奇異值分解和主成分分析在車型識別中的應用.pdf

1、在智能交通系統(tǒng)中，車輛信息的計算和獲取對車輛自動監(jiān)控和全自動收費系統(tǒng)的建立起著關鍵的指導作用，而車型識別技術是實現(xiàn)公路交通自動化的重要方面，這項技術的深入研究對提高公路交通的自動化程度，促進智能交通系統(tǒng)的發(fā)展具有重大的實際意義。然而，由于車輛圖像背景復雜多變，車輛外形種類繁多，車型識別是一個一直沒有完全解決的問題。本文正是在這一背景下，對車型識別的兩種算法和識別技術進行了研究，主要的研究工作包括以下幾個方面： （1)車輛圖像預處

2、理：針對本文研究的車輛圖像的特點，車輛圖像預處理主要包括圖像灰度化和去除背景兩部分。圖像灰度化即是將真彩色的車輛圖像轉(zhuǎn)變成灰度圖像，目的是減少其電腦存儲空間和提高運算效率。本文提出采用相位一致法去除車輛圖像中的背景，實驗結(jié)果表明這種方法能夠有效的去除背景圖像。 （2)特征提?。罕疚牟捎昧藘煞N特征提取方法，奇異值分解和主成分分析方法。奇異值分解是基于代數(shù)特征的特征提取，經(jīng)過對車輛圖像矩陣的奇異值分解，再經(jīng)過奇異值降維壓縮和奇異值矢

3、量排序，最后建立了用于識別的特征子空間。主成分分析是基于統(tǒng)計理論的特征提取，經(jīng)過對車輛圖像矢量的主成分分析，得到用于識別的車輛圖像的主成分。實驗結(jié)果表明兩種方法都是很有效的特征提取方法，在識別準確率和效率方面奇異值分解方法稍好于主成分分析方法，但針對大量圖像樣本時，主成分分析方法在算法復雜度和運行效率方面更具優(yōu)勢。 （3)識別分類方法：本文針對兩種不同的特征提取方法提出了不同的分類方法。針對奇異值分解的特征提取采用的是最小距離分