毕业设计说明书
作者：学号：
系：信息工程系
专业：电子信息工程
题目：视频图像中车辆的车型识别
算法研究与实现
指导者：
评阅者：
2013年 6月1日
目次
1 绪论 (1)
1.1 课题的研究背景和意义 (1)
1.2 课题的研究现状 (2)
1.3 本文的基本内容和组织结构 (3)
2 车型识别系统简介 (4)
2.1 预处理 (4)
2.2 特征提取 (4)
2.3 特征匹配 (4)
3 基于灰度阈值分割法的车型识别 (6)
3.1 介绍各模块设计 (6)
3.1.1 预处理模块 (6)
3.1.2 特征提取模块 (7)
3.1.3 特征匹配模块 (7)
3.2 运行结果 (8)
3.3 结果分析 (11)
4 基于图像背景差值法的车型识别 (13)
4.1 介绍各模块设计 (13)
4.1.1 预处理模块 (13)
4.1.2 特征提取模块 (14)
4.1.3 特征匹配模块 (14)
4.2 运行结果 (15)
4.3 结果分析 (29)
4.4 结果对比 (30)
结论 (32)
参考文献 (34)
致谢 (35)
1 绪论
车型识别的目的是对待识别车辆进行车型的判别（该课题将车型分为轿车、货车、客车三类），它是通过分析比较待识别车辆侧面视觉特征信息实现的，主要借助于计算机技术的应用，车型识别技术是一种轮廓特征识别技术，是用待识别车辆的侧视轮廓特征来判别所属车型。车辆的侧视轮廓特征主要抽象为车顶长度、车辆高度和车身长度，依此可求得待识别车辆的顶长比、顶高比和前后比（车顶中垂线将车身长分得两部分的比值），而通过统计计算可求得三类车型（轿车、货车、客车）的特征值（顶长比、顶高比、前后比）的范围，将提取的待识别车辆的特征值与统计值相比较可实现对待识别车辆的车型判别[1]。
1.1 课题的研究背景和意义
中国正处在一个快速发展的时期，各种车型车辆数量也在持续上升，使得我国城市交通越来越拥挤，人们需要借助一种交通智能化系统来提高交通情况监控的实时性和交通管理的自动化程度，这也为智能交通系统的产生提供了条件。在我国的一些大城市正在逐步提高交通管理的智能化，主要体现在实现高速公路的快捷收费、公共场所车辆监控自动化加强等方面，我们对交通管理智能化的需求日益增加，这将带动智能交通系统的不断发展。
人们对车型识别的研究虽然已有很长一段时间，但仍有许多难题仍未解决，首先，车辆的颜色、光泽度等都会随着时间的推移和环境的改变而发生变化，而且即使是同一车辆在录入镜头时的形状、大小也各不同，这主要与位置和速度的随机性有关；第二，车辆录入镜头的外观状态还与摄像头位置、临近的物体或临近的车辆对待识别车辆的遮挡程度有关；第三，车型识别的准确性和快捷性还与光照情况的改变、天气季节的交替及背景图像的不断变化紧密相关。因此现在的车型识别技术还远不能满足当代大城市交通智能化管理的需求，我们仍需对车型识别技术进行改进以满足准确性和使用性上的要求。
目前已经解决交通智能管理的大部分关键技术，但是部分细节方面仍然存在不足，准确性不高就是其中的一方面。交通智能管理的关键技术包括车型判别，希冀借
助本课题的研究能促进智能交通系统的发展，使信号灯指挥通行、车辆数量统计、公共场所车辆无人收费、公路状况监控等方面更具可操控性。就目前而言，在交通智能管理方面我国与发达国家仍有很大差距，故该课题的研究对交通智能管理具有积极的影响。
1.2 课题的研究现状
目前，国内外车型识别技术的研究已经取得了很大成果，人们利用不同的技术手段来判别车型。总的来说分为直接法和间接法。间接法的车型判别技术要借助IC卡或条码的应用，而直接法是要借助图像处理技术来进行判别的。
间接法：把储存车型信息的IC卡或条码安装在车辆上，借助专用设备来读取待识别车辆上安装的IC卡或条码存储的相关信息来进行判别。该方法满足了准确性和可靠性的要求，但性价比得不到满足，对硬件设备要求高，无法完成异地作业。此外，若想很好地推行该方法要制定统一标准，且无法保证车与卡或车与码相符，这也使其无法快速推广。
直接法：摄取车辆的图像信息，不依赖车载发射装置，对待识别车辆进行距离性信息采集来实现车型判别。借助摄像机拍下的车辆图像，利用计算机技术进行处理，提取所需特征信息，如外型尺寸、前后轴距、车轮大小等等，通过分析比较可达到判别目的。该方法不需安置设备，节约了大量资金，且识别速度较快，实时性得以提高，并在人机交换性方面得到了很大改善。近些年，随着计算机及相关技术的发展，一些国家开始关注人工神经网络技术的应用，RBF神经网络便是其中一种，应用该技术进行车型的判别有赖于与样本的比较。
近些年来，国内外学者对车型识别技术的关注日益加深，也在努力研究新的算法以提高识别率、降低复杂度，使得车型识别技术得以快速发展。
