基于邊緣散焦模型的污點(diǎn)檢測(cè)算法的研究.pdf

1、人類正在進(jìn)入信息時(shí)代，數(shù)學(xué)的應(yīng)用無處不在。隨著計(jì)算機(jī)越來越深入的走進(jìn)我們的生活，人們已經(jīng)掌握一些通過應(yīng)用數(shù)學(xué)知識(shí)解決具體計(jì)算機(jī)視覺任務(wù)的方法，如室內(nèi)監(jiān)控系統(tǒng)、駕駛輔助系統(tǒng)等?；谟?jì)算機(jī)視覺技術(shù)的駕駛輔助系統(tǒng)(Advanced DrivingAssistance System，簡(jiǎn)稱ADAS)通過分析圖像信息來告知駕駛員當(dāng)前的交通狀況，并且對(duì)潛在的危險(xiǎn)及時(shí)提出預(yù)警。然而，由于車載相機(jī)長(zhǎng)期處于室外環(huán)境，容易受到附著在鏡頭上的污點(diǎn)遮擋（如泥漿、

2、樹葉等）的影響，這會(huì)導(dǎo)致系統(tǒng)由于無法獲取完整、真實(shí)的外界信息而發(fā)生誤判。因此，污點(diǎn)檢測(cè)對(duì)整個(gè)系統(tǒng)能否正常工作起到至關(guān)重要的作用。本文圍繞車載環(huán)境下相機(jī)的污點(diǎn)檢測(cè)問題展開研究。
　　由于污點(diǎn)檢測(cè)是在行車過程中完成的，且污點(diǎn)的形狀、大小以及位置均不確定，這為污點(diǎn)檢測(cè)帶來一定的困難。本文提出一種基于邊緣散焦模型的污點(diǎn)檢測(cè)算法，應(yīng)用污點(diǎn)自身的邊緣以及區(qū)域特征對(duì)其進(jìn)行檢測(cè)。本文依據(jù)散焦成像模型，根據(jù)污點(diǎn)由于散焦而導(dǎo)致邊緣模糊的現(xiàn)象，提取邊緣

3、散焦度來描述污點(diǎn)的邊緣特征。此外，本文考慮污點(diǎn)區(qū)域內(nèi)部灰度在空間上的相關(guān)性，提取灰度共生矩陣的特征參數(shù)（包括對(duì)比度參數(shù)、相關(guān)性參數(shù)以及同質(zhì)性參數(shù)）對(duì)污點(diǎn)的區(qū)域特征進(jìn)行描述。
　　本文首先應(yīng)用污點(diǎn)的邊緣特征，選取污點(diǎn)候選邊緣點(diǎn)，再以其為種子點(diǎn)，依據(jù)迭代的區(qū)域生長(zhǎng)算法生成污點(diǎn)候選區(qū)域。然后，借助融合特征參數(shù)來綜合三個(gè)特征參數(shù)的信息，應(yīng)用污點(diǎn)的區(qū)域特征，建立融合特征參數(shù)的概率模型，對(duì)污點(diǎn)候選區(qū)域進(jìn)行進(jìn)一步驗(yàn)證，得到基于單幀的驗(yàn)證結(jié)果。最