【正文】 特征向量。 由于通常 SN，這種方法將求高階矩陣的特征向量轉(zhuǎn)化為求較低階矩陣的特征向量的過程在圖象數(shù)據(jù)分析中是很實(shí)用的。通常，特征值幅度差別很大，忽略一些較小的值不會引起很大的誤差。 設(shè) : 1, ,ix i n? ??? 是 N 維向量的數(shù)據(jù)集合， m 是其均值向量 : 11 n iimxn ?? ? （ 31） 差別向量 id 是： iid x m?? （ 32） 協(xié)方差矩陣是： 11 n Tx i iiC d dn ?? ? (33) 求出其從大到小排列的特征值兄、及滿足下列條件的特征向量 ku ： 1, 0 ,{T l kl k l k l kuu ? ???? （ 34） 有了特征向量集合，任何數(shù)據(jù) x可以投影到特征空間（以特征向量為基向量 )中的表示： ()Tkky u x m?? , 12( , ..., )TNy y y y? (35) 相反地，任何數(shù)據(jù) x可以表示成如下的線性組合形式： 1nkkkx m y u???? （ 36） 第 8 頁 共 22 頁 如果用 A代表以特征向量為列向量構(gòu)成的矩陣，則 TA 定義了一個線性變： ()Ty A x m?? (37) x m Ay?? (A是正交矩陣 ) 變換后的協(xié)方差矩陣為 : 1 00[ ... ]NTyxC A C A ? ??? (38) 上述去相關(guān)的主分量分析方法可以用于降低數(shù)據(jù)的維數(shù)。 考慮到任何單個特征所包含的鑒別信息可能有限，而不同的特征往往具有互補(bǔ)性，將它們?nèi)诤掀饋砜梢蕴峁┴S富的鑒別信息。 經(jīng)過預(yù)處理，得到了所謂的“標(biāo)準(zhǔn)圖像” (如圖 23 所示 )。第二 個條件則保證了映射變換后的像素灰度值在允許的范圍內(nèi)。 可以對 [0， 1]區(qū)間內(nèi)的任一個 r 值進(jìn)行如下灰度變換 : ()s Tr? (25) 也就是說，通過上述變換，每個原始圖像的像素灰度值 r 都對應(yīng)產(chǎn)生一個 s 值。 設(shè)變量 r 代表圖像中像素灰度級。 灰度拉伸 由于圖像的亮度范圍不足或非線性會使圖像的對比度不理想，可用像素幅值重新分配的方法來改善圖像對比度。后者處理效果要好些，但是運(yùn)算量也相應(yīng)增加很多。后一種方法則對原始的 (離散表示的 )數(shù)字圖像用連續(xù)函數(shù)進(jìn)行刻劃，再根據(jù)圖像縮放的倍數(shù)要求對該連續(xù)表示的圖像進(jìn)行重新采樣，最后得到新的離散表示的數(shù)字圖像 【 11】 。然后再對校準(zhǔn)圖像做灰度拉伸，以 第 6 頁 共 22 頁 改善圖像的對比度。 中值或均值平滑有時處理圖像的效果并不是很好， 它雖然去除了一定的噪聲，但同時使圖像中的邊緣變的模糊，這主要和所選取的窗口大小有關(guān)，為此下面介紹了一種既能保持邊緣清晰又能消除噪聲的方法，其算法如圖 21 所示 : 圖 21 圖像平滑模板 上圖的含義是在圖像中取 5*5 的區(qū)域，包含點(diǎn) (, )ij 的五邊形和六邊形各四個， 3*3 的區(qū)域一個，計算這九個區(qū)域的標(biāo)準(zhǔn)差和灰度的平均值，取標(biāo)準(zhǔn)差最小區(qū)域的灰度平均值作為點(diǎn) (, )ij 的灰度。對于中值濾波，對應(yīng)的像素點(diǎn)的灰度值用窗口內(nèi)的中間值代替。圖像中的攝像機(jī)采集運(yùn)動車輛序列圖像計算機(jī) 車輛圖像 背景圖像 中值濾波法 標(biāo)準(zhǔn)化圖像 圖像代數(shù)特征 1 dim,PCA PCAAww 支持向量機(jī)分類模型 分類結(jié)果 訓(xùn)練樣本特征 PCA 方法 圖像預(yù)處理 背景差分法 第 5 頁 共 22 頁 噪聲往往和信號交織在一起，尤其是乘性 噪聲，如果平滑不當(dāng)，就會使圖像本身的細(xì)節(jié)如邊界輪廓、線條等變的模糊不清，如何既平滑掉噪聲有盡量保持圖像細(xì)節(jié)，是圖像平滑主要研究的任務(wù)。 背景減除后的圖像存在不少噪聲污染，因此我們先對圖像進(jìn)行平滑處理。本章首先介紹了利用目前運(yùn)動分割中最常用的一種方 法 — 背景差分方法從運(yùn)動圖像中提取車輛，其中背景圖像我們采用最簡單的一種模型一對時間序列圖像進(jìn)行中值濾波獲得。 第三章，利用 PCA方法提取車型圖像特征，采用 PCA方法 得到車輛圖像的代數(shù)特征，該特征包含了車輛圖像樣本更豐富的特征信息。 