（1）基于Gabor Wavelets Transform和Hidden Markov Model的方法，经实验验证，该方法模型化程度高，可以提高识别准确率、对环境条件要求低，具有较高实用性，易于操作[2]。
（2）基于模糊理论的方法，它的二级评判模型是基于聚类的，该方法受主观因素影响小，可以客观地反映真实情况，快捷高效，极大地提高了实时性。
（3）基于Harris角点算法进行车型的判别，首先要借助图像分割技术获得轿车、货车、客车的标准样本，并利用Harris算法求得其角点作为样本库[3]。再提取待识别
车辆的图像，计算Harris角点并进行比对，计算待识别车辆与各车型样本的H a u sd o rff距离，并取Hausdorff距离最小者为待识别车辆所属车型。经验证，基于Harris角点检测法较好地满足了准确性和快捷性要求。借助角点检测技术进行车型判别的方法计算速度很快，与主成分分析法相比，该方法要简单许多，不必像主成分分析法那样进行大量的预处理工作。
近期，借助图像处理技术进行车型判别显现出显著优点，国内外学者对其关注度日益加深，但由于背景和光照因素的复杂多变性，想要达到理想的图像分割效果并非易事。近些年，国内外市场都推出了一些实用的车型判别系统。但是，这些系统都受到一些特殊环境的限制，车型识别技术仍有很大的发展空间，该技术的研究应用对实现交通智能化管理具有很大的推动作用。
1.3 本文的基本内容和组织结构
本文先研究了基于灰度阈值分割法的车型识别技术，客观分析了该技术的优点和不足。针对灰度阈值分割法的不足，提出了基于图像背景差值法的车型识别技术，该技术相对于灰度阈值分割法虽然有部分改善，但图像又需要满足更加严格的条件。
本论文设计了车型识别的实现过程，并对每一步进行了分析，其中着重分析了图像分割和特征提取部分。对待识别车辆进行车型判别以主成分分析法为基础，提取的主特征为待识别车辆的顶长比、顶高比和前后比（车顶中垂线将车身长分得两部分的比值），并对主特征提取对于车型判别准确性的影响进行了研究,最后给出了针对该课题的总结展望。
2 车型识别系统简介
模式识别技术的一个重要分支是车型识别，实现车型识别的主要步骤如下图所示：
图2.1 车型识别框
2.1 预处理
车型识别过程中的重要环节之一就是图像预处理，图像预处理过程的好坏直接关系到待识别车辆的特征提取和特征匹配工作能否顺利完成。经过预处理可以去除或减少图像的多余信息，使图像的真实信息得以恢复、检测相关信息的能力得以提升、图像的逼真度和图像的可识别度得到提高，最大限度地简化相关数据，提高特征提取、特征匹配和判别的可靠性。
2.2 特征提取
特征提取是车型识别系统的重要环节，利用计算机对经过预处理的图像进行相关信息的提取，判定该图像的特征点包括哪些点[4]。特征值的选择以及特征提取的好坏直接关系到能否快速、准确的对待识别车辆进行判别和分类。该课题通过对待识别车辆的侧视图进行处理来提取特征，通常待识别车辆的侧视图可以提供车辆的轮廓信息。若能提取出这些信息，经过相关计算便可求得：顶长比（车顶长度与车身长度之比）、顶高比（车顶长度与车辆高度之比）、前后比（以车顶中垂线为界分得车身为两部分的长度之比)。再利用计算得出的三个特征比进行判别[5]。
2.3 特征匹配
该课题的特征匹配即利用提取的待识别车辆的特征值进行车型判别。首先，要经过统计计算求得三类标准车型（轿车、客车、货车）的特征值（顶长比、顶高比、前
后比）的范围，进行剔除选择后将其作为样本库。然后，编程实现车型的判别。
3 基于灰度阈值分割法的车型识别
选取含有待识别车辆的图像，对其进行灰度线性变换，待识别车辆的灰度值与背景的灰度值在图像直方图不均匀分布，可以选取一灰度阈值范围，使该阈值范围包含待识别车辆的大部分灰度级，几乎不包含或尽量少包含背景的灰度级，对阈值范围内的灰度级赋予255级，对背景的灰度级赋予0级，这样可以将待识别车辆从背景中分割出来，该方法即为灰度阈值分割法。
3.1 介绍各模块设计
3.1.1 预处理模块
由于摄取的图像一般含有噪声，需要对图像进行预处理，滤除干扰、噪声，获得较高品质的图像。基于灰度阈值分割法的预处理要对摄取的图像进行灰度图像变换、图像平滑、二值化处理和图像填充，以达到提高图像质量的目的，为接下来进行车辆轮廓特征的提取提供必要的基础。预处理流程如图3.1所示：
图3.1 预处理流程图
灰度图像变换：当光线情况不太理想时，与彩色图像相比灰度图像更易于分辨，为了满足光线情况多样性，有必要对彩色图像进行灰度变换，这样既易于处理又减少
了计算量。
图像平滑：为了减少噪声、干扰的影响，需要对含有待识别车辆的图像进行平滑
处理。图像平滑主要有基于空域和基于频域的方法，中值滤波属于基于空域的非线性
滤波法，该方法对椒盐噪声的滤波效果较好。
阈值分割、二值化：设图像灰度值为),(y x f ，所属区间为]1,0[-L ,在0和1-L 之
间确定一个阈值T ，则灰度阈值分割法可描述为：
?
