本发明涉及露天矿山车辆识别，特别涉及一种基于特征提取的露天矿山车辆识别方法。
背景技术：
1、露天矿山车辆识别算法是近年来比较重要的无人驾驶感知研究内容，尽管车辆识别技术发展了很多年,但是在实际应用过程中仍然面临很多挑战，比如多摄像头下的视角变化、复杂环境、不同天气、车辆姿态差异、遮挡、不同光照等情况。同一辆车在不同场景下的图像表现出巨大的外观歧义性，为车辆的身份匹配带来了挑战。此外，传统车辆特征匹配算法大多还局限于单图像与单图像匹配，这种匹配方法不能利用多图像序列之间的相关信息。另外，由于露天矿山复杂环境等因素的影响，车载摄像头采集的图像信号中会存在一定的随机噪声，使原始图像失去本身特征，导致无法对矿山车辆进行准确识别。
技术实现思路
1、本发明的目的克服现有技术存在的不足，为实现以上目的，采用一种基于特征提取的露天矿山车辆识别方法，以解决上述背景技术中提出的问题。
2、一种基于特征提取的露天矿山车辆识别方法，包括以下步骤：
3、步骤s1、利用车载图像传感器采集原始车辆图像；
4、步骤s2、对不同场景下所采集原始车辆图像的图像信号进行二值化预处理；
5、步骤s3、提取并计算出不同场景下的车辆图像细节边缘检测、车辆图像区域分割、车辆图像区域阈值特征值，得到特征向量组；
6、步骤s4、将所得到的特征向量组输入到极限学习机中进行车辆识别。
7、作为本发明的进一步的方案：所述步骤s1中的具体步骤为，通过车载图像传感器采集原始车辆图像，并对采集到的原始车辆图像进行处理。
8、作为本发明的进一步的方案：所述步骤s2中的具体步骤包括：
9、基于均衡化直方图自适应阈值，对不同场景下所采集原始车辆图像的图像信号进行二值化预处理；
10、计算对比度增强后的车辆图像的灰度直方图；
11、设定图像的灰度值为x(x＝1,2,…,255)，灰度值x对应的像素点个数为y，函数关系y＝f(x),设定最佳阈值为t；
12、其中车辆图像的像素值小于背景的像素值，则在灰度直方图中单峰部分为背景像素，且背景部分亮暗均匀，像素点数最多的像素值即为背景部分像素值的中值；
13、则阈值t为背景像素值的最小值，表达为：
14、t＝f-1(ymax)-(f-1(ymax)-xmax)。
15、作为本发明的进一步的方案：所述步骤s3中的具体步骤包括：
16、步骤s31、车辆图像边缘检测：
17、对矿山车辆图像实行形状变换时，检测出车辆的边缘图像；
18、再对边缘图像区域进行分割,计算分割后的不同区域图像的不同阈值，提取到车辆图像的边缘细节信息；
19、步骤s32、车辆图像的细节边缘检测：
20、在检测矿山车辆边缘细节的过程中，设定为经过灰度变换后包含车辆图像灰度像素不变点值的图像，oj为车辆图像灰度像素不变点值，其关系如下:
21、
22、其中，n表示图像结构元素，oo表示车辆图像像素；
23、根据上述得到含有灰度边缘信息且原始图像细节保留完好的图像；
24、将得到的图像分割成n个大小相等、互不重合的区域，计算每个图像区域的阈值大小，提取该车辆图像的平滑细节边缘；
25、步骤s33、车辆图像的区域分割：
26、将上述计算出的原始车辆图像分割成t1、t2、t3、t4的4个大小均等的区域，设定为分解规则，不断重复上述操作，最终将全幅车辆图像分割成均等大小；
27、设定分割后的最小图像区域为l×q，计算每个图像区域tn(n＝0,1,…,n-1)的均值和方差；
28、步骤s34、车辆图像的区域阈值计算：
29、在提取图像边缘、去除背景与灰度图像噪声的同时，确定车辆细节信息被保留，则设置区域阈值范围，其过程如下：
30、设定g(l,q)∈tn，图像的细节信息越多，则预设的灰度值越大；
31、当该区域的灰度变化幅度小,则其阈值为tn，设该区域的灰度分布函数为g(x),利用高斯函数对g(x)进行卷积处理，表达式为：
32、
33、其中，α表示可变参数，当该区域的灰度变化幅度较大，计算该区域内的灰度平均值,得到该区域阈值tn；
34、重复上述步骤，最后得到该车辆图像的所有区域阈值，对其实行判定，检测出车辆图像边缘信息。
35、作为本发明的进一步的方案：所述步骤s4中的具体步骤为，将建立特征向量输入到极限学习机进行分类识别，得到最终的分类识别结果并输出。
36、与现有技术相比，本发明存在以下技术效果：
37、采用上述的技术方案，通过提取车辆图像细节边缘检测、车辆图像区域分割、车辆图像区域阈值的车辆图像特征，能够有效克服语义特征对齐时存在的信息差异问题。面对图像信息缺失模糊或者背景信息丰富的难样本仍具有全面的结构信息提取能力，对跨视域多方向捕捉到的车辆样本具有更好的识别性能。
38、本发明通过建立特征向量输入到极限学习机更具有鲁棒性的特征表示，在仅使用数据集包含的信息，而不使用任何额外注释的情况下优于其他方法的识别性能，进一步展现出本发明方法对比同类方法的优越性。本发明方法的对视角变化、低分辨率和背景波动更具有鲁棒性，并且更有能力挖掘域不变的特征以区分相似的车辆。
1.一种基于特征提取的露天矿山车辆识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述一种基于特征提取的露天矿山车辆识别方法，其特征在于，所述步骤s1中的具体步骤为，通过车载图像传感器采集原始车辆图像，并对采集到的原始车辆图像进行处理。
3.根据权利要求1所述一种基于特征提取的露天矿山车辆识别方法，其特征在于，所述步骤s2中的具体步骤包括：
4.根据权利要求1所述一种基于特征提取的露天矿山车辆识别方法，其特征在于，所述步骤s3中的具体步骤包括：
5.根据权利要求1所述一种基于特征提取的露天矿山车辆识别方法，其特征在于，所述步骤s4中的具体步骤为，将建立特征向量输入到极限学习机进行分类识别，得到最终的分类识别结果并输出。
