基于车辆正面图像的车型特征提取方法研究

发布时间：2017-09-13 12:00

  本文关键词：基于车辆正面图像的车型特征提取方法研究

  更多相关文章： 特征提取 HU不变矩 RBF神经网络 车型识别

【摘要】：智能交通系统是现在化交通的重要组成部分,而车型的自动识别是智能交通领域中的一个重要研究方向。高速公路作为现代化交通中必不可少的一项基础设施,收费过程中的作弊行为已经十分严重。基于这一问题,本文提出了一种利用车脸图像自动识别车型的算法。本文共包括三个主要部分:图像的预处理、车辆正面特征提取和车型识别。研究了基于车牌定位的车脸分割方法,采用颜色特征与边缘检测相结合的方式,对车辆图像进行车牌分割,再根据车牌计算车脸的垂直中轴线和车脸带的水平分割线、轮廓跟踪法分割出大灯、车标区域。针对于车脸图像特征提取的问题,本文提取图像的HU不变矩和LBP算子作为车脸感兴区域的特征。为了增加算法的实用性并减小算法的复杂度,本文提出了一种HU标准化不变矩算法。通过对原有HU不变矩算法进行标准化处理,进而缩小特征数值区间。并与典型的HU不变矩算法、LBP算子提取结果进行了对比分析。将三种算法对车脸特征提取的特征值与其对应车型保存入数据库中,为高速公路收费口自动检测车型建立样本数据库。在车型识别阶段,本文采用本文选用的采用基于RBF神经网络的车型识别算法,针对车型识别领域的特殊性,本文在理论分析和大量实验的基础上提出了一个较为有效的RBF神经网络结构,采用本文选用的三种车型特征提取算法对收费站过往车辆进行训练、识别。实验表明,本文提出的基于标准化HU不变矩特征结合RBF神经网络的车型识别方法能对高速公路中车辆进行较好识别,并获得了较高的识别率。
【关键词】：特征提取 HU不变矩 RBF神经网络 车型识别
【学位授予单位】：沈阳理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U495;TP391.41
【目录】：

• 摘要6-7
• Abstract7-11
• 第1章 绪论11-17
• 1.1 课题的研究背景和意义11-12
• 1.1.1 课题的研究背景11
• 1.1.2 课题的研究意义11-12
• 1.2 车辆正面图像的特征提取的国内外研究概况12-15
• 1.2.1 国内研究概况12-14
• 1.2.2 国外研究概况14-15
• 1.3 本文主要研究内容15
• 1.4 章节安排15-17
• 第2章 图像预处理与与定位车脸重要信息技术17-33
• 2.1 图像预处理技术研究17-22
• 2.1.1 图像灰度化18-19
• 2.1.2 图像平滑19-20
• 2.1.3 图像增强20-21
• 2.1.4 图像二值化21
• 2.1.5 形态学处理21-22
• 2.2 车脸的结构特征分析22-24
• 2.2.1 车牌区域图像特征22
• 2.2.2 车灯区域图像特征22
• 2.2.3 车灯区域图像特征22
• 2.2.4 车脸图像特征提取框架22-24
• 2.3 车脸重要信息提取技术24-32
• 2.3.1 车牌定位技术24-26
• 2.3.2 车脸提取技术26-27
• 2.3.3 车标提取技术27-28
• 2.3.4 车灯提取技术28-29
• 2.3.5 车辆自动识别系统的开发29-32
• 2.4 本章小结32-33
• 第3章 图像的特征提取算法研究33-48
• 3.1 图像特征概述33-37
• 3.1.1 图像颜色特征33
• 3.1.2 图像纹理特征33-37
• 3.1.3 图像形状特征37
• 3.1.4 形状轮廓矩特征37
• 3.2 图像矩特征37-42
• 3.2.1 HU不变矩的定义37-38
• 3.2.2 各阶HU不变矩的含义38-40
• 3.2.3 HU不变矩和图像的变换40-41
• 3.2.4 矩不变量41-42
• 3.3 HU不变矩标准化42-43
• 3.3.1 HU矩的修正算法42
• 3.3.2 HU矩的标准化42-43
• 3.4 实验结果与分析43-47
• 3.5 本章小结47-48
• 第4章 人工神经网络理论48-70
• 4.1 人工神经网络概论48-55
• 4.1.1 人工神经网络特征48-49
• 4.1.2 人工神经网络模型49-51
• 4.1.3 人工神经网络的分类51-53
• 4.1.4 人工神经网络的学习规则53-55
• 4.2 BP神经网络55-58
• 4.2.1 BP神经网络55-56
• 4.2.2 BP算法56-58
• 4.2.3 BP算法的不足58
• 4.3 RBF神经网络58-64
• 4.3.1 RBF神经网络58-60
• 4.3.2 RBF神经网络的学习算法60-62
• 4.3.3 遗传算法62-64
• 4.4 RBF网络与BP网络比较64-65
• 4.5 实验结果与分析65-69
• 4.6 本章小结69-70
• 第5章 工作总结与展望70-72
• 5.1 论文以及研究工作总结70
• 5.2 展望70-72
• 参考文献72-76
• 攻读硕士学位期间发表的论文和取得的科研成果76-77
• 致谢77-78
• 附录一78-79

【相似文献】

中国期刊全文数据库 前10条

1 董立菊,于戈;一种有效的图像二值化方法[J];东北大学学报;2004年12期

2 张庆英,岳卫宏,肖维红,江霞;基于边界特征的图像二值化方法应用研究[J];武汉理工大学学报;2005年02期

3 辛德胜;张剑家;王少君;王兆欣;王洪U，

本文编号：843571