車輛識別中的邊緣檢測方法研究.pdf

1、在圖像處理和分析中,邊緣檢測是一種重要的手段。圖像邊緣特性的檢測與提取方法,一直是圖像處理與分析技術(shù)中的研究熱點。論文通過將車輛識別與邊緣檢測結(jié)合起來研究,可以讓邊緣檢測的研究具有現(xiàn)實針對性,與生產(chǎn)生活緊密聯(lián)系。
　　 論文以傳統(tǒng)邊緣檢測方法的系統(tǒng)學習研究為起點,逐步分析比較已知算法優(yōu)勢和劣勢,總結(jié)現(xiàn)有邊緣檢測的難點、重點,給出針對性的改進算法。針對小波變換具有良好的時頻局部化特性、多尺度分析能力,在車輛灰度圖像中,給出一種基于

2、Contourlet變換的改進多尺度邊緣檢測算法。通過Contourlet變換設(shè)計自適應(yīng)閾值,結(jié)合小波的多尺度變換,用模極大值的方法得到不同尺度下的車輛邊緣圖像。從而有效的識別車輛圖像信息,剔除噪聲引入的偽視頻內(nèi)容,減少噪聲的影響,使車輛識別的邊緣檢測的魯棒性得到提升。
　　 論文針對Gabor濾波器應(yīng)用中維數(shù)和計算負荷的瓶頸問題,給出了一種基于邊緣特征的車型識別算法。該算法依據(jù)車輛的幾何特征,通過背景消減算法把車輛從背景中分離