??=0255),(y x g T y x f T y x f ?∈),(),( )13(- 由此得到二值图像),(y x g [6]。能否确定合适的阈值直接影响车型判别结果的准确性。
图像填充：由于噪声、干扰的影响，基于灰度阈值分割法进行图像分割得到的待
识别车辆的灰度级并非全部都为255，这时进行图像填充是很有必要的，经过图像填
充，可使图像车辆部分的灰度级一致，有利于车辆的特征提取。
3.1.2 特征提取模块
对摄取的图像进行预处理后，得到的灰度图像只有两个灰度级（0和255），由于
只有两个灰度级便于对灰度图像进行扫描，提取待识别车辆的主要特征信息：顶长比
（车顶长度与车身长度之比）、顶高比（车顶长度与车辆高度之比）和前后比（以车
顶中垂线为界分得车身为两部分的长度之比)[7]。
3.1.3 特征匹配模块
基于灰度阈值分割法的车型识别系统进行车型的判别时采用特征匹配算法，该算
法输入一组待识别车辆的特征值数据，判别过程如下：
(1)输入一组特征值数据；
(2)如果前后比＜0.6，则该车辆为货车，否则转至(3)；
(3)如果顶长比＞0.3，则该车为客车，否则该车为轿车。程序流程如下图所示：
图3.2 程序流程图
3.2 运行结果
该课题应用基于灰度阈值分割法的车型识别系统对5辆待识别车辆进行了判别，
其中（1）的背景复杂，（2）、（4）、（5）的背景较简单，（3）的背景单一、背景颜色
缓慢变化。运行结果如下：
（1）背景复杂，待识别车辆为轿车，选取的灰度阈值为[200/230],运行程序后识别
结果为轿车(识别结果正确）。
图3.3 原彩色图像 图3.4 灰度图像
图3.5 图像直方图图3.6 填充过程图
（2）背景较简单，待识别车辆为轿车，选取的灰度阈值为[180/210],运行程序后识别结果为货车（识别结果错误）。
图3.7 原彩色图像图3.8 灰度图像
图3.9 图像直方图图3.10 填充过程图
（3）背景单一、背景颜色缓慢变化，待识别车辆为货车，选取的灰度阈值为[80/200],运行程序后识别结果为货车(识别结果正确，但填充效果差、阈值范围很难确定，图像分割效果并不理想）。
图3.11 原彩色图像图3.12 灰度图像
图3.13 图像直方图图3.14 填充过程图
（4）背景较简单，待识别车辆为客车，选取的灰度阈值为[50/80],运行程序后识别结果为客车(识别结果正确，但填充效果很差）。
图3.15 原彩色图像图3.16 灰度图像
图3.17 图像直方图图3.18 图像填充图
（5）背景较简单，待识别车辆为客车，选取的灰度阈值为[30/60],运行程序后识别结果为客车(识别结果正确，但填充效果很差）。
图3.19 原彩色图像图3.20 灰度图像
图3.21 图像直方图图3.22 填充过程图
3.3 结果分析
基于灰度阈值分割法的车型识别系统，首先，要将原图像进行灰度线性变换，可求出其相应的灰度信息[8]。然后，要根据灰度图像的直方图选取合适的阈值范围，将
灰度图像转化为二值化图像，根据二值化图像进行横向填充、纵向填充，再利用坐标扫描法求得车顶长度、车身长度、车辆高度和车顶位置（据此可求得待识别车辆的顶长比、顶高比和前后比）。最后，应用特征匹配法对待识别车辆进行车型的判别。
应用基于灰度阈值分割法的车型识别系统对待识别车辆进行车型的判别，能否准确的选取合适的阈值范围直接关系到图像分割的好坏，直接影响特征提取和特征匹配工作效果的好坏。当待识别车辆的颜色与背景图像的颜色对比鲜明时，表现在图像直方图上为灰度级分布明显分开，这时可较容易选取合适的范围以达到图像分割的目的，提取待识别车辆。而当待识别车辆的颜色与图像中除待识别车辆外其余部分颜色相近时，待识别车辆的灰度级分布与图像中除待识别车辆外其余部分的灰度级分布有明显交叠，这时不易选取阈值范围进行图像分割，即使勉强分割出了待识别车辆，往往效果也较差，最后的判别结果也会不准确[9]。
4 基于图像背景差值法的车型识别
固定镜头保持不动，对得到的视频进行分帧处理，各帧图像的背景是保持不变的，设背景图像的灰度值为)
(y
x
,
f，让含有待
b，含有待识别车辆的图像的灰度值为)
,
(y
x
识别车辆的图像的灰度值减去背景的灰度值可得待识别车辆的灰度值)
d：
x
,
(y
x
y
b
x
y
=（4-1）
d-
x
f
)
(
,
)
(y
)
,
(
,
即可完成对待识别车辆的分割[10]。
4.1 介绍各模块设计
4.1.1 预处理模块
基于图像背景差值法的车型识别系统对含有噪声的图像进行预处理，滤除干扰、噪声，获得较高品质的图像，要进行灰度图像变换、图像平滑、减背景处理和图像填充，以达到提高图像质量的目的，为接下来进行车辆轮廓特征的提取提供必要的基础。预处理流程如下图所示：
图4.1 预处理流程图
灰度图像变换：当光线情况不太理想时，与彩色图像相比灰度图像更易于分辨，为了满足光线情况多样性，有必要对彩色图像进行灰度变换，这样既易于处理又减少
了计算量。
图像平滑：为了减少噪声、干扰的影响，需要对含有待识别车辆的图像进行平滑处理。主要有基于空域和频域的方法，中值滤波属于基于空域的非线性平滑滤波方法，该方法对椒盐噪声的滤波效果较好[11]。
减背景、二值化处理：将含有待识别车辆的图像与不含待识别车辆的背景图像相减，提取出只含有待识别车辆的图像，达到图像分割的目的。
图像填充：由于噪声、干扰的影响，基于灰度阈值分割法进行图像分割得到的待识别车辆的灰度级并非全部都为255，这时进行图像填充是很有必要的，经过图像填充，可使图像上车辆部分的灰度级一致，有利于车辆的特征提取。
4.1.2 特征提取模块
对摄取的图像进行预处理后，得到的灰度图像只有两个灰度级（0和255），由于只有两个灰度级便于对灰度图像进行扫描，再经过计算、比对可提取待识别车辆的三个特征比[12]。
4.1.3 特征匹配模块
基于灰度阈值分割法的车型识别系统进行车型的判别时采用特征匹配算法，该算法输入一组待识别车辆的特征值数据，判别过程如下：
(1)输入一组特征值数据；
(2)如果前后比＜0.6，则该车辆为货车，否则转至(3)；
(3)如果顶长比＞0.3，则该车为客车，否则该车为轿车。程序流程如下图所示：
图4.2 程序流程图
4.2 运行结果
该课题应用基于图像背景差值法的车型识别系统对17辆待识别车辆进行了车型判别，对不同的情况进行了验证，包括同背景不同车型、同车型不同背景、同车型不同位置、同车型不同大小。（1）-（12）基于图像背景差值法的车型识别系统的背景图像比较简单，色彩较单调，颜色差异明显，待识别车辆易于从背景图像中分割出来。（13）、（14）背景亮暗分明，（15）-（17）的背景图像较复杂，运行结果如下：（1）待识别车辆为轿车,运行程序后识别结果为轿车(识别结果正确，但填充效果差）。
图4.3 背景图像图4.4 原彩色图像
图4.5 灰度图像图4.6 中值滤波图像
图4.7 图像分割、填充图
（2）待识别车辆为轿车,运行程序后识别结果为轿车(识别结果正确，且填充效果很好）。与（1）相比待识别车辆大小不变，颜色明亮许多。
图4.8 背景图像图4.9 原彩色图像
图4.10 灰度图像图4.11 中值滤波图像
中北大学 课程设计说明书 学生姓名：梁一才学号：10050644X30 学院：信息商务学院 专业：电子信息工程 题目：信息处理综合实践: 图像分割算法研究与实现 指导教师：陈平职称: 副教授 2013 年 12 月 15 日
中北大学 课程设计任务书 13/14 学年第一学期 学院：信息商务学院 专业：电子信息工程 学生姓名：焦晶晶学号：10050644X07 学生姓名：郑晓峰学号：10050644X22 学生姓名：梁一才学号：10050644X30 课程设计题目：信息处理综合实践: 图像分割算法研究与实现 起迄日期：2013年12月16日～2013年12月27日课程设计地点：电子信息科学与技术专业实验室指导教师：陈平 系主任：王浩全 下达任务书日期: 2013 年12月15 日
课程设计任务书 1．设计目的： 1、通过本课程设计的学习，学生将复习所学的专业知识，使课堂学习的理论知识应用于实践，通过本课程设计的实践使学生具有一定的实践操作能力； 2、掌握Matlab使用方法，能熟练运用该软件设计并完成相应的信息处理； 3、通过图像处理实践的课程设计，掌握设计图像处理软件系统的思维方法和基本开发过程。 2．设计内容和要求（包括原始数据、技术参数、条件、设计要求等）： (1)编程实现分水岭算法的图像分割； (2)编程实现区域分裂合并法； (3)对比分析两种分割算法的分割效果； (4)要求每位学生进行查阅相关资料，并写出自己的报告。注意每个学生的报告要有所侧重，写出自己所做的内容。 3．设计工作任务及工作量的要求〔包括课程设计计算说明书(论文)、图纸、实物样品等〕： 每个同学独立完成自己的任务，每人写一份设计报告，在课程设计论文中写明自己设计的部分，给出设计结果。
