基于神经网络的汽车识别研究

详细信息    本馆镜像全文|  推荐本文 |  |   获取CNKI官网全文

英文题名：Vehicle Recognization Researchs Based on Neural Network 作者：马宁 论文级别：硕士 学科专业名称：信号与信息处理 中文关键词：汽车识别 ; BP算法 ; 神经网络群 英文关键词：Vehicle recognition ; BP algorithm ; Neural network group 学位年度：2002 导师：张连贵 学科代码：081002 学位授予单位：哈尔滨工程大学 论文提交日期：2002-05-01

摘要

汽车识别是模式识别领域中一个困难而又具有重要的理论价值，实际应用价值和广阔的应用前景的研究课题。在过去的几十年里对自动汽车识别的研究历程中，经典法取得了一定的可喜成果，但也遇到了许多困难．本文将人工神经元网络用于解决汽车识别问题．取得了较为满意成果。
     按照汽车识别系统的组成原理，自动汽车识别分为三个阶段：汽车图像预处理，特征提取和识别。
     本文第一部分讨论了汽车图像的预处理，主要包括图像格式的转换，图像的增强，图像的边缘检测，汽车车体的处理，提出了采用基于阈值的图像减影技术在去除汽车背景的应用，实验结果表明此算法是十分有效的。并采用了新的图像平滑模板，在图像的增强中也取得了很好的效果。
     本文第二部分讨论了汽车的特征提取．本文针对汽车识别的特点，采用了填充图像的办法，以利于特征的提取。讨论了汽车的特征向量的分类及提取办法，介绍了特征提取办法的原理
     本文第三部分讨论了神经网络分类器的设计鉴于汽车识别问题的特性，充分利用神经网络的并行分布处理的特点，将神经网络算法用于汽车识别。本文采用BP算法作为基本识别算法，用多个BP网络构成神经网络群作为汽车识别分类器，提高了识别率。
     接着本文给出了汽车识别的实验结果．并进行了分析与说明。
     识别的结果表明本文所提出的算法是十分有效的。
The vehicle recognition is a very difficult and important problem in the field of pattern recognition . During the past several decades , in the research of automatic vehicle recognition , classical methods obtained gratifying results;as well as encountered much difficulty.In this paper , we use artifical Neural network to resolve the vehicle recognition problem and attain satisfactory results.
    According to the principle of the vehicle recognition system can be divided into three stages:preprocession of the vehicle images, feature extractions and recognition.
    The first part of this paper discusses the preprocession of vehicle images. This part presents transfer of the format of images,the enhancement of images the edge detection of images and the bodywork dispose of vehicle. Bring forward the images minus shadow technology base on threshold to apply to wipe off background of the vehicle . The result of experiment approve this artithmetic is very effective. And adopt the new images pattern in the enhancement of image and making good results.
    The second part discuss the extraction of the vehicle features. This paper aim at the peculiarity of vehicle recognition , adoption the method of fulling the images to benefit to the extraction of features. This paper discuss the method of the sorting and abstracting feature vector ,and introduce the theory of extraction of the vehicle features.
    The third part of paper discusses the design of neural network group classifier, in view of speciality of vehicle recognition,neural network algorithms are applied to resolve the problem .This paper use the B~P algorithm as the basic recognition algorithm. A neural network group classifer is constructed taking adventage of several B-P networks . This classifer improves accuracy of vehicle recognition.
    Then the result of experiment of vehicle recognition is presented and analysed. The results show that the principle component feature extracted in this paper is very efficient in vehicle recognition.

引文

1 R．C冈萨雷斯．P．温茨著．李叔梁译．数字图像处理．科学出版社，1981：45-52页
    2 徐建华著．图像处理与分析．科学出版社，1992：120-136页
    3 田捷，沙飞，张新生著．实用图像分析与处理技术。电子工业出版社，1995：151-170页
    4 [美]T．帕夫利迪斯著．吴成柯译．计算机图形显示和图像处理的算法．科学出版社，1987：45-73页
    5 王新成．多媒体实用技术(图像分册)．电子科技大学出版社，1995：169-180页
    6 徐光佑，钟玉畅等著．多媒体个人计算机．人民邮电出版社，1995：203-230页
    7 李金泉著．模式识别导论．高等教育出版社，1994：76-93页
    8 吴立德著．计算机视觉．复旦大学出版社，1993：126-169页
    9 吴健康，肖锦玉著．计算机视觉基本理论和方法．中国科学技术大学出版社，1993：47-70页
    10 蔡武著．模式识别．西安电子科技大学出版社，1992：56-87页
    11 焦李成．神经元网络的应用与实现．西安电子科技大学出版社，1995：14-17页
    12 周济成等著．人工神经元网络—第六代计算机的实现．科学普及出版社，199：36-39页
    13 王伟著．人工神经元网络原理-入门与应用．北京航空航天大学出版社，1995：103-110页
    14 史忠直．神经计算．电子工业出版社，1993：114-138页
    15 张立明．人工神经网络的模型及应用．复旦大学出版社，1993：76-89页
    16 王汝立，章明，周斌著．第六代计算机-人工神经网络计算机．科学技术文献出版，1992：212-245页
    17 沈正等著．脑模拟与神经计算机．北京大学出版社，1992：124-143页
    18 黄德权．神经网络模式识别系统理论．电子工业出版社，1996：65-69页
    19 胡胜发．人工神经元群的逐层学习．电子学报．1992(10)：15-17页
    20 王绕广．多层结构神经网络的等误差范围逼近与收缩学习方法及其应用．电子学报．1992(6)：8-11页
    21 Sotak GE and boyer K.L. The Laplacian-of-Gaussion Kernel:A formal analysis and design procedure for fast.accerate convolation and full-frame output CVGIP. 1989. VOL48. P147～189.
    22 Karhunen J. et. al. Representation and separation of signal using Nonlineal PLA type learning.Neural network 1994.7(1):P113～127.
    
    
    23 Erkki oja principal components. minor components,and linear neural Networks Neural Networks. 1992.5:P927～935.
    24 D.valentin.et. al connectionist Model of Face Processing:A Survey Pattern Recognition.1994.27(9):P1209～1230.
    25 张玲，张钹．神经网络中BP算法的分析．模式识别与人工智能育．1994．10(7．NO3)
    26 邓智东，孙征西．利用线性再励的姿势应变长快捷BP算法．模式识别与人工智能．1996．7(2．NO6)
    27 Bannour and M.R. Azimi-sadjad: "principal component extraction using recursive least squares learning" IEEE trans Neural Netuorks Vol6. pp457-469. Mar 1995.
    28 Patrick .J. Grother. et. al. Fast Implementations of Nearest Neighbour classifiers. Pattern Recognition.Vol.30.No.3.pp.459-465.1997.3.
    29 D.SANGER. optional unsupervised learning.in a single-layer. linear Feedforward neural network. neural networks, Vol.2.pp,459-473.1989.
    30 清原计算机工作室编著．Matlab高级应用—图形及影像处理．机戒工业出版社，2000．6．
    31 楼顺天，施阳著．基于Matlab5．3应用指南[M]．西安电子科技大学出版社，1999．
    32 程卫国著．Matlab5．3应用指南[M]．北京人民邮电出版社，2000．4
    33 李介谷 彩国廉 计算机模式识别技术[M]．上海上海交通大学出版社，1992．
    34 陶云刚 周洁敏 人工神经网络在智能结构中的应用研究．模式识别与人工智能．1997(9)：238-242页．
    35．郭贵荣著．模糊模式识别．长沙：国防科技大学出版社，1993：118-123页