摘要：目的車標是車輛的顯著性特征,通過車標的分類與識別可以極大縮小車輛型號識別的范圍,是車輛品牌和型號識別中的重要環節。基于特征描述子的車標識別算法存在如下缺點:一方面,算法提取的特征數量有限,不能全面描述車標的特征;另一方面,提取的特征過于冗雜,維度高,需要大量的計算時間。為了提取更加豐富的車標特征,提高識別效率,提出一種增強邊緣梯度特征局部量化策略驅動下的車標識別方法。方法首先提取車標圖像的增強邊緣特征,即根據不同的梯度方向提取梯度信息,生成梯度大小矩陣,并采用LTP(local ternary patterns)算子在梯度大小矩陣上進一步進行特征提取,然后采用特征碼本對提取的特征進行量化操作,在確保車標特征描述能力的同時,精簡了特征數目,縮短了局部向量的長度,最后采用WPCA (whitened principal component analysis)進行特征降維操作,并基于CRC (collaborative representation based classification)分類器進行車標的識別。結果基于本文算法提取的車標特征向量,能夠很好地描述車標圖像的特征,在HFUT-VL1車標數據集上取得了97. 85%的識別率(平均每類訓練樣本為10張),且在識別難度較大的XMU車標數據集上也能取得90%以上的識別率(平均每類訓練樣本為100張),與其他識別算法相比,識別率有明顯提高,且具有更強的魯棒性。結論增強邊緣梯度特征局部量化策略驅動下的車標識別算法提取的特征信息能夠有效地描述車標,具有很高的識別率和很強的魯棒性,大大降低了特征向量的維度,提高了識別效率。