基于有限脊波變換和壓縮感知理論的智能交通監(jiān)控系統(tǒng)技術(shù)研究.pdf

1、隨著汽車交通系統(tǒng)發(fā)展的日趨成熟，以計算機(jī)視覺方法采集交通信息、提供智能輔助決策、進(jìn)行相關(guān)信息存儲和管理為目的的智能交通監(jiān)控系統(tǒng)越來越受到人們的重視。交通信息的獲取無疑是交通監(jiān)控系統(tǒng)的首要任務(wù)，相對于地感線圈等傳統(tǒng)的檢測以及監(jiān)控手段，基于視覺的交通信息監(jiān)控系統(tǒng)能夠更直觀地提供視覺信息，從而提供更全面更快速的交通信息。然而，由于實際應(yīng)用中存在光照、遮擋及環(huán)境復(fù)雜多變等因素的影響，基于視覺手段獲取的交通圖像質(zhì)量參差不齊，對后續(xù)進(jìn)行的基于圖像的

2、交通信息理解提出了很高的要求。如何根據(jù)交通圖像及視頻的特點，尋求高效的圖像表示算法、交通標(biāo)志及車牌字符識別算法以及高效的壓縮存儲算法等關(guān)鍵問題，至今未有滿意的解決。本論文基于新興的有限脊波變換以及壓縮感知理論進(jìn)行算法研究，并從實際的工程應(yīng)用出發(fā)，針對交通圖像去噪、車牌字符識別以及交通視頻壓縮等關(guān)鍵問題進(jìn)行應(yīng)用研究。
　　 一直以來，以尋求數(shù)字圖像稀疏表示為目的的高效表示及分析方法都是信號處理領(lǐng)域的研究熱點。在數(shù)字圖像的特征表示方

3、面，來源于數(shù)學(xué)分析、計算機(jī)視覺、統(tǒng)計分析以及模式識別等多個領(lǐng)域的多尺度幾何分析理論是近年來的研究熱點，包括脊波變換(RidgeletTransform)、曲波變換(CurveletTransform)、輪廓波變換(ContourletTransform)、Bandelet變換和Wedgelet變換等多種方法。多尺度幾何分析方法克服了傳統(tǒng)小波變換只對水平、豎直和對角線三個方向敏感，對圖像中幾何結(jié)構(gòu)的描述能力有限的缺陷，可以提供對圖像不同尺

4、度、不同方向的多分辨率表示。其中，脊波變換立足于圖像中線奇異性的有效表示，利用Radon變換將線奇異性映射為點奇異性，然后使用小波變換來對點奇異性進(jìn)行處理。鑒于道路、車牌、交通標(biāo)志中大量存在的線特征，定義在離散域的有限脊波變換因其優(yōu)越的線奇異特征表示能力，成為本文研究工作的基礎(chǔ)。有限脊波交換域良好的系數(shù)集中特性為有效地區(qū)分圖像內(nèi)容與隨機(jī)噪聲提供了可能，同時基于有限脊波變換系數(shù)的特征提取算子也有望在交通字符識別中給出滿意的分類效果。

5、>　　 在數(shù)字圖像的分析方法方面，近年來發(fā)展起來的基于新型采樣理論的壓縮感知方法日益獲得廣泛關(guān)注。壓縮感知方法利用信號固有的稀疏特性將傳統(tǒng)的基于奈奎斯特采樣定理的采樣過程轉(zhuǎn)化為根據(jù)信號特征設(shè)計觀測矩陣、進(jìn)而最小化‘范數(shù)的優(yōu)化過程，旨在通過構(gòu)造超完備數(shù)據(jù)字典的方法尋求信號的最稀疏表示。研究人員利用大量訓(xùn)練樣本構(gòu)建遠(yuǎn)大于特征維數(shù)的數(shù)據(jù)字典，以待分類樣本在該數(shù)據(jù)字典下表示系數(shù)的稀疏性為指標(biāo)，將壓縮感知理論應(yīng)用到人臉識別中去?；趬嚎s感知理論

