基于小波分析和矩特征的車型識(shí)別研究.pdf

1、在智能交通系統(tǒng)（Intelligent Transportation Systems，ITS）中，車輛信息的計(jì)算和獲取對(duì)車輛自動(dòng)監(jiān)控和全自動(dòng)收費(fèi)系統(tǒng)的建立起著關(guān)鍵的指導(dǎo)作用，而車型檢測技術(shù)是實(shí)現(xiàn)公路交通自動(dòng)化的重要方面，這項(xiàng)技術(shù)的深入研究對(duì)提高公路交通的自動(dòng)化程度，促進(jìn)智能交通系統(tǒng)的發(fā)展具有重大的實(shí)際意義。對(duì)汽車實(shí)現(xiàn)智能化的車型識(shí)別是智能運(yùn)輸系統(tǒng)的一個(gè)重要組成部分，在智能運(yùn)輸系統(tǒng)中，車型識(shí)別在交通智能監(jiān)控和自動(dòng)收費(fèi)系統(tǒng)中起著重要作用，同

2、時(shí)也是智能運(yùn)輸系統(tǒng)研究領(lǐng)域中的熱點(diǎn)和難點(diǎn)之一。 論文概述了現(xiàn)有的車型識(shí)別方法，提出了基于小波分析和矩特征的車型特征提取和識(shí)別算法。目前，車型種類眾多，車型的分類主要依賴于車輛的外形特征，具有代表性的外形特征的提取和選擇為正確分類提供了有力保證。小波分析作為多尺度分析方法，具有很好的描述時(shí)頻信息的能力，能夠反映信號(hào)在各個(gè)尺度下的整體逼近信息和局部細(xì)節(jié)信息，是信號(hào)和圖像時(shí)頻局部化分析的有力工具。矩不變量在圖像進(jìn)行平移、旋轉(zhuǎn)和尺度變換

3、時(shí)保持定值，因此被廣泛使用在目標(biāo)識(shí)別、圖像分類、圖像壓縮和場景匹配等各種領(lǐng)域。 本文研究了兩種車型識(shí)別的方法——基于小波矩的車型識(shí)別算法和基于線性矩的車型識(shí)別算法。小波分析和目標(biāo)矩特征有各自的優(yōu)點(diǎn)，將它們結(jié)合起來組成小波矩用于目標(biāo)識(shí)別，除了具有矩的平移、縮放和旋轉(zhuǎn)不變性外，還能夠把握?qǐng)D像的細(xì)節(jié)特征，使分類處理的速度和精度得到了提高；線性矩的方法是通過構(gòu)造從質(zhì)心出發(fā)的一組線性矩，將圖像的二維信息轉(zhuǎn)換為一維信息，對(duì)這組矩進(jìn)行小波變換