车型识别技术是实现公路交通自动化的关键技术之一，这项技术的深入研究对智能交通的发展具有重要的现实意义。但由于车型图像背景复杂多变，车型种类繁多，车型识别一直以来是一个研究热点和难点。DSP具有体积小、价格便宜等特点，其越来越多的应用于图像处理及模式识别中，因此在DSP系统上实现车型识别具有广阔的发展前景。本文对基于图像的车型识别算法进行了研究，并在DSP系统上实现了车型识别算法。 在对车型图像的边缘特征提取中，本文应用GABOR滤波器对目标图像进行特征提取，采用基于特征加权的GABOR特征提取算法，将得到的特征向量根据其邻近分量的相对大小进行加权处理，增强相对较小的特征向量在分类中的作用，充分利用了样本图像的统计信息，提高了特征提取的鲁棒性和特征向量的类别表征能力。 在车型识别的研究中，本文提出一种最小二乘支持向量机最小序列分解算法。该算法针对最小二乘支持向量机，将二阶的误差信息归结到优化方程的一阶信息中，从而简化运算过程，并采用梯度二阶信息选择工作集方法提高算法的收敛速度。实验结果表明，与传统的识别方法相比较，本文提出的车型识别方法具有较好的识别率。 为在DSP系统上实现车型识别算法，本文在研究了DSP的硬件结构，软件开发环境，代码优化方法和软硬件调试方法的基础上，实现了支持向量机最小序列分解算法。实验结果表明，在DSP平台上该算法同样能够取得较好的车型类别识别率。