車輛識(shí)別系統(tǒng)中幾個(gè)關(guān)鍵技術(shù)的研究.pdf

1、四川大學(xué)博士學(xué)位論文車輛識(shí)別系統(tǒng)中幾個(gè)關(guān)鍵技術(shù)的研究姓名：王運(yùn)瓊申請(qǐng)學(xué)位級(jí)別：博士專業(yè)：應(yīng)用數(shù)學(xué)指導(dǎo)教師：游志勝20040229摘要分類算法，實(shí)驗(yàn)結(jié)果表明，在相同的小訓(xùn)練樣本集的情況下，該方法具有比近鄰法更高的分類正確率和更快的分類差別速度。.提高支持向量機(jī)穩(wěn)定性的方法:支持向量機(jī)由于較高的分類正確率和較快的分類速度，是汽車顏色識(shí)別應(yīng)用較好的分類器，但是無(wú)論多么優(yōu)秀的分類器，也不能保證100%的分類正確率。當(dāng)出現(xiàn)分類錯(cuò)誤時(shí)，需要將被錯(cuò)分

2、的樣本加入到訓(xùn)練樣本集，重新訓(xùn)練分類器。由于被錯(cuò)分的樣本通常出現(xiàn)在兩類的分界面附近，加入被錯(cuò)分的樣本相當(dāng)于在相應(yīng)的類別中加入了邊緣點(diǎn)。標(biāo)準(zhǔn)支持向量機(jī)將新加入的樣本與訓(xùn)練集中的原有樣本同等對(duì)待，會(huì)造成分類器性能的不穩(wěn)定。本文通過(guò)模糊化兩類別樣本的懲罰因子和類別中各樣本的重要度因子，提出了改進(jìn)的模糊支持向量機(jī)分類算法，改善了支持向量機(jī)對(duì)兩類樣本分布不均衡情況下的敏感性，提高了分類性能的穩(wěn)定性。.提高支持向盆機(jī)分類正確率的方法:利用兩類分類器

3、的組合實(shí)現(xiàn)多類別分類時(shí)，在特征空間中存在無(wú)法判明其類別的陰影區(qū)域，利用支持向量機(jī)實(shí)現(xiàn)汽車顏色識(shí)別，同樣存在陰影區(qū)域問(wèn)題。本文結(jié)合模糊集理論，提出了模糊回歸支持向量機(jī)，在不影響非陰影區(qū)域的決策邊界的倩況下，提高了陰影區(qū)域樣本的分類正確率，從而從整體上提高分類器的分類正確率。.提高車身顏色識(shí)別正確率的方法:當(dāng)確定了車身各象素的顏色類別后，由于車窗、裝飾物以及貨柜車的貨柜顏色等的影響，如果以象素為單位對(duì)各類別進(jìn)行投票，有時(shí)得票數(shù)最多的顏色類別

4、并不是車身顏色。利用DS證據(jù)理論解決由不知道帶來(lái)的不確定性的能力，提出了基于DS證據(jù)理論的車身顏色識(shí)別算法，降低了車窗、裝飾物及貨柜部分對(duì)車身顏色識(shí)別的影響，提高了車身顏色的識(shí)別率。.汽車陰影分割方法:傳統(tǒng)的陰影分割方法基本上只考慮了單象素的陰影顏色特征或與背景象素的顏色比值特征，當(dāng)汽車顏色與背景或陰影顏色特征相似時(shí)，難以正確分割出陰影區(qū)域。本文根據(jù)汽車外型的規(guī)則性，從陰影區(qū)域內(nèi)象素與背景對(duì)應(yīng)點(diǎn)象素比值的空間變化特征出發(fā)，結(jié)合單象素的陰