6、的分類器，放寬了對特征提取的嚴(yán)苛要求，并且成功的解決了存在遮擋干擾下的人臉分類問題。本文以此為基礎(chǔ)，探討壓縮感知分類器在車牌字符識別問題中的應(yīng)用。
　　 另外，通過對實際獲取的大量交通監(jiān)控視頻的分析和統(tǒng)計表明，交通監(jiān)控圖像具有視頻背景固定、視頻幀內(nèi)區(qū)域間存在高度自相似性的特點。本論文以減少幀內(nèi)空間冗余性為出發(fā)點，以交通監(jiān)控視頻幀內(nèi)各塊為單位，將視頻壓縮中面向減少時間冗余性的幀間運(yùn)動估計以及運(yùn)動補(bǔ)償方法應(yīng)用于幀內(nèi)以塊為單位的視頻壓

7、縮。
　　 本論文的主要工作如下:
　　 (1)有限脊波變換算法改進(jìn)及相應(yīng)的基礎(chǔ)研究
　　 在分析二維可分離小波在高維信號描述的不足的基礎(chǔ)上，從連續(xù)脊波變換的基本理論作為切入點，介紹其基本思路及與其他變換的關(guān)系。對有限脊波變換的基本理論進(jìn)行介紹，具體地，介紹有限Radon變換及有限Radon域變換方案的選擇原則。在此基礎(chǔ)上，對本文作者前期提出的基于能量的自適應(yīng)有限脊波變換方案及其按列閾值的選擇方法在圖像去噪中的應(yīng)

8、用等進(jìn)行了詳細(xì)的介紹，并對目前基于有限脊波變換為特征的圖像分類方法進(jìn)行了總結(jié)，作為本文后續(xù)研究工作的基礎(chǔ)。
　　 (2)基于有限脊波變換的交通圖像去噪
　　 在對交通圖像特性進(jìn)行分析的基礎(chǔ)上，將作者前期提出的基于能量的有限脊波變換及按列閾值算法應(yīng)用到交通標(biāo)志圖像的去噪中;結(jié)合大量實驗討論了有限脊波變換域不同變換方案及閾值策略的去噪性能。同時針對交通圖像長寬比不固定、且通常相差較遠(yuǎn)的特點，提出一種基于有限脊波變換的重疊分塊

9、去噪算法，具有運(yùn)算量小且易于實時實現(xiàn)的優(yōu)點;最后在交通標(biāo)志圖像數(shù)據(jù)庫上的去噪實驗結(jié)果驗證了該算法的有效性。
　　 (3)基于有限脊波變換特征和壓縮感知技術(shù)的車牌字符識別算法研究
　　 本文提出利用有限脊波變換進(jìn)行特征描述并基于壓縮感知技術(shù)進(jìn)行車牌字符識別。具體地，本文提出利用按列首尾相接的有限脊波變換系數(shù)作為特征，并考察其在平移、噪聲、遮擋等干擾因素下的特征魯棒性。利用訓(xùn)練樣本構(gòu)建脊波字典，通過壓縮感知方法解l1范數(shù)最小

10、化問題對測試樣本在脊波數(shù)據(jù)字典下展開系數(shù)的稀疏性給出分類結(jié)果。在車牌字符圖像庫上的仿真結(jié)果表明，所提算法具有很好的抗噪聲以及抗遮擋能力。
　　 (4)基于塊匹配的交通監(jiān)控視頻壓縮
　　 本文從分析交通監(jiān)控視頻的場景固定、幀內(nèi)相似性較強(qiáng)的特點出發(fā)，提出以利用靜止圖像中以塊為單位的空間冗余信息為出發(fā)點，提出了一種基于塊匹配的圖像壓縮算法，將傳統(tǒng)的應(yīng)用于視頻壓縮中的運(yùn)動估計和運(yùn)動補(bǔ)償方法應(yīng)用于靜止圖像以及視頻的壓縮中。在自然圖