仪表显示的图像识别算法研究 摘要：随着社会的逐渐发展，人类的生活越来越趋于智能化。本文根据当今社会对于图像识别研究的发展现状，针对目前人们生活中人工读表的弊端，提出了通过采集仪表显示的图像并进行图像识别算法处理来达到智能自动读表的方法。 为了能快速获得采集数据，减少人们生活中繁复的人工作业。本文通过多样的图像处理来代替人眼识别图像。只需要得到采集到的图像，就可以利用计算机来进行计算和识别，得出最后的数字。本文采用了一系列的图像处理方法，包括图像的去噪，二值化分割，边缘检测和基于数学形态学的膨胀腐蚀操作等。同时通过多种尝试和比较各种方法的优缺点得到了一套简易而又完善，快速的图像识别算法。 在进行多次测试试验后，本文采用数码相机来进行图像的采集，同时经过图像预处理、图像分割、图像识别等一系列流程得出了较为完善的图像采集和识别系统，为未来信息传递智能化提供了基础，对于促进工业发展或是改善生活水平都有重要的意义。 关键词：图像预处理、二值化、边缘检测、形态学、去噪、图像分割、图像匹配 The research of image recognition displayed by the instrument Abstract: With the continuous development of society, people's lives become more and more intelligent. Based on the current development in today's society for the study of image recognition, according to the present disadvantages of manual meter reading in peop le’s lives, this page proposed the way by collecting the instruments display image and then deals it with image recognizing algorithms to achieve intelligent automatic meter. In order to quickly gather data, reducing manual work in people’s lives complicated. The page uses a series of image processing to replace human eye image recognition. Just need the collected images, we can use a computer to calculate and identify, then we will arrive at a final figure. We used a variety of image processing methods, including image denoising, thresholding segmentation, expansion of edge-detection based on mathematical morphology and corrosion and so on. And
基于视频的车型识别 摘要 本文介绍了基于视频和图像处理的自动车型识别方法，详细阐述了利用数字图像处理及模式识别技术的原理和方法。首先采用背景差分法提取运动目标车辆。然后对图像序列进行灰度化、平滑去噪、边缘检测、边缘提取等一系列图像处理过程。最终采用模板匹配的方法识别车型。此种方法内存占用量小，实时性好。通过本文的研究，初步探索了数字图像处理与模式识别在车型识别系统中的应用途径和方法，为以后进一步的实现基于视频的交通检测系统的打下了基础。 关键词: 背景差分；边缘检测；模板匹配；车型识别
VEHICLE RECOGNITION BASED ON VIDEO SEQUENCES ABSTRACT This paper introduces the automatic vehicle recognition based on video sequences and image progressing and illustrates the principle and method of using digital image progressing and pattern recognition.First,it uses background difference method to find out the candidate vehicle.Second,it uses the method based on graying image sequences ,smooth denoising ,background difference method ,edge detection ,edge extraction and so on a series of image processing to process the image.Finally,it recognizes the vehicles through the method of template matching.This kind of method takes up little memory and good real-time.The research in this paper explores digital image processing and pattern recognition application in vehicle recognition system approaches and methods,laying the foundation for the realization of traffic detection system based on video in the future . KEY WORDS: Background Difference Method , Edge Detection , Template Matching , Vehicle Recognition
Q260046902 专业做论文 西南科技大学 毕业设计（论文）题目名称：车辆牌照图像识别算法研究与实现
车辆牌照图像识别算法研究与实现 摘要：近年来随着国民经济的蓬勃发展，国内高速公路、城市道路、停车场建设越来越多，对交通控制、安全管理的要求也日益提高。因此，汽车牌照识别技术在公共安全及交通管理中具有特别重要的实际应用意义。本文对车牌识别系统中的车牌定位、字符分割和字符识别进行了初步研究。对车牌定位，本文采用投影法对车牌进行定位；在字符分割方面，本文使用阈值规则进行字符分割；针对车牌图像中数字字符识别的问题，本文采用了基于BP神经网络的识别方法。在学习并掌握了数字图像处理和模式识别的一些基本原理后，使用VC++6.0软件利用以上原理针对车牌识别任务进行编程。实现了对车牌的定位和车牌中数字字符的识别。 关键词：车牌定位；字符分割；BP神经网络；车牌识别；VC++