第 4 頁 共 22 頁 圖 11 本文研究內(nèi)容流程圖 本文的結(jié)構(gòu)安排如下： 第一章，首先介紹了車型識別的研究內(nèi)容及其應(yīng)用，車型識別技術(shù)現(xiàn)有的一些研究方法，然后介紹了本文研究的主要內(nèi)容及結(jié)構(gòu)安排。 本文主要研究基于車型圖像代數(shù)特征的車型識別技術(shù)。二是環(huán)境影響，存在干擾 。 目前，車型識別技術(shù)主要有輪廓掃描方法、車軸 計數(shù)方法、磁場變化方法、車牌識別方法、基于圖像處理的方法、基于交通視頻技術(shù)的方法等 [4]。國內(nèi)在進(jìn)入九十年代就開始這方面的研究。車型識別技術(shù)可應(yīng)用于停車場收費(fèi)管理以及各類封閉式和開放式路橋卡口自動收費(fèi)系統(tǒng)，根據(jù)聯(lián)網(wǎng)的規(guī)模不同，適用于 IC卡、金路卡、虛擬儲值卡以及金融卡等各種自動扣費(fèi)方式，可從路段擴(kuò)展到區(qū)域、地區(qū)、跨地區(qū)以至全國路網(wǎng)。 采集網(wǎng)，可快速掌握路橋的車流信息，不僅有利于交通行政部門的綜合整體管理，更便于交通行政管理部門的疏導(dǎo)和管理，也可為新建路橋提供科學(xué)依據(jù)。 電子技術(shù)和計算機(jī)技術(shù)的發(fā)展，為解決這個問題提供了可靠的技術(shù)保障。 ，“人情車”現(xiàn)象或其它帳務(wù)弊端十分嚴(yán)重。 無論哪種收費(fèi)方式，都必須先對車輛進(jìn)行分類，才能確定應(yīng)當(dāng)收取的通行費(fèi)，這一點(diǎn)對傳統(tǒng)收費(fèi)系統(tǒng)和電子收費(fèi)系統(tǒng)都是相同的。收費(fèi)站建在公路的主線上，間隔 30— 50公里不等，各個 出口不再設(shè)收費(fèi)站，車輛可自由出入。電子收費(fèi)系統(tǒng)具有的諸多優(yōu)點(diǎn)，使其成為世界各國交通部門優(yōu)先研究、發(fā)展、應(yīng)用的技術(shù)之一，無論是在歐、美發(fā)達(dá)國家，還是在亞洲發(fā)展中地區(qū)，截至目前，電子收費(fèi)系統(tǒng)己經(jīng)擁有一套相對較成熟的技術(shù)體系，成功實(shí)現(xiàn)并投入實(shí)用的范例在各地紛紛出現(xiàn) [2]。 由于建設(shè)高速公路的投資較大，貸款筑路、以路養(yǎng)路收費(fèi)還貸的政策早已深入人心。 參考文獻(xiàn)： ..............................................19 附錄： ..................................................20 陜西理工學(xué)院畢業(yè)設(shè)計 第 2 頁 共 22 頁 1 引言 電子技術(shù)、通信技術(shù)、計算機(jī)技術(shù)和自動控制技術(shù)的發(fā)展，為解決交通問題提供了新的思路，于是，智能運(yùn)輸系統(tǒng) (ITS， Intelligent ansportation system)就應(yīng)運(yùn)而生了 [1]。本文研究基于車型圖像代數(shù)特征的車型識別方法。要實(shí)現(xiàn)我國公路收費(fèi)自動化、管理規(guī)范科學(xué)化，車型自動識別方法的研究勢在必行。s road toll to achieve automation, standardized and scientific management, Automatic Vehicle Identification Method imperative. This paper explores the characteristics of the vehicle model image algebra recognition. This method first uses background subtraction to extract from the background image moving vehicles, and vehicle image is preprocessed, and then use the parallel feature fusion method using principal ponent analysis, and finally through the support vector machine classifier for vehicle identification. Keyword: Vehicle recognition, feature fusion, feature extraction, decision support vector machine 目錄 1 引言 ............................................... 