車輛識別技術(shù)是智能交通領(lǐng)域的重要研究課題，在橋梁路口自動收費、停車場無人管理、違章車輛自動記錄、盜搶車輛追查等領(lǐng)域都有廣泛的應(yīng)用，具有重大的經(jīng)濟(jì)價值和現(xiàn)實意義。車標(biāo)識別是車輛識別技術(shù)的重要組成部分，其核心技術(shù)是車標(biāo)定位和車標(biāo)識別，在準(zhǔn)確地定位車標(biāo)后，車標(biāo)圖像識別就成為一個關(guān)鍵問題?，F(xiàn)有的車標(biāo)識別方法有：基于模板匹配[1]、基于邊緣直方圖[2]、基于邊緣不變矩[3]、基于SIFT特征[4]以及基于主成分分析和BP神經(jīng)網(wǎng)絡(luò)[5]等方法。但是，基于模板匹配的方法在圖像傾斜的情況下效果不太理想；基于邊緣直方圖的方法提取的車標(biāo)邊緣方向直方圖特征有時并不十分明顯，容易造成識別誤差；基于邊緣不變矩的方法雖然對圖像的平移、縮放和旋轉(zhuǎn)等不敏感，但計算量大且易受噪聲影響，使車標(biāo)識別率受到影響；基于SIFT特征的方法算法復(fù)雜，時間復(fù)雜度高；基于主成分分析和BP神經(jīng)網(wǎng)絡(luò)的方法對于模糊車標(biāo)圖像識別率較低。因此，針對現(xiàn)有車標(biāo)識別方法的不足，本文提出了一種新的車標(biāo)識別方法。該方法的基本思想是，首先應(yīng)用主成分分析PCA(Principal Component Analysis)進(jìn)行數(shù)據(jù)降維，然后應(yīng)用獨立成分分析ICA(Independent Component Analysis)提取車標(biāo)特征，最后應(yīng)用模糊支持向量機(jī)FSVM(Fuzzy Support Vector Machine)設(shè)計分類器。實驗結(jié)果表明，本文提出的車標(biāo)識別方法比其他車標(biāo)識別方法有更好的識別效果。

1 獨立成分分析及車標(biāo)特征提取

1.1 獨立成分分析

ICA是信號處理領(lǐng)域在20世紀(jì)90年代后期發(fā)展起來的一項新處理方法，最初是用于盲信號的分離，目前已廣泛應(yīng)用于模式識別、數(shù)據(jù)壓縮、圖像分析等領(lǐng)域。ICA可以在不知道信號源和傳輸參數(shù)的情況下，根據(jù)輸入信號源的統(tǒng)計特征，僅觀測信號恢復(fù)或提取源信號。