学位论文 > 优秀研究生学位论文题录展示

基于视频图像处理的车辆目标检测算法研究

作　者: 温鑫
导　师: 李春贵
学　校: 广西工学院
专　业: 控制理论与控制工程
关键词: 图像增强背景更新目标检测
分类号: TP391.41
类　型: 硕士论文
年　份: 2010年
下　载: 119次
引　用: 1次
阅　读: 论文下载

内容摘要

伴随着经济技术的发展及中国汽车人均拥有量不断上升,交通压力问题变得越来越大。因此构建智能交通系统(ITS)已经成为技术手段上解决各种交通问题公认的有效方法之一,它具有成本低、性能好、功能多等诸多优点。因此在提高运输效率、缓解交通压力、降低能耗、保证交通安全等多方面得到广泛应用。基于视频图像处理的车辆检测技术是智能交通系统中的基础部分;是采集交通信息的重要手段;是其他应用环节取得较好效果的必要前提;有重要研究意义。然而由于道路实时状况的复杂性以及其在ITS系统中应用的不同要求,需要结合具体的应用情况作深入研究并改进。本论文根据图像处理的一般流程,对车辆检测中涉及的一些关键问题及相关算法进行了探索和研究,提出了针对雾天天气有效的图像增强,改进的背景初始化及背景更新算法;以及阴影分割、形态学填充和非机动车辆目标滤除等后处理,最终检测出相对完整的车辆目标,并通过MATLAB仿真实验验证了算法的有效性。本文主要研究内容包括以下几个方面:1.图像预处理算法研究:在对运动目标检测之前,由于受拍摄条件和自然天气状况的影响,需要对图像进行去噪和增强处理以保证图像的质量。在对图像噪声产生的原因及类型进行了简要分析之后,通过比较得出窗口大小为5×5的中值滤波器对于一般的交通视频噪声有较好的抑制效果;然后针对雾天图像低对比度导致图像质量下降的问题,提出了门限分频直方图均衡化法对图像进行增强处理,仿真实验结果证明该算法处理速度快,实现简单,对于雾天拍摄的视频能够较好的还原图像的原始性,有一定的实用价值。2.目标检测算法研究:本文在介绍了现有的图像分割技术后,针对系统实时性的要求,提出了一种简单快速的非等时间间隔的平均帧法以获取背景图像初始化算法,并对图像进行分块,并在HSI颜色空间中,根据背景分块区域的I分量的变化大小来判断是否需要对图像进行更新,仿真实验表明该算法能快速自适应更新背景,且实时性好。3.运动目标后处理算法研究:包括对提取出的目标进行阴影分割、形态学孔洞填充、非机动车辆滤除等操作。本文根据阴影部分的颜色特征对其进行分割;采用形态学滤波以解决目标内部出现的小孔及周围的噪声问题,并根据运动目标的形态特征对非机动车进行滤除,达到了车辆运动目标的目的,并保持了目标轮廓的原始性和完整性。

全文目录

中文摘要  4-5
Abstract  5-9
第1章绪论  9-15
  1.1 课题研究背景和意义  9-10
  1.2 课题的国内外研究现状  10-13
    1.2.1 视频检测产品的现状  10-11
    1.2.2 视频检测技术的研究  11-13
  1.3 本文研究的主要内容及组织结构  13-15
第2章图像预处理算法研究  15-26
  2.1 视频图像处理的基本概念  15-16
  2.2 图像去噪算法研究  16-20
    2.2.1 图像噪声的分类  16-17
    2.2.2 常用的噪声滤波器  17-18
    2.2.3 图像噪声滤波的比对实验  18-20
  2.3 图像增强算法研究  20-25
    2.3.1 常用的图像增强方法  20-22
    2.3.2 门限分频直方图均衡化图像增强方法  22-25
  2.4 本章小结  25-26
第3章运动目标的检测与分割算法研究  26-45
  3.1 边缘检测技术  26-29
    3.1.1 梯度算子  26-28
    3.1.2 Laplacian of Gaussian (LoG) 算子  28
    3.1.3 Canny 算子  28-29
  3.2 运动目标检测方法  29-30
    3.2.1 帧间差分法  29
    3.2.2 光流法  29-30
    3.2.3 背景差分法  30
  3.3 基于背景更新技术的目标检测算法研究  30-36
    3.3.1 背景初始化算法研究  31-32
    3.3.2 一种实时的背景初始化算法  32-34
    3.3.3 基于HSI 空间的背景更新算法  34-36
    3.3.4 运动目标的提取  36
  3.4 阴影处理  36-40
    3.4.1 目前常用的阴影分割算法  37-39
    3.4.2 基于HSI 颜色空间的阴影分割实验  39-40
  3.5 图像后处理  40-44
    3.5.1 形态学简介  41-42
    3.5.2 形态学处理孔洞填充实验  42
    3.5.3 非车辆目标的滤除  42-44
  3.6 本章小结  44-45
第4章运动目标特征的表示与识别  45-57
  4.1 车辆目标的特征表示  45-47
    4.1.1 链码技术  45-46
    4.1.2 多边形近似  46
    4.1.3 边界分段  46-47
    4.1.4 骨架描述  47
  4.2 轮廓特征的描述  47-49
    4.2.1 简单的轮廓描述算子  47
    4.2.2 矩特征描述  47-49
  4.3 车型分类  49-53
    4.3.1 车型分类的原则与标准  49-51
    4.3.2 基于BP 神经网络的车型分类  51-53
  4.4 视频检测原型系统的设计  53-56
    4.4.1 开发工具的选择  53
    4.4.2 OpenCV 的系统配置  53-54
    4.4.3 OpenCV 的数据结构  54
    4.4.4 车辆视频检测系统各模块设计  54-56
  4.5 本章小结  56-57
第5章总结与展望  57-59
参考文献  59-62
发表论文和参加科研情况说明  62-63
致谢  63

基于视频图像处理的车辆目标检测算法研究

内容摘要

全文目录

相似论文