2 車型識別的研究內(nèi)容及其應(yīng)用 ............................... 2 車型識別的研究現(xiàn)狀和前景 ................................ 3 本文研究的主要內(nèi)容及結(jié)構(gòu)安排 ............................. 3 第 1 頁 共 22 頁 2 車輛圖像預(yù)處理 .........................................4 圖像平滑 ................................................ 4 圖像標(biāo)準(zhǔn)化 .............................................. 5 3 車型特征提取 ...........................................7 PCA 方法概述 ............................................ 7 PCA 方法提取車型特征 ..................................... 8 4 基于支持向量機(jī)的車型識別分類器 ..........................9 現(xiàn)有的幾種分類方法 ...................................... 9 支持向量機(jī) ............................................. 10 線性支持向量機(jī) ...................................... 11 非線性支持向量機(jī) ..................................... 13 用于多類識別的支持向量機(jī) ............................ 13 決策支持向量機(jī)進(jìn)行多分類 ............................... 14 支持向量機(jī)進(jìn)行車型快速識別 ............................. 15 概述 ................................................ 15 多類 (k 類 )問題的 SVM 算法 ............................ 17 實(shí)驗(yàn)結(jié)果及比較 ......................................... 17 5 結(jié)論 ..................................................19 致謝： ................................... 錯誤 !未定義書簽。它的研究領(lǐng)域廣闊，各國各地區(qū)的側(cè)重點(diǎn)也有 所不同。電子收費(fèi)系統(tǒng)是智能運(yùn)輸系統(tǒng)在公路收費(fèi)領(lǐng)域的具體表現(xiàn)，其應(yīng)用可解除收費(fèi)站的“瓶頸”制約作用，較好地緩解收費(fèi)站的交通擁擠、排隊等待 以及環(huán)境污染等問題。 。收費(fèi)站建在各互通立交匝道上，在入口處發(fā)通行卡，在出口處驗(yàn)卡，按車型和行駛距離收費(fèi)，車輛進(jìn)出公路均受到控制。但也存在弊端，主要如下： ，收費(fèi)人員易同司機(jī)發(fā)生爭執(zhí)，造 成交通擁擠，不但誤工誤時，而且阻礙了整個地區(qū)路橋交通網(wǎng)絡(luò)作用的發(fā)揮。 ，易產(chǎn)生疲勞感，從而影響收費(fèi)的速度，不利于職工的身體健康，不 利于車輛通行率的提高。 2，可杜絕人工收費(fèi)造成的票款流失問題，確保路橋收費(fèi)的可靠性和可控性，可較大比例地提高路橋費(fèi)的回收率。 盡管近幾年提出了交通“監(jiān)控、自動收費(fèi)、通信系統(tǒng)設(shè)計方案”，但均不能完成對車輛的自