把智能交通管理系统引入内河航运的交通管理,在防治水体污染、保护河流生态稳定、提高内河航道通行效率方面发挥了重要作用。船型识别是智能交管系统的重要组成部分,本文以现有海事视频监控系统为平台,结合机器视觉的检测与跟踪技术,对采样图像中船舶的船型进行识别分类。船型识别在船舶登记管理、海事事故案件调查、航道导行管理等邻域应用广泛。本论文在船艇特征提取的基础上,设计了一套基于多分类器融合的船舶识别分类系统。本文主要内容包括以下几个部分:第一部分:感兴趣区域提取。首先介绍了几种图像预处理的方法:场景自适应处理、滤波处理、二值化处理,并通过实验对各个预处理进行对比分析。然后比较了几种感兴趣区域提取的方法,并根据本课题实际应用,采用了一种高效的兴趣区域提取方法。该方法不仅可以有效解决噪声干扰带来的识别率降低的问题,同时减少数据量,提高运算速度。第二部分:特征提取。本文首先对几种常用的物体特征如几何特征、矩特征、变换特征、局部特征做了介绍。进而着重分析了Hu矩、SIFT特征的特点和优势。然后,对SIFT特征提取的一般流程进行了细致的介绍。最后,根据本课题的需要和船艇的特征提出结合全局特征(Hu矩特征)和局部特征(SIFT特征)对船舶进行识别分类,提高了识别率,增强了鲁棒性。第三部分:船型识别。先对词袋模型做一个简要的介绍,再详细阐述了SVM工作原理,最后采用一个基于词袋模型的多特征融合的分类系统。该系统首先提取船舶的Hu矩和SIFT描述算子,然后对SIFT特征进行K_means聚类生成特征词典,并用词典里的特征词汇表示各个样本,生成对应的特征直方图,后利用SVM分别训练分类。最后设计了一个判决器判决出最终的结果。实验结果表明:当参数合适时,识别率可以达到91.7%。