车标识别是车辆识别中不可或缺的一部分,通过对车标的识别,可以极大缩小车型识别的搜索范围,有助于规范交通秩序和侦察涉车犯罪等,是智能交通系统中重要的组成部分。近年来,针对车标识别方面的研究层出不穷,但大多数方法未能全面细致地分析车标图像的特点。一方面,算法提取的特征单一,不能全面的描述车标图像的特征;另一方面,提取到的特征过于冗杂,特征维度高,降低了车标识别的速度,导致未能取得理想的识别效果。车标形状的繁杂多变、环境光照的干扰、车标图像分辨率低以及成像质量的不稳定等,使得车标识别具有非常大的挑战性。为了提升车标识别的整体识别效果,本文针对以上问题,提出了两种车标识别方法:增强边缘梯度特征局部量化的车标识别和基于抗模糊特征提取的车标识别方法。本文的主要工作如下:(1)详细描述并分析了近年来的车标识别方法,通过归纳总结车标图像的特点,指出了现有车标识别方法中存在的不足,为车标识别的进一步研究打下了基础。(2)提出了增强边缘梯度特征局部量化的车标识别方法:通过分析车标图像的整体特点,提取车标的增强边缘特征信息,然后通过对特征的局部量化处理,在学习到关键特征的同时,精简了特征数目。通过在HFUT-VL1和XMU车标数据集上的大量实验结果对比,验证了方法的有效性和鲁棒性。(3)提出了基于抗模糊特征提取的车标识别方法:针对车标识别中存在的模糊车标图像难识别的问题,首先通过车标图像金字塔的构建,分别提取车标图像的抗纹理模糊特征和抗边缘模糊特征,并通过CCA方法有效地将两种特征进行融合,有效地提取了车标的抗模糊特征。在模糊车标数据集上的实验结果表明,相比于其他方法,基于抗模糊特征提取的车标识别方法能够有效地识别模糊车标图像,同时在HFUT-VL1数据集上也取得了很高的识别率,验证了方法在车标识别方面的有效性。