車輛識(shí)別中的邊緣檢測(cè)方法研究.pdf

1、在圖像處理和分析中,邊緣檢測(cè)是一種重要的手段。圖像邊緣特性的檢測(cè)與提取方法,一直是圖像處理與分析技術(shù)中的研究熱點(diǎn)。論文通過將車輛識(shí)別與邊緣檢測(cè)結(jié)合起來(lái)研究,可以讓邊緣檢測(cè)的研究具有現(xiàn)實(shí)針對(duì)性,與生產(chǎn)生活緊密聯(lián)系。
　　 論文以傳統(tǒng)邊緣檢測(cè)方法的系統(tǒng)學(xué)習(xí)研究為起點(diǎn),逐步分析比較已知算法優(yōu)勢(shì)和劣勢(shì),總結(jié)現(xiàn)有邊緣檢測(cè)的難點(diǎn)、重點(diǎn),給出針對(duì)性的改進(jìn)算法。針對(duì)小波變換具有良好的時(shí)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(jìn)多尺度邊緣檢測(cè)算法。通過Contourlet變換設(shè)計(jì)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(shí)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(shí)別的邊緣檢測(cè)的魯棒性得到提升。
　　 論文針對(duì)Gabor濾波器應(yīng)用中維數(shù)和計(jì)算負(fù)荷的瓶頸問題,給出了一種基于邊緣特征的車型識(shí)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