基于證據(jù)理論的車輛識別算法研究.pdf

1、多源信息車輛識別是智能交通領域的關鍵技術，每個傳感器獲得信息源具有不確定性、不精確性和不完備性，如何合理的融合各傳感器的信息是實現(xiàn)車型自動分類的關鍵。信息融合算法中，DS(Dempster-Shafer)證據(jù)理論既能有效的處理不確定性信息，又能合理的表示、組合不確定性信息，因此引起學者的極大關注。但如何處理沖突證據(jù)以及在應用中如何將實際問題轉化成可用于推理的基本概率指派函數(shù)仍然是理論和應用上的難題。本文對證據(jù)理論進行深入的研究，圍繞DS

2、證據(jù)理論及其在車輛識別中的應用進行展開。
　　本文的研究重點:
　　1、分析多傳感器信息融合目標識別的基本原理、融合過程、結構模型;對多傳感器數(shù)據(jù)融合目標識別的方法進行歸納總結。
　　2、介紹證據(jù)推理的基本理論、發(fā)展及其合成規(guī)則，并對證據(jù)推理在應用過程中凸顯的問題進行分析，分析產(chǎn)生沖突的原因，歸納總結現(xiàn)階段針對沖突問題的主要方法:開放識別框架、修改原始證據(jù)源和修正Dempster組合規(guī)則。改進方法雖在處理沖突問題中有一

3、定的有效性，但仍存在不確定性強，對目標識別率不高的缺點。針對此問題，基于前人的思想，提出一種基于主元證據(jù)理論的改進方法，仿真結果說明改進算法能有效融合沖突證據(jù)，提高目標識別率。
　　3、圖像特征提取是圖像目標識別的關鍵，根據(jù)紅外、可見光的不同成像原理，確定各自的特征提取方法?？梢姽馓卣魈崛》椒ㄖ校槍u矩特征存在的問題，提出一種改進方法——小波矩特征提取，實驗結果表明，小波矩具有平移、旋轉、比例不變性。最后利用可見光相機、紅外相