Research and Realization of License Plate Recognition Algorithm Abstract:In recent years, with the vigorous development of the national economy，there are more and more construct in the domestic expressway, urban road, and parking area. The requisition on the traffic control, safety management improves day by day. Therefore, license plate recognition technology has the particularly important practical application value in the public security and the traffic control. In the paper, a preliminary research was made on the license location, characters segment and characters recognition of the license plate recognition. On the license location，the projection was used to locate the license plate; On the characters segmentation, the liminal rule was used to divide the characters; In order to solve the problem of the digital characters recognition in the plate, BP nerve network was used to recognize the digital characters. After studying and mastering some basic principles of the digital image processing and pattern recognition, the task of license plate recognition was programmed with VC++ 6.0 using above principles. The license location and the digital characters recognition in the license plate were implemented. Keywords: license location, characters segmentation, BP nerve network, license plate recognition, VC++
摘要 近年来，随着我国国民经济的不断发展，交通运输越来越繁忙，对交通管理提出了新的要求。在过桥收费站、大型停车场、城市道路监管、治安卡口、港口和飞机场等实际交通系统中，需要对汽车车型进行识别，以便收取相应的费用和提高交通系统车辆监控和自动化程度。因此，如何对上述各类车辆收费站实现现代化的管理，具有重要的现实意义。 针对基于神经网络的汽车车型识别系统中的识别技术问题，本文从以下四个部分进行了研究和探讨： 第一部分，论述了车型识别的研究背景和意义，详细分析了我国目前车型识别系统的应用现状及研究现状，指出了目前国内外应用系统及其车型识别方法存在的缺陷与不足。 第二部分，提出了车型识别的模型。首先对采集的车辆图像进行预处理，通过灰度转换、图像平滑等方法剔除噪音，以提高图像质量。然后对其进行分割并提取特征，在这个过程中经过图像的二值化处理]16[，拉普拉斯边缘检测、图像横向填充与纵向填充、轮廓提取、图像修正，再提取出图像车型的上顶长、高、前底长、后底长等特征参数。结合所提取的特征参数进行车型识别。 第三部分，设计拉普拉斯边缘检测算子的汽车识别算法。采用序列差影法进行背景剔除；边缘检测之后的图像进行离散噪点的剔除。采用轮廓法对横/纵向填充图像进行轮廓提取。 第四部分，设计实现一个车型识别系统，以此检验论文理论研究的可行性，并通过不断地实际测验来改良算法。 本文以VC++6.0为软件平台，以Matlab为仿真平台，编程实现了基于序列图像的车型识别系统，通过实验数据分析表明，本文给出的识别方法能得到较好的识别结果。
关键词：智能交通，车型识别，图像处理，特征提取 ABSTRACT With the development of our national economy, traffic has become heavier in recent years, which has put forward new requirements for traffic management. In actual traffic system such as bridge toll station, large parking lot, ports and airports, vehicle recognition is necessary to charge corresponding fees and improve the automation and vehicle monitoring of the traffic system. Therefore, the modern management of the toll stations above has important practical significance. Facing the technical problems of the vehicle recognition system based on the neural network, this paper conducts research and discussion from the following four parts : In the first part, we discuss the background and significance of the vehicle recognition, then detailed analyzes the present situation of the application of vehicle recognition system and the present research status, and point out the shortcomings of vehicle recognition systems at home and abroad. In the second part, we put forward the model of the vehicle recognition system. First we conduct the preprocessing of the obtained vehicle image, to reduce the noise of the image by graying and smoothing it, to improve the quality of the image. Next step is the segmentation and feature extracting. After the image binarization processing, Laplace edge detection, image horizontal and vertical filling, contour extraction, image correction, we extract the length and height of the front and back of the car. Vehicle recognition can be done with the characteristic parameters extracted. In the third part, we design a vehicle recognition algorithm using Laplace edge detection operator, and eliminate background using sequence difference image method. Then eliminate the discrete noise points after edge detection of the image.,
1讲了神经网络、卷积神经网络的基础概念，讲得比较通俗易懂，作者是在自己理解了之后来讲的； 2深度学习的车牌识别没看懂 分类号学号M201171824 学校代码10487 密级 硕士学位论文 基于深度学习的车辆型号识别 学位申请人：熊祎 学科专业：通信与信息系统 指导教师：刘文予教授 答辩日期：2014.1.22
