原文传递
Gabor滤波器在车辆检测和车型识别中的应用研究
| 论文题名： | Gabor滤波器在车辆检测和车型识别中的应用研究 |
| 关键词： | 智能交通系统;车辆检测;车型识别;红外图像;Gabor滤波;特征加权;鲁棒性;SVM |
| 摘要： | 车辆检测与车型识别是智能交通系统(ITS)中的重要组成部分.有鉴于Gabor滤波器在模式识别领域的成功应用,我们将其引入到车辆检测和车型识别应用中,并做了相应的研究工作.包括基于特征加权的Gabor特征抽取算法;基于Gabor滤波器和SVM的红外车辆检测;一种简单的基于Gabor滤波器和边缘特征的车型识别算法;以及实用的基于特定方向的Gabor滤波器组参数设置方法.文中首先研究并给出了一种改进的基于特征加权的Gabor特征抽取算法.该算法对Gabor特征矢量根据其邻近分量的离散程度进行加权处理,有效增强离散程度相对较小的特征分量在分类中的作用,同时充分利用样本图像的统计信息,具有较强的鲁棒性和类别表征能力.实验数据表明,与传统方法相比,这种特征抽取算法能够有效降低图像识别的错误率,增强鲁棒性,适于对质量较差的图像进行识别.进一步的,文中将上述算法应用于红外车辆检测中.首先应用阈值分割并结合边检测确定候选区域;其次利用上述Gabor特征抽取算法对选定的车辆和背景样本集进行特征提取,训练SVM分类器;最后应用SVM进行分类检测.实验数据表明,与同类方法相比,该方法在识别率和鲁棒性方面都有所增强.针对Gabor滤波器应用中的瓶颈问题,即Gabor特征矢量维数较高,以及由此产生的较大计算量和存储负担,文中提出一种简单的基于边缘特征的车型识别算法.不同于目前Gabor滤波器应用中普遍采用的以降低识别率为代价的均匀采样方法,该方法依据车辆具有的明显几何特征,在样本图像的关键部位进行密集采样,非关键部位进行稀疏采样.实验数据表明,这种方法实现简单,在不降低识别率的情况下,有效降低了Gabor特征矢量的维数.针对目前Gabor滤波器组参数设置算法中存在的不足,即实验法确定的参数不精确,而优化法确定参数又过于复杂,我们提出一种基于特定方向的Gabor滤波器组参数设置方法.该方法根据Gabor特征具有的良好方向特性,首先确定方向参数,然后在每个特定方向进行最佳单Gabor滤波器的参数搜索.我们认为这样得到的Gabor滤波器组,在性能上是接近最优的,同时具有算法简单、数据相关的优点.实验数据表明该算法是实用的、可行的. |
| 作者： | 赵英男 |
| 专业： | 模式识别与智能系统 |
| 导师： | 杨静宇 |
| 授予学位： | 博士 |
| 授予学位单位： | 南京理工大学 |
| 学位年度： | 2004 |
| 正文语种： | 中文 |
检索历史
应用推荐
