基于多尺度局部對稱性特征的車輛圖像檢索.pdf

1、車輛圖像檢索是智能交通系統(tǒng)的重要組成部分，車輛檢索在高速公路服務(wù)區(qū)、停車場等場所以及在停車場智能管理、高速公路自動收費、道路監(jiān)控、超時停車檢測等方面有著非常好的應(yīng)用前景。本課題來源于高速公路服務(wù)區(qū)車輛智能檢測項目，是基于特定場景下的車輛圖像檢索問題。
　　車輛圖像檢索主要是基于車輛檢測、分割、特征提取和特征匹配的相關(guān)技術(shù)，目前關(guān)于圖像檢索的技術(shù)研究相對來說比較成熟。本文旨在進一步研究車輛特征提取算法，在應(yīng)對交通場景中光照和亮度變化

2、等情況下能夠進行實時的車輛圖像檢索。本文的主要研究內(nèi)容如下:
　　1.研究圖像檢索的流程和經(jīng)典算法，分析和總結(jié)了車輛圖像檢索流程中的關(guān)鍵要素、檢索流程和特征提取。研究了不同檢索流程和特征提取方法的優(yōu)缺點，并分析了它們在實時車輛圖像檢索中的可行性。
　　2.快速車身區(qū)域定位。為了減少檢索時間、工作量以及車輛以外區(qū)域的影響，本文首先對車輛圖像進行了車輛區(qū)域定位，把不同背景下的車輛目標(biāo)部分作為特征提取區(qū)域，大大減少了處理時間，提高

3、了檢索效率。
　　3.基于局部對稱性特征的車輛圖像檢索。該特征主要提取車輛區(qū)域的局部對稱性特征，同時具有很好的光照適應(yīng)性和不變性。在不同尺度下，圖像的局部對稱性可以作為基本的顯著特征。本文研究了基于圖像強度和基于梯度直方圖的局部對稱性特征的提取方法，綜合考慮了垂直對稱、水平對稱和旋轉(zhuǎn)對稱三種對稱方式。本文使用了基于TF-IDF加權(quán)的詞袋模型，不同特征描述子被賦予不同權(quán)值，接著引入了空間金字塔匹配核，考慮了局部特征的空間位置關(guān)系。最