本文主要研究了智能交通系统中基于视频图像处理的车辆识别技术的基本原理和关键技术。交通检测和信息采集已经成为智能交通系统中一项重要课题,视频图像处理、车辆识别则是其中最基础的部分。本论文在总结和分析现有的车辆识别技术的基础上,针对以上几个方面问题进行了探索和研究,提出了新的方法,并通过实验证明了新方法的有效性,主要研究包括以下几个方面:1.视频图像预处理方法研究本文对采集到的视频图像进行了彩色图像灰度化、车辆区域检测与定位、去除噪声、边缘检测以及确定车辆角点信息处理。由数码摄像机采集一组含有车辆信息的视频交通图像,将彩色图像转化为灰度图像,减少维数信息,以便对车辆区域进行检测和定位。由于噪声的干扰,对车辆识别可能造成影响,所以对图像去噪是相当重要的一部分。去噪后对车辆进行边缘检测和角点检测,这样可以减少对车辆信息量的处理。本文通过实验验证,可以较好的获取用于车辆识别的角点信息。2.车辆特征提取车辆特征提取是车辆识别技术中最重要的一个步骤。特征值的差异性是区分车辆类型的最重要的理论依据。本文引入了视觉不变量理论中的射影不变量交比概念,以车辆角点信息作为特征点,计算射影不变量值,对车辆进行识别。经过实验发现,在理想情况下,比较射影不变量值能够对车辆进行正确的识别,鲁棒性能好。3.车辆识别方法研究由于视频图像存在噪声的缘故,图像预处理后提取的角点信息可能并不完整或者出现移位等现象,这样对于射影不变量的值产生很大影响,可能导致车辆类型误判的情况。本文引入朴素贝叶斯分类模型,用在获取错误的角点信息的情况下,判断车辆类型的后验概率,并对属于不同类型的后验概率值进行比较,以便正确识别车辆类型。从实验效果看,该方法简单有效,适合于基于视频图像处理的车辆识别系统。