車輛目標(biāo)是重要的軍事和民用目標(biāo),對于車輛目標(biāo)的識別有利于各方面的研究。關(guān)于車輛目標(biāo)的識別,依據(jù)車輛圖像不同特征可大致分為基于車輛目標(biāo)的紋理、顏色和車輛輪廓等車輛目標(biāo)識別方法。認(rèn)知心理學(xué)家主張:對于目標(biāo)輪廓特征,人眼視覺系統(tǒng)對其識別的準(zhǔn)確性遠(yuǎn)遠(yuǎn)高于對目標(biāo)顏色和紋理等特征的識別,并且其識別的穩(wěn)定性更高,魯棒性也更高。所以,基于輪廓特征的車輛目標(biāo)識別是車輛識別領(lǐng)域中的最主要方法。本文以車輛目標(biāo)圖像的輪廓特征為研究方向,研究了車輛圖像的消噪增強,車輛輪廓的提取和簡化方法。首先,研究了車輛自然圖像的濾波消噪與圖像增強處理。本文提出一種改進的圖像濾波算法,以圖像強度和圖像梯度作為約束函數(shù),構(gòu)造圖像平滑函數(shù)的最優(yōu)化方程,將圖像處理問題轉(zhuǎn)化為數(shù)學(xué)問題,采用變量分離和交替優(yōu)化算法相結(jié)合的方法進行求解,并融合改進Retinex算法進行彩色圖像增強。實驗表明,本文算法處理圖像具有良好的效果。然后,研究了圖像分割方法和邊緣檢測算子算法。首先介紹了分水嶺分割算法、Graph Cut算法和Grab Cut算法;然后介紹了 Canny算子、Sobel算子等多種邊緣檢測算子算法,通過多方面比較對Sobel算子進行分析改進,提高了 Sobel算子的精度,細(xì)化了 Sobel算子的邊緣線條;最后描述了灰度變換、形態(tài)學(xué)處理和小區(qū)域填充,最終得到車輛目標(biāo)的邊緣。最后,研究了改進離散曲線演化的輪廓簡化算法。為了降低輪廓描述和匹配的復(fù)雜度,增強輪廓特征對邊界噪聲的魯棒性,同時考慮輪廓識別特征,提出一種基于離散曲線演化的輪廓簡化算法。首先定義控制離散曲線演化的閾值終止函數(shù),改進離散曲線演化算法。之后采用改進的離散曲線演化算法對輪廓進行特征演化提取,演化不規(guī)則的輪廓段,得到具有重要視覺成分的輪廓部分,從而簡化了輪廓描述的復(fù)雜度。
【學(xué)位單位】：沈陽理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TP391.41;U495
【部分圖文】：

最后是結(jié)論，主要對本文所做工作進行一個總結(jié)，并對下一步研宄的主要工逡逑作進行展望。逡逑全文算法流程如圖１．２：逡逑ＳＨ象分害逡逑圖像消噪增強一？邐＾邐—？目標(biāo)輪廓簡化￣？后續(xù)目標(biāo)識別逡逑圖１．２全文算法流程圖逡逑Ｆｉｇ．邋１．２邋Ｆｕｌｌ邋ｔｅｘｔ邋ａｌｇｏｒｉｔｈｍ邋ｆｌｏｗ邋ｃｈａｒｔ逡逑全文主要工作流程（車輛輪廓提�。┤鐖D１．３：逡逑Ｇｐ逡逑讀入車輛視頻并獲取幀數(shù)逡逑讀取第一^@逡逑ｒａ像消噪增強逡逑邐0＜Ｎ邐邐逡逑邊緣檢測逡逑提取目標(biāo)輪廓逡逑離eW曲線演化逡逑展示圖像逡逑邐ｎ＝ｎ＋ｌ逡逑（＾邋ｙ邐逡逑圖１．３車輛輪廓提取流程圖逡逑Ｆｉｇ．邋１．３邋Ｖｅｈｉｃｌｅ邋ｃｏｎｔｏｕｒ邋ｅｘｔｒａｃｔ

逑彩色圖像增強逡逑圖２．１方法流程圖逡逑Ｆｉｇ．邋２．１邋Ｍｅｔｈｏｄ邋ｆｌｏｗ邋ｃｈａｒｔ逡逑２．３圖像濾波數(shù)學(xué)模型逡逑２．３．１圖像濾波數(shù)學(xué)模型構(gòu)造逡逑假設(shè)原圖像為如圖２．２所示，圖中車輛為待提取目標(biāo)，背景包含其它車逡逑輛、商店、行人等多種干擾信息。逡逑圖２．２原圖像逡逑Ｆｉｇ．邋２．２邋Ｏｒｉｇｉｎａｌ邋ｉｍａｇｅ逡逑設(shè)濾波后的圖像為５，則構(gòu)造圖像像素強度和圖像梯度函數(shù)作為約束項：逡逑戶⑶，１。＋１１，丨。邐（２－１）逡逑其中，為濾波后圖像的圖像強度，為濾波后圖像的圖像梯度，逡逑－１３－逡逑

２．３圖像濾波數(shù)學(xué)模型逡逑２．３．１圖像濾波數(shù)學(xué)模型構(gòu)造逡逑假設(shè)原圖像為如圖２．２所示，圖中車輛為待提取目標(biāo)，背景包含其它車逡逑輛、商店、行人等多種干擾信息。逡逑圖２．２原圖像逡逑Ｆｉｇ．邋２．２邋Ｏｒｉｇｉｎａｌ邋ｉｍａｇｅ逡逑設(shè)濾波后的圖像為５，則構(gòu)造圖像像素強度和圖像梯度函數(shù)作為約束項：逡逑戶⑶，１。＋１１，丨。邐（２－１）逡逑其中，為濾波后圖像的圖像強度，為濾波后圖像的圖像梯度，逡逑－１３－逡逑

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳燕新,戚飛虎;一種新的提取輪廓特征點的方法[J];紅外與毫米波學(xué)報;1998年03期

2 譚久彬;圓輪廓特征綜合分析的探討與測量分析系統(tǒng)的研究[J];哈爾濱工業(yè)大學(xué)學(xué)報;1988年01期

3 王海曉;朱旭光;;一種基于斜率變化間接提取輪廓特征點的算法[J];軟件導(dǎo)刊;2010年11期

4 賀雙喜,張少軍,夏經(jīng)亮,楊春彥;應(yīng)用弧長提取輪廓特征點的方法[J];光電工程;2004年11期

5 呂岳;基于左右輪廓特征的打印體郵政編碼數(shù)字快速識別[J];通信學(xué)報;1997年07期

6 張世興;蔣國興;;基于凹輪廓特征的粗加工軌跡生成算法研究[J];裝備制造技術(shù);2008年05期

7 胡文才;邢坦;韓辰希;;基于顏色、輪廓特征融合的顯著性檢測[J];國外電子測量技術(shù);2018年01期

8 班孝坤;韓軍;陸冬明;王萬國;劉O

本文編號：2830285