圖像處理在車輛類型識(shí)別中的應(yīng)用.pdf

1、論文面向智能交通系統(tǒng)，基于圖像處理理論對(duì)車輛類型識(shí)別技術(shù)進(jìn)行研究。原始圖像預(yù)處理和車輛類型識(shí)別技術(shù)是其中的主要部分。文章在閱讀相關(guān)文獻(xiàn)的基礎(chǔ)上，針對(duì)下面幾個(gè)方面做出了詳細(xì)的描述和研究：
　　圖像預(yù)處理：主要有彩色圖像的灰度化、二值化、噪聲去除、邊緣檢測(cè)等。圖像預(yù)處理能改善圖像的質(zhì)量，更準(zhǔn)確地獲取用于車輛類型識(shí)別的角點(diǎn)信息。
　　車型特征的提取：車型特征的提取會(huì)直接影響到識(shí)別的結(jié)果。不同車型中特征值的差異是區(qū)分車輛類型的主要依

2、據(jù)，本文引入了視覺(jué)不變量理論中的射影不變量和交比概念，以車輛頂蓬中點(diǎn)和車身四個(gè)端點(diǎn)這五個(gè)角點(diǎn)為特征點(diǎn)，計(jì)算其射影不變量來(lái)對(duì)車輛類型進(jìn)行識(shí)別。
　　樸素貝葉斯分類模型的車輛類型識(shí)別方法研究：實(shí)驗(yàn)過(guò)程中會(huì)受到不確定的噪聲影響，導(dǎo)致車輛類型的誤判。論文引入樸素貝葉斯分類模型，在角點(diǎn)信息不準(zhǔn)確甚至錯(cuò)誤的條件下，判斷車輛所屬類別的概率值，通過(guò)比較、選擇概率值最大的類別作為車輛的類型，提高了車輛類型分類的準(zhǔn)確率。
　　論文在車輛類型識(shí)別