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,對停車場鳥瞰圖進行圖像分割并進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算法的改進算法進行了探討。將兩個算法及其各自的改進算法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)檢測圖像進行對比,證明改進算法優(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】：
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