基于證據(jù)理論的車輛識別算法研究.pdf

1、多源信息車輛識別是智能交通領(lǐng)域的關(guān)鍵技術(shù)，每個傳感器獲得信息源具有不確定性、不精確性和不完備性，如何合理的融合各傳感器的信息是實(shí)現(xiàn)車型自動分類的關(guān)鍵。信息融合算法中，DS(Dempster-Shafer)證據(jù)理論既能有效的處理不確定性信息，又能合理的表示、組合不確定性信息，因此引起學(xué)者的極大關(guān)注。但如何處理沖突證據(jù)以及在應(yīng)用中如何將實(shí)際問題轉(zhuǎn)化成可用于推理的基本概率指派函數(shù)仍然是理論和應(yīng)用上的難題。本文對證據(jù)理論進(jìn)行深入的研究，圍繞DS

2、證據(jù)理論及其在車輛識別中的應(yīng)用進(jìn)行展開。
　　本文的研究重點(diǎn):
　　1、分析多傳感器信息融合目標(biāo)識別的基本原理、融合過程、結(jié)構(gòu)模型;對多傳感器數(shù)據(jù)融合目標(biāo)識別的方法進(jìn)行歸納總結(jié)。
　　2、介紹證據(jù)推理的基本理論、發(fā)展及其合成規(guī)則，并對證據(jù)推理在應(yīng)用過程中凸顯的問題進(jìn)行分析，分析產(chǎn)生沖突的原因，歸納總結(jié)現(xiàn)階段針對沖突問題的主要方法:開放識別框架、修改原始證據(jù)源和修正Dempster組合規(guī)則。改進(jìn)方法雖在處理沖突問題中有一

3、定的有效性，但仍存在不確定性強(qiáng)，對目標(biāo)識別率不高的缺點(diǎn)。針對此問題，基于前人的思想，提出一種基于主元證據(jù)理論的改進(jìn)方法，仿真結(jié)果說明改進(jìn)算法能有效融合沖突證據(jù)，提高目標(biāo)識別率。
　　3、圖像特征提取是圖像目標(biāo)識別的關(guān)鍵，根據(jù)紅外、可見光的不同成像原理，確定各自的特征提取方法。可見光特征提取方法中，針對Hu矩特征存在的問題，提出一種改進(jìn)方法——小波矩特征提取，實(shí)驗(yàn)結(jié)果表明，小波矩具有平移、旋轉(zhuǎn)、比例不變性。最后利用可見光相機(jī)、紅外相