目前车辆类型识别系统在高速公路收费站、大型停车场具有广泛的应用,车辆类型识别系统识别出来的车辆类型信息以及附加信息可以为交通部门打击假、套牌车辆、公安部门缉拿驾车逃犯、智能小区管理车辆提供依据。因此对车辆类型识别方法的研究具有一定的理论意义和应用价值。本文研究的是基于图像的车辆类型识别方法。它与目前的车辆类型识别方法相比,不再是对车辆进行大、中、小型或者轿、客、货车粗略的分类,而是根据车辆图像特征,把车辆归类为具体某个品牌、系列的某一类车型。识别出来的车辆型号和每个车型对应的属性参数信息相结合,可以得到准确、详尽的车辆信息。通过对车辆图像中包含的大量外形特征信息的讨论,本文确定了九个易于提取、具有分类能力、对距离和旋转不敏感的车辆特征点之间的距离相对比作为车辆类型识别的特征,依据各个特征的特点,用相应的图像处理算法将特征提取和计算出来。本文选择了国内外常见23个汽车品牌、75个车系以及每个车系对应的一个车型为样本。在建立车型样本特征空间时,对于样本的大量、无序特征数据,文中讨论采用了模糊c-均值聚类方法对其进行分析并使特征数据得到了有效的应用。依据模糊c-均值聚类处理特征数据的特点,本文确定了以得到的聚类中心作为分布中心的高斯型隶属度函数,并求得以隶属度为元素的75个车型样本特征空间。通过对模糊隶属度函数贴近度、距离贴近度分类方法的分析,本文改进了贴近度的分类方法,并提出了应用分层反馈模糊贴近度方法进行分类。最后通过对不同距离、旋转角度和一般情况下车辆识别实验和结果的分析,表明了该方法的有效性,实现了预期效果,并对识别中存在的问题,提出了需要改进的地方。