圖像處理技術(shù)在智能交通系統(tǒng)中應用的研究.pdf

1、分類號UDC密級單位代碼10151圖像處理技術(shù)在智能交通系統(tǒng)中應用的研究王國良指導教師梁德群職稱教授學位授予單位大連海事大學申請學位級別工學博士學科與專業(yè)通信與信息系統(tǒng)論文完成日期2007年10月論文答辯日期2008年4月答辯委員會主席創(chuàng)新點摘要創(chuàng)新點摘要1提出了一種基于分箱核密度估計的非參數(shù)多模態(tài)背景模型，該模型采用分箱核密度估計算法從訓練圖像序列中得到背景的密度函數(shù)。分箱核密度估計算法避免了采用全樣本數(shù)據(jù)點的重復計算，降低了運動目標

2、分割算法的運算量，實現(xiàn)了運動目標的有效分割。2傳統(tǒng)的基于核的固定核帶寬跟蹤算法不能對快速、尺度可變運動目標進行有效跟蹤。為此，提出了一種新的跟蹤算法。該算法是，基于特征匹配對核帶寬進行自動選取，實現(xiàn)對目標的尺度定位，同時對目標空域加權(quán)的核密度估計進行相似性度量，采用MeanShift迭代進行目標的空間定位，從而實現(xiàn)了對快速、尺度可變運動目標的有效跟蹤。3提出了基于粒子濾波的多自由度運動目標跟蹤算法，該跟蹤算法在核函數(shù)下顏色直方圖的基礎(chǔ)上

3、，對表征目標形狀的協(xié)方差矩陣進行更新，從而自適應地調(diào)整了核帶寬的大小，修正了跟蹤窗口的尺寸，實現(xiàn)了對多自由度運動目標的跟蹤。4提出了基于區(qū)域與光照不變性的運動陰影檢測算法。該算法首先對含有陰影的目標區(qū)域進行分塊，然后根據(jù)陰影區(qū)域塊和相對應的背景區(qū)域塊之間的光照不變性進行陰影檢測。5提出了一種基于字符特征匹配的車牌定位與傾斜校正方法，該方法利用標準車牌漢字庫，采用字符特征匹配對車牌中的漢字進行定位，從而實現(xiàn)了對整個車牌的定位，同時實現(xiàn)了車