A Thesis Submitted in Partial Fulfillment of the Requirements for the Degree for the Master of Engineering Vehicle Type Recognition Based On Deep Learning Candidate : Yi Xiong Major : Communication and Infromation System Supervisor : Prof. Wenyu Liu Huazhong University of Science & Technology Wuhan 430074, P. R. China January 22, 2014
独创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除文中已经标明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。 学位论文作者签名： 日期：年月日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，即：学校有权保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权华中科技大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 保密□，在年解密后适用本授权书。 不保密□。 （请在以上方框内打“√”） 学位论文作者签名：指导教师签名： 日期：年月日日期：年月日
哈尔滨工业大学工学硕士学位论文 摘要 森林是陆地生态的主体，具有很高的生态效益和经济效益。鉴于目前我国森林防火的严峻形势，必须开发有效技术解决森林火灾的监测问题。传统火灾探测器多采用单一时刻的火灾参量作为判断标准，在外界干扰下易引起频繁误报或漏报。近年来提出的基于机器视觉的火灾报警系统，利用数字图像处理技术来实现火灾自动报警。 基于火焰和烟雾的图像特征，本文研究了一种识别自然环境下火灾的机器视觉方法。火灾发生过程中，主要的图像信息是燃烧时产生的烟雾和火焰，通过对烟雾和火焰的图像信息研究发现，烟雾和火焰本身具有一定的规律性，以此为依据设计有针对性的算法，从图像中识别出烟雾和火焰，判断火灾是否发生。 首先，论文阐述了森林防火技术及图像型火灾检测技术的发展和现状，并对图像分割和滤波方法中的关键技术进行了详细介绍，在此基础上，本文分别讨论了火焰和烟雾的分割与识别。 然后，对于火焰分割，针对不同情况下的火焰研究了三种不同的分割技术，实现了火焰区域的准确分割。对于火焰的特征检测，主要进行颜色和动态特征的分析，通过建立火焰颜色模型进行颜色识别，再进一步进行火焰的四个动态特征的识别。对于烟雾分割，由于烟雾颜色的复杂性，采取颜色提取法进行分割，并运用视觉一致性的聚类算法对其进行了改进。对于烟雾的特征检测，主要进行小波特征及动态特征的分析，通过对比烟雾图像与背景图像小波系数进行小波特征识别，再对识别结果进一步进行动态特征识别，包括烟雾的不规则性和扩散性，最终确定视频中是否存在烟雾。 最后，综合以上分析，给出了森林防火系统中火灾的识别的整体流程以及火焰和烟雾分别的识别流程。 实验证明，综合火焰和烟雾的静态特征及动态特征的火灾识别方法，识别率高。在火灾检测技术中，具有较好的发展前景。 关键词火焰识别；烟雾识别；图像分割；动态特征 - I -
目录 摘要 (1) 引言 (2) 第一章绪论 (3) 1.1 课程设计选题的背景及意义 (3) 1.2 图像边缘检测的发展现状 (4) 第二章边缘检测的基本原理 (5) 2.1 基于一阶导数的边缘检测 (8) 2.2 基于二阶导的边缘检测 (9) 第三章边缘检测算子 (10) 3.1 Canny算子 (10) 3.2 Roberts梯度算子 (11) 3.3 Prewitt算子 (12) 3.4 Sobel算子 (13) 3.5 Log算子 (14) 第四章MATLAB简介 (15) 4.1 基本功能 (15) 4.2 应用领域 (16) 第五章编程和调试 (17) 5.1 edge函数 (17) 5.2 边缘检测的编程实现 (17) 第六章总结与体会 (20) 参考文献 (21)
摘要 边缘是图像最基本的特征，包含图像中用于识别的有用信息，边缘检测是数字图像处理中基础而又重要的内容。该课程设计具体考察了5种经典常用的边缘检测算子,并运用Matlab进行图像处理结果比较。梯度算子简单有效，LOG 算法和Canny 边缘检测器能产生较细的边缘。 边缘检测的目的是标识数字图像中灰度变化明显的点，而导函数正好能反映图像灰度变化的显著程度，因而许多方法利用导数来检测边缘。在分析其算法思想和流程的基础上，利用MATLAB对这5种算法进行了仿真实验，分析了各自的性能和算法特点，比较边缘检测效果并给出了各自的适用范围。 关键词：边缘检测；图像处理；MATLAB仿真
引言 边缘检测在图像处理系统中占有重要的作用，其效果直接影响着后续图像处理效果的好坏。许多数字图像处理直接或间接地依靠边缘检测算法的性能，并且在模式识别、机器人视觉、图像分割、特征提取、图像压缩等方面都把边缘检测作为最基本的工具。但实际图像中的边缘往往是各种类型的边缘以及它们模糊化后结果的组合，并且在实际图像中存在着不同程度的噪声，各种类型的图像边缘检测算法不断涌现。早在1965 年就有人提出边缘检测算子，边缘检测的传统方法包括Kirsch，Prewitt，Sobel，Roberts，Robins，Mar-Hildreth 边缘检测方法以及Laplacian-Gaussian（LOG）算子方法和Canny 最优算子方法等。 本设计主要讨论其中5种边缘检测算法。在图像处理的过程需要大量的计算工作,我们利用MATLAB各种丰富的工具箱以及其强大的计算功能可以更加方便有效的完成图像边缘的检测。并对这些方法进行比较
中国科学技术大学继续教育学院课程设计 论文报告 论文题目：图像的信息隐藏检测算法和实现学员姓名：黄琳 学号：TB04202130 专业：计算机科学与技术 指导教师： 日期：2007年1月20日
图像的信息隐藏检测算法和实现 [摘要] Information hiding analysis is the art of detecting the message's existence or destroying the stega nographic cover in order to blockade the secret communication. And information Information hiding includes steganography and digital watermark. The application of steganography can be traced to ancient time, and it is also an n hiding detection is the very first step in information hiding analysis. Firstlly, architectonic analysis about information hiding detection is proposed, including the analysis of digital image characteristics, image based detecting algorithms and some problems in its realization. Secondly, many detecting algorithms are introduced with theoretical analyses and experimental results in details. Thirdly, two applications of detecting technology are put forward. Finally, a detecting model used in Internet is discussed [关键词]安全信息隐藏检测 1. 引言 数字图像的信息隐藏技术是数字图像处理领域中最具挑战性、最为活跃的研究课题之一。