学位论文 > 优秀研究生学位论文题录展示
基于高分辨率航空影像高速公路汽车目标检测算法研究
作 者: 郑泽忠
导 师: 范东明;周国清
学 校: 西南交通大学
专 业: 地图制图学与地理信息工程
关键词: 高速公路汽车目标检测 最大方差法 边缘检测 模板匹配 灰度数学形态学 二值数学形态学 高分辨率航空影像
分类号: TP391.41
类 型: 博士论文
年 份: 2010年
下 载: 174次
引 用: 0次
阅 读: 论文下载
内容摘要
汽车目标检测是智能交通研究领域中信息采集方面一个非常重要的课题,基于航空影像的汽车目标检测也是图像处理研究的一个热点。因为城市的高速发展,汽车数量的急剧增加,造成交通拥堵异常严重。因此,在交通规划、控制与管理方案的制定过程中,如何保证道路交通网络与城市发展相协调,如何保证交通调查资料的全面性与现势性,优化网络结构,实现城市交通网络的合理布局,使交通网络能充分、高效地发挥作用,显得极为重要。基于高分辨率航空影像进行汽车目标检测研究正好可以充分利用高分辨率航空遥感图像的丰富空间信息,为交通管理部门提供必要的汽车流量信息,从而实现真正的、合理化的“智能”交通。本论文在对高分辨率航空影像数据进行数字镶嵌,裁剪得到典型的高速公路影像基础上,采用最大方差法,边缘检测法,模板匹配法,以及灰度数学形态学和二值数学形态学算法结合进行汽车目标检测研究,本论文围绕汽车目标检测所展开的研究工作主要如下:(1)研究了基于阈值分割算法的最大方差(Otsu)法,通过自动确定最佳阈值,将高分辨率航空高速公路影像二值化,结合二值数学形态学开运算操作进行汽车目标检测。实验结果表明,该算法对于背景简单的影像有很高的检测率;但对于背景复杂的影像进行汽车目标检测,正确率偏低。(2)研究了几种典型的边缘检测二值化算法,结合二值数学形态学算法进行汽车目标检测。实验结果表明,基于Robert算子边缘检测二值化图像边缘连续性不如基于Sobel算子,Prewitt算子的边缘检测二值化图像;基于Sobel算子,Prewitt算子的边缘检测二值化图像效果不如Laplace边缘检测结果二值化图像和Canny边缘检测结果二值化图像;Canny算子是所有边缘检测算子中检测效果最好的。但汽车目标检测研究结果表明,对于简单背景,利用Sobel算子和二值数学形态学方法结合,汽车目标检测率最高;对于复杂背景,利用Canny算子或Sobel算子和二值数学形态学方法结合,汽车目标检测效果最好,但复杂背景汽车目标检测成功率很低。(3)研究了基于模板匹配算法高分辨率航空影像高速公路汽车目标检测。实验结果证明,由于航空影像分辨率高,汽车目标细节清晰,因此,模板匹配算法检测汽车目标的关键在于建立各汽车品牌,各汽车车型的模板库。但模板匹配与最大方差法,边缘检测法相比,其计算量巨大;同时,由于汽车品牌众多,各品牌汽车车型也很多,要建立的模板库工作量也很巨大。(4)研究了基于灰度数学形态学和二值数学形态学算法结合,高分辨率航空影像高速公路汽车目标检测。针对复杂背景,提出了高帽变换和开运算结合,通过筛除大地物(暗背景)及小地物,可以检测到亮背景上的汽车目标;利用低帽变换和闭运算结合,并筛除小地物,可以检测到暗背景上的汽车目标;将开运算和闭运算检测得到的汽车目标叠加,并进行“双影”消除。该算法汽车目标检测调和平均值(Fm)达94%以上,能取得良好的汽车目标检测效果。(5)总的来说,灰度数学形态学和二值数学形态学算法结合用于汽车目标检测,与基于最大方差法、边缘检测算法相比,汽车目标检测准确率更高,具有更强的鲁棒性,但程序运行时间略长。灰度数学形态学和二值数学形态学算法与模板匹配算法相比,具有很强的鲁棒性和高效性。
|
全文目录
摘要 6-8 Abstract 8-15 第1章 绪论 15-25 1.1 研究背景 15-18 1.1.1 发展智能交通必要性 15-17 1.1.2 智能交通系统社会经济效益 17-18 1.2 研究意义 18-19 1.3 研究现状 19-21 1.3.1 国内研究现状 20 1.3.2 国际研究现状 20-21 1.4 研究目标与方法 21-22 1.4.1 研究目标 21-22 1.4.2 研究技术路线 22 1.5 研究软硬件配置 22-23 1.6 论文组织结构 23 1.7 论文的主要工作 23-25 第2章 数据准备 25-35 2.1 航空影像数据获取 25-26 2.2 航空影像数字镶嵌 26-29 2.3 高速公路航空影像准备 29-33 2.4 波段选择 33-34 2.5 本章小结 34-35 第3章 基于阈值分割汽车目标检测研究 35-43 3.1 引言 35-37 3.2 最大方差取阈法原理 37-38 3.3 