车辆自动识别分类技术是智能运输系统的重要组成部分,它对特定地点和时间的车辆进行识别和分类,并以之作为交通管理,收费,调度,统计的依据。车型的自动分类在部分发达国家已经比较成熟的技术,但由于诸多原因,这些系统在我国其识别率等指标难以满足使用要求。要实现我国公路收费自动化,管理规范科学化,车型自动识别的方法的研究势在必行。本文研究的是基于车型图像代数特征的车型识别方法。从小波分析理论在图像处理中的应用和SVM在分类识别中的应用研究出发,结合小波分析以及SVM分类算法的特点,提出车型识别的特征描述及相应提取算法,以提高车型的检测和识别效率。论文在介绍了车辆识别系统的研究背景,以及国内国外的应用现状的基础上,给出了这项研究的重要意义和前景,对系统中图像预处理、特征提取和识别方法等环节涉及的新算法,新技术作了一个比较全面的论述。主要研究了几个方面的问题:1.在不变矩描述的基础上提出使用相对矩描述,将相对矩的描述方法应用于车型轮廓特征的描述,解决了图像平移,放大,旋转的不变性。2.基于小波变换多分辨的特点,提出层间相关性轮廓提取算法,并利用小波的多分别分析的特点,在各个层次中提取特征。3.提出一种基于SVM理论的车辆分类方法。该方法结合最近邻法以提高分类速度。同时为了提高SVM的识别准确率,又提出将SVM与动态Boosting算法相结合,以提高识别率。