本文概述了数字图像的信息隐藏技术，并给出了一个新的基于彩色静止数字图像的信息隐藏算法。 数字图像可分为静止图像和动态图像两种，后者一般称为视频图像。视频图像的每一帧均可看作是一幅静止图像，但是这些静止图像之间并不是相互孤立的，而是存在时间轴上的相关性。静止图像是像素（Pixel）的集合，相邻像素点所对应的实际距离称为图像的空间分辨率。根据像素颜色信息的不同，数字图像可分为二值图像、灰度图像以及彩色图像。数字图像的最终感受者是人的眼睛，人眼感受到的两幅质量非常相同的数字图像的像素值可能存在很大的差别。这样，依赖于人的视觉系统（Human Visual System，HVS）的不完善性，就为数字图像的失真压缩和信息隐藏提供了非常巨大的施展空间。 信息隐藏与信息加密是不尽相同的，信息加密是隐藏信息的内容，而信息隐藏是隐藏信息的存在性，信息隐藏比信息加密更为安全，因为它不容易引起攻击者的注意。 2. 信息隐藏技术综述 2.1信息隐藏简介 信息隐藏（Information Hiding），也称作数据隐藏（Data Hiding），或称作数字水印（Digital Watermarking）。简单来讲，信息隐藏是指将某一信号（一般称之为签字信号，Signature Signal）嵌入（embedding）另一信号（一般称之为主信号，Host Signal，或称之为掩护媒体，cover-media）的过程，掩护媒体经嵌入信息后变成一个伪装媒体（stegano-media）。这一嵌入过程需要满足下列条件：
图像识别技术浅析 Analysis of Image Recognition Technology 刘峰伯软件学院2010544029 【摘要】:本文描述了图像识别系统的结构与工作原理，在对图像预处理、特征提取、分类、图像匹配算法进行深入研究和分析的基础上，分析和比较了各种算法的优缺点，并讨论了其中的关键技术。 【关键词】：图像识别；预处理；特征提取；匹配 【Abstract】This paper describes the structure and working principle of an image recognition system. The advantages and disadvantages of various a1gorithms are compared on the basis of in-depth analysis of the image pre-processing, feature extraction, classification and image matching algorithms, and discussed the key technology. 【Key Word】Image Recognition；Pre-Processing；Feature Extraction；Matchi ng. 一、引言 图像识别，是利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对像的技术。随着计算机技术与信息技术的发展，图像识别技术获得了越来越广泛的应用。例如医疗诊断中各种医学图片的分析与识别、天气预报中的卫星云图识别、遥感图片识别、指纹识别、脸谱识别等，图像识别技术越来越多地渗透到我们的日常生活中。 二、图像识别系统 1、概述 自动图像识别系统的过程分为五部分：图像输入、预处理、特征提取、分类和匹配，其中预处理又可分为图像分割、图像增强、二值化和细化等几个部分。 （1）图像输入 将图像采集下来输入计算机进行处理是图像识别的首要步骤。 （2）预处理 为了减少后续算法的复杂度和提高效率，图像的预处理是必不可少的。其中
基于神经网络的汽车车型 识别系统论文 The Standardization Office was revised on the afternoon of December 13, 2020
摘要 近年来，随着我国国民经济的不断发展，交通运输越来越繁忙，对交通管理提出了新的要求。在过桥收费站、大型停车场、城市道路监管、治安卡口、港口和飞机场等实际交通系统中，需要对汽车车型进行识别，以便收取相应的费用和提高交通系统车辆监控和自动化程度。因此，如何对上述各类车辆收费站实现现代化的管理，具有重要的现实意义。 针对基于神经网络的汽车车型识别系统中的识别技术问题，本文从以下四个部分进行了研究和探讨： 第一部分，论述了车型识别的研究背景和意义，详细分析了我国目前车型识别系统的应用现状及研究现状，指出了目前国内外应用系统及其车型识别方法存在的缺陷与不足。 第二部分，提出了车型识别的模型。首先对采集的车辆图像进行预处理，通过灰度转换、图像平滑等方法剔除噪音，以提高图像质量。然后对其进行分割并提取特征，在这个过程中经过图像的二值化处理]16[，拉普拉斯边缘检测、图像横向填充与纵向填充、轮廓提取、图像修正，再提取出图像车型的上顶长、高、前底长、后底长等特征参数。结合所提取的特征参数进行车型识别。 第三部分，设计拉普拉斯边缘检测算子的汽车识别算法。采用序列差影法进行背景剔除；边缘检测之后的图像进行离散噪点的剔除。采用轮廓法对横/纵向填充图像进行轮廓提取。 第四部分，设计实现一个车型识别系统，以此检验论文理论研究的可行性，并通过不断地实际测验来改良算法。
本文以VC++为软件平台，以Matlab为仿真平台，编程实现了基于序列图像的车型识别系统，通过实验数据分析表明，本文给出的识别方法能得到较好的识别结果。 关键词：智能交通，车型识别，图像处理，特征提取 ABSTRACT With the development of our national economy, traffic has become heavier in recent years, which has put forward new requirements for traffic management. In actual traffic system such as bridge toll station, large parking lot, ports and airports, vehicle recognition is necessary to charge corresponding fees and improve the automation and vehicle monitoring of the traffic system. Therefore, the modern management of the toll stations above has important practical significance. Facing the technical problems of the vehicle recognition system based on the neural network, this paper conducts research and discussion from the following four parts : In the first part, we discuss the background and significance of the vehicle recognition, then detailed analyzes the present situation of the application of vehicle recognition system and the present research status, and point out the shortcomings of vehicle recognition systems at home and abroad. In the second part, we put forward the model of the vehicle recognition system. First we conduct the preprocessing of the obtained vehicle image, to reduce the noise of the image by graying and smoothing it, to improve the quality of the image. Next step is the segmentation and feature extracting. After the image binarization processing, Laplace edge detection, image horizontal and vertical filling, contour
