近年来,随着国家“绿色通道”政策持续深入的发展,逃缴公路通行费已经从单一行为变成群体现象。然而,传统的人工检验方法不但费时费力,而且效率低;同时容易漏掉部分假冒“绿色通道”车辆。所以,如何设计一个快速高效无损的高速公路检测系统具很重要理论和现实意义。本文是在人工检验方法存在的弊端以及比较各种无损检测技术优缺点基础上,提出了对基于雷达回波的高速公路绿色通道车辆检测方案的。研究的重点是针对车厢的雷达回波进行检测,分析了夹带和未夹带违禁物雷达回波,详细研究了雷达回波特征提取算法和识别算法,如基于二次统计的灰度共生矩阵,BP网络图像识别算法等,实现了自动对车厢的雷达回波进行分析判断。本论文首先介绍了雷达回波特征提取,介绍了在特征提取前的预处理,这主要包括伪彩处理和灰度分析两个部分。夹带违禁物和没有夹带违禁物反射回来的雷达回波存在差异,用伪彩的方法对不同的雷达回波数据矩阵赋予不同的颜色,能提高人眼的分辨能力,然后用Matlab程序对雷达回波进行处灰度分析找出不同回波图像的灰度级的集中程度以及各个灰度级的分布概率,最后特征提取。其目的就是图像分类。描述图像特征的方法有很多种,其中图像纹理特征是图像分析中一个重要特征。本文的特征提取算法是基于二次统计量思想的灰度共生矩阵,在此基础上提取了在不同情况下雷达回波的纹理特征参数作为识别特征。其次详细介绍了雷达回波识别,在模式识别中图像识别是一种比较难的识别模式。关于图像识别的算法有很多种。本文在深入分析多个图像识别算法优劣性、雷达回波自身的特点以及现场的实际情况,将神经网络引入雷达回波识别系统中。在神经网络中重点研究BP算法。针对BP算法存在的收敛速度慢、无法收敛到全局最小值、难以确定隐层以及隐层节点个数的不足进行了改进,然后建立了识别雷达回波的BP网络结构模型。最后多次实验和实际应用表明本系统能有效判断车辆有良好的识别能力和分类性能,识别率在75%以上。该系统可以实现车辆智能检测识别,提高检验的精度、降低验货人员劳动强度。