是减少其电脑存储空间和提高运算效率。本文提出采用相位一致法去除车辆图像中的背景,实验结果表明这种方法能够有效的去除背景图像。(2)特征提取:本文采用了两种特征提取方法,奇异值分解和主成分分析方法。奇异值分解是基于代数特征的特征提取,经过对车辆图像矩阵的奇异值分解,再经过奇异值降维压缩和奇异值矢量排序,最后建立了用于识别的特征子空间。主成分分析是基于统计理论的特征提取,经过对车辆图像矢量的主成分分析,得到用于识别的车辆图像的主成分。实验结果表明两种方法都是很有效的特征提取方法,在识别准确率和效率方面奇异值分解方法稍好于主成分分析方法,但针对大量图像样本时,主成分分析方法在算法复杂度和运行效率方面更具优势。(3)识别分类方法:本文针对两种不同的特征提取方法提出了不同的分类方法。针对奇异值分解的特征提取采用的是最小距离分类法,针对主成分分析的特征提取采用的是截断误差分类法。实验结果表明这两种算法都是准确有效的。