基于视频图像处理的车型识别研究文献综述 1、车型识别技术研究背景与意义 随着中国特色社会主义现代化建设和城市化建设的快速发展，越来越多的家庭以及企业拥有机动车，有些家庭甚至拥有多辆机动车。据中国公安部统计，截至2012年6月底，中国机动车保有量达2.33亿辆，其中汽车1.14亿辆，摩托车1.03亿辆。另据中国社科院发布的《中国汽车社会发展报告2012-2013》预计，2013年中国私人汽车拥有量将破亿，中国汽车大国的地位得到进一步的确立。然而，汽车普及率的提高导致了城市交通拥挤堵塞日益加剧，交通事故频繁发生，交通环境逐渐恶化。与此同时，随着车辆的增多，车辆失窃，肇事逃逸，以及利用车辆进行违法犯罪活动等事件也日益增多，从而对公安部门的警力资源提出了严峻的要求。为从根本上解决上述的问题，人们开始运用各种新技术，并结合利用现有的交通资源设施，将人、车、路紧密联系起来，不仅有效地缓解了交通阻塞问题，而且对交通事故的应急处理、环境的保护、能源的节约都有了显著的效果。智能交通系统正是在此背景下应运而生。 智能交通系统（Intelligent Transportation System, ITS）是一个广泛包含多种技术的统称，指的是人们将先进的信息技术、数据通信传输技术、电子控制技术、传感器技术以及计算机处理技术等有效地综合运用于整个交通体系，从而建立起的一种在大范围内、全方位发挥作用的实时、准确、高效的交通综合管理系统[1]。智能交通系统是目前世界各国交通领域竞相研究和开发的前沿研究课题和热点。目前智能交通系统在世界上应用最为广泛的地区是日本（VICS系统），其次是美国、欧洲等国家和地区也得到普遍应用。中国在这方面也开始了快速的发展，在北京、上海、广东等地也开始了广泛的应用。 智能交通系统的核心功能是对过往车辆的准确检测和正确的车型识别。当前对车辆检测技术的研究主要有两个技术流派，分别为车辆自动识别（Auto Vehicle Identification）和车辆自动分类（Auto Vehicle Classification）。前者是利用车载设备与地面基站设备互识进行，该技术主要用于收费系统中，在发达国家使用范围较广，如美国的AE-PASS系统、日本的ETC 系统，全球卫星GPS定位等。后者是通过检测车辆本身固有的参数，在一定车辆分类标准下运用适当的分类识别算法，主动地对车辆进行分型，这一类技术应用比较广泛，己经有很多成熟的系统应用在实际生活中，该类技术可以通过射频微波、红光、激光、声表面波等方式来自动识别车辆信息，也可以使用视频图像处理的方式来识别车牌、车型等车辆信息。比较成熟技术有环形线圈检测、激为红外线检测、超声波/微波检测、地磁检测等[2]，但这几种方法各有优劣，优点是识别精确比较高，但缺点也很明显，主要缺点有施工和安装过程十分复杂，影响正常交通秩序，维护困难，主要设备易损坏，花费较大等。
2020年数字图像处理算法实现精编版
数字图像处理算法实现 ------------编程心得(1) 2001414班朱伟 20014123 摘要: 关于空间域图像处理算法框架，直方图处理，空间域滤波器算法框架的编程心得，使用GDI+(C++) 一，图像文件的读取 初学数字图像处理时，图像文件的读取往往是一件麻烦的事情，我们要面对各种各样的图像文件格式，如果仅用C++的fstream库那就必须了解各种图像编码格式，这对于初学图像处理是不太现实的，需要一个能帮助轻松读取各类图像文件的库。在Win32平台上GDI+(C++)是不错的选择，不光使用上相对于Win32 GDI要容易得多，而且也容易移植到.Net平台上的GDI+。 Gdiplus::Bitmap类为我们提供了读取各类图像文件的接口， Bitmap::LockBits方法产生的BitmapData类也为我们提供了高速访问图像文件流的途径。这样我们就可以将精力集中于图像处理算法的实现，而不用关心各种图像编码。具体使用方式请参考MSDN中GDI+文档中关于Bitmap类和BitmapData类的说明。另外GDI+仅在Windows XP/2003上获得直接支持，对于Windows 2000必须安装相关DLL，或者安装有Office 2003，Visual Studio 2003 .Net等软件。 二，空间域图像处理算法框架 (1) 在空间域图像处理中，对于一个图像我们往往需要对其逐个像素的进行处理，对每个像素的处理使用相同的算法（或者是图像中的某个矩形部分）。即，对于图像f(x,y),其中0≤x≤M,0≤y≤N,图像为M*N大小，使用算法
本科毕业设计（论文） 车辆牌照图像识别算法的实现（题目二号宋体）学院名称：电气信息工程学院（四号宋体） 专业：通信工程 班级：通信 学号： 姓名：张 指导教师姓名：孙 指导教师职称：副教授 二〇一年六月 [空一行、字号小] （中文题目为号黑体居中） [空一行、字号小] 摘要：××××××××××××××××××（字左右，小四号宋体）×××××××××××××××××…… 关键词：×××；××××；×××××；×××（个，小四号宋体） 摘要应回答好个方面问题： ①（直接写出研究目的）； ②（简述过程和方法）； ③（罗列主要结果或结论）； ④（通过②和③两方面内容具体展示文中创新之处）。
（号，居中对齐） [空一行、字号小] ：××××××（小号）××××××××××××××××××××××……:×××；××××；×××××；×××（小号） 要求和中文摘要对应。 中实词首字母要大写。 一般采用第三人称、单数、现在时。
目录（号黑体居中） [空一行、字号小] 前言（号黑体）．....................................... 错误！未指定书签。第章章标题（号黑体）................................................. 节标题（小宋体，倍行距,内侧缩进字符）............................ 小节标题（小宋体，倍行距, 内侧缩进字符）....................... 小节标题....................................................... 节标题 小节标题....................................................... 小节标题....................................................... 小节标题....................................................... 第章章标题............................................................. 节标题 小节标题....................................................... 小节标题....................................................... 节标题 小节标题....................................................... 小节标题....................................................... ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．（略） 参考文献（号黑体）...................................................... 致谢（号黑体） .......................................................... 附录标题（可选）....................................................... 附录标题（可选）....................................................... 注：目录中的内容一般列出“章”、“节”、“小节”三级标题即可。