奇異值分解和主成分分析在車型識(shí)別中的應(yīng)用.pdf

1、在智能交通系統(tǒng)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，而車型識(shí)別技術(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。然而，由于車輛圖像背景復(fù)雜多變，車輛外形種類繁多，車型識(shí)別是一個(gè)一直沒有完全解決的問題。本文正是在這一背景下，對(duì)車型識(shí)別的兩種算法和識(shí)別技術(shù)進(jìn)行了研究，主要的研究工作包括以下幾個(gè)方面： （1)車輛圖像預(yù)處

2、理：針對(duì)本文研究的車輛圖像的特點(diǎn)，車輛圖像預(yù)處理主要包括圖像灰度化和去除背景兩部分。圖像灰度化即是將真彩色的車輛圖像轉(zhuǎn)變成灰度圖像，目的是減少其電腦存儲(chǔ)空間和提高運(yùn)算效率。本文提出采用相位一致法去除車輛圖像中的背景，實(shí)驗(yàn)結(jié)果表明這種方法能夠有效的去除背景圖像。 （2)特征提取：本文采用了兩種特征提取方法，奇異值分解和主成分分析方法。奇異值分解是基于代數(shù)特征的特征提取，經(jīng)過對(duì)車輛圖像矩陣的奇異值分解，再經(jīng)過奇異值降維壓縮和奇異值矢

3、量排序，最后建立了用于識(shí)別的特征子空間。主成分分析是基于統(tǒng)計(jì)理論的特征提取，經(jīng)過對(duì)車輛圖像矢量的主成分分析，得到用于識(shí)別的車輛圖像的主成分。實(shí)驗(yàn)結(jié)果表明兩種方法都是很有效的特征提取方法，在識(shí)別準(zhǔn)確率和效率方面奇異值分解方法稍好于主成分分析方法，但針對(duì)大量圖像樣本時(shí)，主成分分析方法在算法復(fù)雜度和運(yùn)行效率方面更具優(yōu)勢。 （3)識(shí)別分類方法：本文針對(duì)兩種不同的特征提取方法提出了不同的分類方法。針對(duì)奇異值分解的特征提取采用的是最小距離分