基于模型的目標(biāo)提取及其在智能交通中的應(yīng)用.pdf

1、隨著圖像處理和模式識別技術(shù)以及計(jì)算機(jī)硬件水平的提高，越來越多的信息是通過對圖像或視頻的處理和分析來獲得的。在智能交通系統(tǒng)中兩個(gè)非常重要的信息——交通工具標(biāo)識碼以及道路交通信息就可以通過對圖像或視頻的處理和分析來獲得。本論文主要研究了從復(fù)雜的背景中提取出靜態(tài)的交通工具標(biāo)識碼以及動態(tài)的運(yùn)動車輛的主要關(guān)鍵技術(shù)和算法。 實(shí)際中通過攝像機(jī)采集到的交通工具圖像中往往包含有大量的噪聲，因此交通工具標(biāo)識碼往往很難通過簡單的處理直接獲得。為此，首

2、先提出了一種魯棒的圖像預(yù)處理算法。該算法在突出交通工具圖像中的文字特征的同時(shí)，抑制了圖像中的各種噪聲，并且最大程度地降低了光照的不均勻?qū)ψ址崛〉挠绊憽Ｔ趫D像預(yù)處理過程中，結(jié)合了自適應(yīng)線性濾波以及自適應(yīng)非線性濾波各自的特點(diǎn)，使得預(yù)處理后的圖像通過簡單的投影直方圖分析即可得到較好的定位結(jié)果。然后根據(jù)實(shí)際中的交通工具標(biāo)識碼中各字符間的相互位置和排列關(guān)系，提出了一系列的標(biāo)準(zhǔn)字符排列模型。最后計(jì)算定位得到的各備選字符行中各字符之間的排列關(guān)系，將

3、所有備選字符行字符的排列關(guān)系依原始位置進(jìn)行組合后，再與標(biāo)準(zhǔn)排列模型進(jìn)行匹配即可得到標(biāo)識碼的自動分割結(jié)果?；谂帕心Ｐ偷慕煌üぞ邩?biāo)識碼自動提取算法可以很好地抵抗圖像中其他字符或標(biāo)識的影響，試驗(yàn)證明具有很高的正確提取率。 對于運(yùn)動車輛的檢測或提取，一種廣泛采用的方法是背景減法。背景減法進(jìn)行運(yùn)動目標(biāo)檢測的關(guān)鍵技術(shù)之一是背景的建模方法。一種好的背景建模方法得到的背景模型應(yīng)能準(zhǔn)確地反映真實(shí)背景的變化。本論文中提出了兩種有效的背景建模方法：

4、基于判決反饋的背景建模方法和基于近似中值濾波的背景建模方法?；谂袥Q反饋的背景建模方法根據(jù)背景減法后象素屬于前景或背景的判決結(jié)果來進(jìn)行背景的更新，只有那些被判為背景的當(dāng)前點(diǎn)才參與當(dāng)前背景的更新中。通過這種方法，可以很好地消除運(yùn)動目標(biāo)在背景更新過程中造成的“拖尾”效應(yīng)。基于近似中值濾波的背景建模方法克服了傳統(tǒng)中值濾波運(yùn)算量大和對內(nèi)存需求高的缺點(diǎn)，采用近似方法迭代得到圖像序列的中間值，并以其作為背景的估計(jì)?？紤]到利用圖像的顏色信息能夠更加準(zhǔn)

5、確地進(jìn)行運(yùn)動目標(biāo)的檢測，論文中還使用了一種運(yùn)算簡單的顏色空間模型——rgs顏色空間模型。試驗(yàn)結(jié)果表明，基于顏色信息的判決反饋法背景建模以及基于顏色信息的近似中值濾波法背景建模均能取得很好的背景模型，同時(shí)基于顏色信息的運(yùn)動目標(biāo)檢測能夠有效消除運(yùn)動車輛的陰影對車輛檢測的影響。 在論文的最后，討論了運(yùn)動車輛檢測在整個(gè)交通信息采集系統(tǒng)中的作用，并探討了嵌入式DSP系統(tǒng)中開發(fā)交通信息采集系統(tǒng)時(shí)的幾種優(yōu)化方法。試驗(yàn)表明，經(jīng)過這樣的優(yōu)化以后，