《现代模式识别》士课程考试试题.docVIP

《现代模式识别》博士课程考试试题 学号： 姓名 一、为了满足高速公路自动收费系统管理的要求，是设计一个汽车类型的计算机自动识别和分类系统。 要求如下： ㈠给出计算机自动识别分类系统的结构原理； ㈡给出汽车类型识别的特征提取选择方法； ㈢给出计算机自动识别系统的分类方法和分类器结构； ㈣给出仿真程序及流程图； ㈤对实验结果进行分析，并给出识别率。 解： 近年来，随着公路交通事业的蓬勃发展，公路收费系统开始由人工向自动化方向发展，可有效降低公路、桥梁等收费处的车辆阻塞率。高速公路自动收费系统主要由两部分组成：路口车辆检测系统(多个)、收费管理系统。当车辆通过收费站车道时，系统会自动启动摄像机，记录汽车图像，然后经过数字图像处理产生该车辆的特征信息，然后经过神经网络等分类器处理产生车辆类型特征，送入收费管理系统。收费管理系统实时收集各个路口检测站的工作信息，对每个路口检测站的信息进行处理，根据各路口车辆检测站送来的车辆的信息，结合车辆重量计算出收费总额，然后从该车辆用户予先交纳的过路(桥)费中扣除本次费用，从而完成车辆不停车状况下的一次自动收费操作。对法定免费通行的特种车辆，记录通行信息，但不作扣费操作。收费管理系统还应该具备大型通行显示屏和发声系统，以告知车辆费用情况。图1为收费系统结构图 车辆检测系统必须为收费系统提供车辆的类型、用户预交费等信息。传统的环行线圈以及红外检测器虽然简单易用,但是不能准确估计车辆类型（车辆的类型包括轿车、客车、货车等）。车型对于高速公路收费额的确定、大型停车场的管理及公路交通监视控制等都有着非常重要的意义。通过图像处理对车型进行识别的研究很多,例如,基于神经网络的汽车车型识别，小波变换及非线形滤波用于车型识别，模糊聚类分析用于车型识别等。 本题就是要求根据所学知识设计汽车类型的计算机自动识别和分类系统，要求给出计算机自动识别分类系统的结构原理、汽车类型识别的特征提取选择方法、计算机自动识别系统的分类方法和分类器结构、仿真程序及流程图，并对实验结果进行分析，并给出识别率。下面对各项要求详细做出解答。 ㈠　计算机自动识别分类系统的结构原理： 根据题意，为了让计算机能自动识别汽车类型，特设计自动识别汽车类型的分类系统，其结构原理图如图2所示。 上述系统进行车型识别的工作过程如下：首先利用CCD摄像头和图像采集卡获得汽车的原始图像，然后对原始图像进行预处理和特征提取，然后用所获得的特征来进行车型分类，从而输出车型编码，确定车型。 下面详细分析一下车型图像预处理部分工作的原理： 为了实现对汽车车型进行自动识别和分类，首先要对图像进行预处理。具体的处理过程为： ⑴对图像进行平滑处理和边缘增强。 要进行车辆识别,首先必须把车辆轮廓信息提取出来。其主要目的是去除图像的背景噪声、提高图像轮廓线的清晰度。由于原始图象往往含有噪声，而常用的边缘检测Laplace算子对噪声比较敏感，这就给真正的边缘检测带来了困难。使用Robert 边缘检测算子来强化边缘信息，弱化非边缘信息。Robert 边缘检测算子就是一种常用的经典边缘检测算子,是一种利用局部差分算子寻找边缘的算子。 g(x ,y) = {(f (x ,y)1/2- f(x+1 ,y+1) 1/2)2 +(f(x+1 ,y) 1/2 -f (x ,y+1) 1/2)2}1/2 在Sobel 、Prewitt 、Krisch 、高斯- 拉普拉斯等几个边缘检测算子中,Robert 的运算时间最短,速度最快。经过Robert 算子处理后的图象就可以很清楚的把边缘凸显出来。 为了提高抗干扰能力，得到位置正确、较平滑连续的边缘，还需要对原始图象作某种方式的平滑。文中把平滑过程揉合进二阶导数的算法之中，即用平面去逼近一个小邻域，再求这个面的二阶导数代替点二阶导数，既可以突出界线，又可以减少噪声的影响，只是线条稍粗一些，对所感兴趣的车辆轮廓没有大的影响，无碍于特征抽取。图象增强后的图象称之为边缘图象。 ⑵对图像进行分割。即将汽车从原图像的复杂背景中分离出来。 设g1(x,y)和g2(x,y)分别为车辆边缘图象与背景边缘图象，h(x,y)为相减后的图象，ZERO代表暗点灰度值，则 经过相减运算，一方面可获得边缘相减图象，另一方面可克服由于摄像机轻微移动和光线微弱变化所带来的影响。 ⑶　二值化及二值图像处理 在图像进一步处理之前,要对其进行二值化处理,使图像处理的数据量大大减少。阈值分割可实现二值化。阈值分割的关键是最佳阈值的确定。我们采用的是一种迭代求图像最佳分割阈值的算法。由于二值图像存在孤立点以及轮廓不连续,需要对其作进一步处理：消除孤立点、填充(横向填充和纵向