車(chē)輛目標(biāo)類(lèi)型識(shí)別算法研究與實(shí)現(xiàn).pdf

1、在信息化飛速發(fā)展的今天，圖像目標(biāo)識(shí)別技術(shù)扮演著越來(lái)越重要的角色，它已經(jīng)被廣泛應(yīng)用到生物識(shí)別、遙感圖象識(shí)別、遠(yuǎn)程監(jiān)控、智能交通管理、軍事偵察、精確制導(dǎo)等各個(gè)領(lǐng)域。如何改進(jìn)經(jīng)典的統(tǒng)計(jì)模式識(shí)別方法以及各種目標(biāo)識(shí)別技術(shù)的結(jié)合仍然是需要不斷完善的問(wèn)題。 基于當(dāng)前的研究現(xiàn)狀，本文以可見(jiàn)光和紅外儀器同步拍攝的不同環(huán)境下的運(yùn)動(dòng)車(chē)輛目標(biāo)序列為對(duì)象，在深入研究了經(jīng)典的統(tǒng)計(jì)模式識(shí)別方法及相關(guān)理論的基礎(chǔ)上，對(duì)車(chē)輛目標(biāo)識(shí)別系統(tǒng)中的特征提取和識(shí)別方法等方面

2、做了較深入的研究，并對(duì)神經(jīng)網(wǎng)絡(luò)在車(chē)型識(shí)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(shí)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(chē)輛目標(biāo)在不同角度和姿態(tài)下其光照與紋理也有較大的變化。基于這些特點(diǎn)，本文給出一種基于車(chē)輛目標(biāo)輪廓的組合識(shí)別特征提取方法，所提取的組合特征包括以車(chē)輛目標(biāo)輪廓為基礎(chǔ)的全局形狀矩特征和以車(chē)輛目標(biāo)輪廓縱橫向分量為基礎(chǔ)的局部統(tǒng)計(jì)特征，該方法具有較強(qiáng)的穩(wěn)定性和一致性

3、。 2.本文在經(jīng)典統(tǒng)計(jì)模式識(shí)別方法的基礎(chǔ)上，結(jié)合了最近鄰識(shí)別法和K近鄰識(shí)別法的特點(diǎn)，給出一種三閾值近鄰識(shí)別方法，其基本原則是在尋找未知樣本的近鄰時(shí)，通過(guò)附加閾值的限制，進(jìn)一步提高識(shí)別的可靠性。同時(shí)本文還利用改進(jìn)的C-均值動(dòng)態(tài)聚類(lèi)和哈夫曼二叉樹(shù)的原理，給出了三閾值近鄰法的快速算法，使得識(shí)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(jìn)的C-均值動(dòng)態(tài)聚類(lèi)兩種技術(shù)，對(duì)BP神經(jīng)網(wǎng)絡(luò)在車(chē)輛目標(biāo)識(shí)別中的運(yùn)用進(jìn)行了試探性研究。其基