基于圖像的智能交通系統(tǒng)中車標(biāo)識別技術(shù)研究.pdf

1、智能交通是本世紀(jì)交通發(fā)展的趨勢，車標(biāo)識別系統(tǒng)是智能交通的重要組成部分，研究車標(biāo)識別技術(shù)具有重大的現(xiàn)實意義?；趫D像的車標(biāo)識別系統(tǒng)包括圖像采集、車標(biāo)定位、車標(biāo)識別、識別應(yīng)用等部分。其中，車標(biāo)定位、車標(biāo)識別是兩項關(guān)鍵技術(shù)，本文主要研究了車標(biāo)的定位和識別方法，主要內(nèi)容如下:
　　(1)研究了基于視覺顯著性的車標(biāo)定位方法?；谝曈X顯著性的目標(biāo)檢測是近年來目標(biāo)檢測的一個新方法，本文改進(jìn)了經(jīng)典的ITTI視覺注意模型，提取車標(biāo)圖像的亮度特征、顏

2、色特征、方向特征、邊緣特征，并線性融合為最終的車標(biāo)顯著圖;對顯著圖進(jìn)行二值分割、形態(tài)學(xué)閉運算、投影等操作定位車標(biāo)。該方法能適應(yīng)復(fù)雜環(huán)境的變化，具有一定的魯棒性。
　　(2)研究了基于紋理抑制的車標(biāo)定位方法。首先提出了一種簡單紋理方向判別算法，將車標(biāo)背景紋理分為兩大類:類水平紋理和垂直紋理;對不同的紋理特性，采用不同的紋理抑制方法消除干擾噪聲，凸顯車標(biāo)區(qū)域，并通過投影定位車標(biāo)。該方法高效、準(zhǔn)確，具有較好的定位效果。
　　(3)

3、研究了車標(biāo)LBP特征及其降維方式。本文提取車標(biāo)的LBP特征，并通過SVM分類器，在特征維度、識別時間、識別效果等方面，分析了LBP等價模式、LBP子模式兩種降維方式的差異，具有一定的參考價值。LBP等價模式的計算效率更高，結(jié)合PCA實現(xiàn)的LBP子模式降維方式更靈活。
　　(4)提出了一種改進(jìn)的快速最近鄰分類算法(MKNN)。MKNN結(jié)合了KNN和最小距離分類器的優(yōu)點，根據(jù)最小距離分類器選擇距離最小的前M類樣本，并在這M類樣本中根據(jù)