汽车目标检测 38-42 3.3.1 简单背景 38-40 3.3.2 复杂背景 40-42 3.4 算法评价 42 3.5 本章小结 42-43 第4章 基于边缘检测汽车目标检测研究 43-60 4.1 引言 43 4.2 SOBEL边缘检测 43-47 4.2.1 算法原理 43-44 4.2.2 汽车目标检测 44-47 4.2.2.1 简单背景 44-46 4.2.2.2 复杂背景 46-47 4.2.3 算法评价 47 4.3 PREWITT边缘检测 47-49 4.3.1 算法原理 47-48 4.3.2 汽车目标检测 48-49 4.3.2.1 简单背景 48 4.3.2.2 复杂背景 48-49 4.3.3 算法评价 49 4.4 ROBERT边缘检测 49-52 4.4.1 算法原理 49-50 4.4.2 汽车目标检测 50-52 4.4.2.1 简单背景 50-51 4.4.2.2 复杂背景 51-52 4.4.3 算法评价 52 4.5 LAPLACE边缘检测 52-55 4.5.1 算法原理 52 4.5.2 汽车目标检测 52-55 4.5.2.1 简单背景 52-54 4.5.2.2 复杂背景 54-55 4.5.3 算法评价 55 4.6 CANNY边缘检测 55-59 4.6.1 算法原理 55-56 4.6.2 汽车目标检测 56-59 4.6.2.1 简单背景 56-58 4.6.2.2 复杂背景 58-59 4.6.3 算法评价 59 4.7 本章小结 59-60 第5章 基于模板匹配汽车目标检测研究 60-69 5.1 引言 60 5.2 模板匹配原理 60-62 5.3 汽车目标俭测 62-67 5.3.1 模板训练 62-65 5.3.2 汽车目标检测 65-67 5.4 算法评价 67-68 5.5 本章小结 68-69 第6章 基于数学形态学汽车目标检测研究 69-108 6.1 引言 69 6.2 数学形态学原理 69-76 6.2.1 二值数学形态学 69-73 6.2.2 灰度数学形态学 73-76 6.3 汽车目标检测 76-99 6.3.1 结构元素选择 78 6.3.2 开运算图像汽车目标检测 78-88 6.3.3 闭运算图像汽车目标检测 88-97 6.3.4 开运算和闭运算图像汽车目标检测结果叠加 97-98 6.3.5 汽车目标检测结果处理 98-99 6.4 算法评价 99-107 6.4.1 结构元素尺寸对汽车目标检测结果影响 99-101 6.4.2 其它路段高速公路汽车目标检测 101-107 6.4.3 程序运行效率 107 6.5 本章小结 107-108 结论与展望 108-110 1 结论 108 2 论文的主要创新点 108-109 3 下一步的研究工作 109-110 致谢 110-111 参考文献 111-124 附录 论文中使用的符号及含义 124-125 攻读博士学位期间发表和待发表论文 125-127 攻读博士期间参加科研项目及科研成果 127-128 攻读博士期间所获得的学术荣誉 128
|
相似论文
- 基于机器视觉的光纤几何参数检测研究,TN253
- 交通视频中车辆异常行为检测及应用研究,TP391.41
- 驾驶员眼睛开闭状态计算机图像识别技术开发,TP391.41
- 跟踪印花系统视觉检测算法研究,TP391.41
- 基于中介真值程度度量的图像分割方法研究,TP391.41
- 数码相机中Bayer格式数字图像的降噪与颜色插值算法的研究,TP391.41
- 基于支撑向量机与模板匹配的眼底图像分割,TP391.41
- 利用非局部相似性的图像超分辨率重建研究,TP391.41
- 基于并联机构的视觉伺服技术,TP391.41
- Web图像搜索中基于GPU的图像分割技术术究,TP391.41
- 一个球幕投影系统的设计与实现,TP391.41
- 高光谱影像图谱信息目标检测研究,TP391.41
- 水下目标的视觉检测与识别,TP391.41
- 高速卡口车辆牌照检测与相关信息识别,TP391.41
- 微光像增强器的分辨力和荧光屏疵点检测技术研究,TN144
- 基于图像处理的砂轮包络廓形测量原理与技术研究,TP391.41
- 彩色医学影像分割技术研究,TP391.41
- 基于红外图像的服务器工况分类研究,TP393.05
- 基于结构相似度与MTF的图像质量评价方法研究,TP391.41
- 基于偏微分方程的图像去噪与增强研究,TP391.41
- 红外探测系统中相关关键技术研究,TN215
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|