車輛目標類型識別算法研究與實現(xiàn).pdf

1、在信息化飛速發(fā)展的今天，圖像目標識別技術(shù)扮演著越來越重要的角色，它已經(jīng)被廣泛應(yīng)用到生物識別、遙感圖象識別、遠程監(jiān)控、智能交通管理、軍事偵察、精確制導(dǎo)等各個領(lǐng)域。如何改進經(jīng)典的統(tǒng)計模式識別方法以及各種目標識別技術(shù)的結(jié)合仍然是需要不斷完善的問題。 基于當前的研究現(xiàn)狀，本文以可見光和紅外儀器同步拍攝的不同環(huán)境下的運動車輛目標序列為對象，在深入研究了經(jīng)典的統(tǒng)計模式識別方法及相關(guān)理論的基礎(chǔ)上，對車輛目標識別系統(tǒng)中的特征提取和識別方法等方面

2、做了較深入的研究，并對神經(jīng)網(wǎng)絡(luò)在車型識別系統(tǒng)中的應(yīng)用作了試探性研究。主要內(nèi)容如下： 1.本文所處理的數(shù)據(jù)源隨著拍攝時間的變化視頻圖像的亮度有很大的差異，而且拍攝背景比較復(fù)雜，同一車輛目標在不同角度和姿態(tài)下其光照與紋理也有較大的變化?；谶@些特點，本文給出一種基于車輛目標輪廓的組合識別特征提取方法，所提取的組合特征包括以車輛目標輪廓為基礎(chǔ)的全局形狀矩特征和以車輛目標輪廓縱橫向分量為基礎(chǔ)的局部統(tǒng)計特征，該方法具有較強的穩(wěn)定性和一致性

3、。 2.本文在經(jīng)典統(tǒng)計模式識別方法的基礎(chǔ)上，結(jié)合了最近鄰識別法和K近鄰識別法的特點，給出一種三閾值近鄰識別方法，其基本原則是在尋找未知樣本的近鄰時，通過附加閾值的限制，進一步提高識別的可靠性。同時本文還利用改進的C-均值動態(tài)聚類和哈夫曼二叉樹的原理，給出了三閾值近鄰法的快速算法，使得識別的速度大大加快。 3.本文結(jié)合了人工神經(jīng)網(wǎng)絡(luò)和改進的C-均值動態(tài)聚類兩種技術(shù)，對BP神經(jīng)網(wǎng)絡(luò)在車輛目標識別中的運用進行了試探性研究。其基