基于雷達(dá)回波的高速公路綠色通道車輛檢測系統(tǒng).pdf_第1頁
已閱讀1頁,還剩80頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、分類號密級UDC編號碩士學(xué)位論文基于雷達(dá)回波的高速公路綠色通道車輛檢測系統(tǒng)學(xué)位申請人:孟紅飛指導(dǎo)教師:牛建強(qiáng)學(xué)科專業(yè):業(yè):計算機(jī)應(yīng)用技術(shù)學(xué)位類別:別:工學(xué)2011年5月摘要論文題目:論文題目:基于雷達(dá)回波的高速公路綠色通道車輛檢測系統(tǒng)基于雷達(dá)回波的高速公路綠色通道車輛檢測系統(tǒng)專業(yè):業(yè):計算機(jī)應(yīng)用技術(shù)計算機(jī)應(yīng)用技術(shù)研究生:生:孟紅飛孟紅飛指導(dǎo)教師:指導(dǎo)教師:牛建強(qiáng)牛建強(qiáng)副教授副教授摘要近年來,隨著國家“綠色通道”政策持續(xù)深入的發(fā)展,逃繳公

2、路通行費(fèi)已經(jīng)從單一行為變成群體現(xiàn)象。然而,傳統(tǒng)的人工檢驗方法不但費(fèi)時費(fèi)力,而且效率低;同時容易漏掉部分假冒“綠色通道”車輛。所以,如何設(shè)計一個快速高效無損的高速公路檢測系統(tǒng)具很重要理論和現(xiàn)實意義。本文是在人工檢驗方法存在的弊端以及比較各種無損檢測技術(shù)優(yōu)缺點(diǎn)基礎(chǔ)上,提出了對基于雷達(dá)回波的高速公路綠色通道車輛檢測方案的。研究的重點(diǎn)是針對車廂的雷達(dá)回波進(jìn)行檢測,分析了夾帶和未夾帶違禁物雷達(dá)回波,詳細(xì)研究了雷達(dá)回波特征提取算法和識別算法,如基于

3、二次統(tǒng)計的灰度共生矩陣,BP網(wǎng)絡(luò)圖像識別算法等,實現(xiàn)了自動對車廂的雷達(dá)回波進(jìn)行分析判斷。本論文首先介紹了雷達(dá)回波特征提取,介紹了在特征提取前的預(yù)處理,這主要包括偽彩處理和灰度分析兩個部分。夾帶違禁物和沒有夾帶違禁物反射回來的雷達(dá)回波存在差異,用偽彩的方法對不同的雷達(dá)回波數(shù)據(jù)矩陣賦予不同的顏色,能提高人眼的分辨能力,然后用Matlab程序?qū)走_(dá)回波進(jìn)行處灰度分析找出不同回波圖像的灰度級的集中程度以及各個灰度級的分布概率,最后特征提取。其目

4、的就是圖像分類。描述圖像特征的方法有很多種,其中圖像紋理特征是圖像分析中一個重要特征。本文的特征提取算法是基于二次統(tǒng)計量思想的灰度共生矩陣,在此基礎(chǔ)上提取了在不同情況下雷達(dá)回波的紋理特征參數(shù)作為識別特征。其次詳細(xì)介紹了雷達(dá)回波識別,在模式識別中圖像識別是一種比較難的識別模式。關(guān)于圖像識別的算法有很多種。本文在深入分析多個圖像識別算法優(yōu)劣性、雷達(dá)回波自身的特點(diǎn)以及現(xiàn)場的實際情況,將神經(jīng)網(wǎng)絡(luò)引入雷達(dá)回波識別系統(tǒng)中。在神經(jīng)網(wǎng)絡(luò)中重點(diǎn)研究BP算

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論