隨著家用車普及率越來越高,人們?nèi)缃窠?jīng)常使用汽車外出旅行。到達(dá)目的地后為了解決停車問題,許多車主會通過手機(jī)或車載導(dǎo)航找到附近停車場的位置。但是這樣的系統(tǒng)只能顯示停車場的位置,不能為車主提供停車場空余車位信息,車主進(jìn)入停車場后依舊需要為尋找車位花費大量時間。人們迫切需求停車場能夠提供諸如已有停車數(shù)量、空余車位數(shù)量等更詳細(xì)的信息,而這就需要對已在停車位上的汽車進(jìn)行目標(biāo)檢測。本文將聚類算法與圖像處理結(jié)合,對停車場鳥瞰圖進(jìn)行圖像分割并進(jìn)一步處理得出停車場中車輛的目標(biāo)檢測圖像,為后續(xù)研發(fā)一個停車場車輛信息管理系統(tǒng)提供基礎(chǔ)信息,具體研究內(nèi)容如下:（1）首先介紹幾類常見的聚類算法:K-means、Mean Shift、FCM和DBSCAN算法的各自理論,討論了各自算法的優(yōu)缺點。并針對K-means算法、FCM算法的改進(jìn)算法進(jìn)行了探討。將兩個算法及其各自的改進(jìn)算法ISODATA及ENFCM算法應(yīng)用至圖像分割中,經(jīng)過高斯濾波、灰度變換、自適應(yīng)二值化等處理后得到停車場車輛目標(biāo)檢測圖像。通過對各算法的目標(biāo)檢測圖像進(jìn)行對比,證明改進(jìn)算法優(yōu)于各自原算法。（2）本文首先對密度峰值聚類算法（DPC）進(jìn)行了理論介紹,討... 

【文章來源】：安徽工業(yè)大學(xué)安徽省

【文章頁數(shù)】：85 頁

【學(xué)位級別】：碩士

【部分圖文】：

停車場圖像中所需檢測的車輛

第一步：初始設(shè)定簇的數(shù)目（在本例中，k3）聚類中心是在數(shù)據(jù)域內(nèi)隨機(jī)生成的（以顏色顯示）

第二步：將每個點劃歸于離其最近的聚類中心從而將所有點分成k簇

【參考文獻(xiàn)】：
期刊論文
[1]基于視覺顯著性與膚色分割的人臉檢測[J]. 鮑小如,陳瑞,曹雪虹,焦良葆.  計算機(jī)技術(shù)與發(fā)展. 2018(04)
[2]圖像分割新方法綜述[J]. 鄭曉曦,嚴(yán)俊龍.  計算機(jī)與數(shù)字工程. 2007(08)

碩士論文
[1]基于電子地圖的移動業(yè)務(wù)分布研究[D]. 檀亞峰.北京郵電大學(xué) 2016
[2]基于模糊聚類算法的圖像分割研究[D]. 買月梅.蘭州交通大學(xué) 2014



本文編號：3502935