近年來,隨著我國(guó)交通事業(yè)的不斷發(fā)展,路網(wǎng)規(guī)模不斷擴(kuò)張,對(duì)交通管理的要求也越來越高,而交通量數(shù)據(jù)是交通管理的基礎(chǔ)。傳統(tǒng)的交通量采集方法存在成本高、安裝部署及維護(hù)復(fù)雜、覆蓋面積小等缺點(diǎn)。隨著遙感圖像分辨率的提高,其包含的地物特征更加豐富,而且遙感圖像具有成本低、覆蓋面積廣等優(yōu)點(diǎn),為交通量檢測(cè)提供了新的途徑。但是目前的遙感圖像處理方法存在一些問題亟待解決。首先,目前道路提取方法效率較低,耗時(shí)較長(zhǎng),且與道路具有相似特征的區(qū)域不易被區(qū)分,導(dǎo)致虛警的發(fā)生;其次,傳統(tǒng)方法依賴于最佳閾值的選擇,對(duì)于不同來源的遙感圖像,車輛識(shí)別算法的準(zhǔn)確率低,導(dǎo)致交通指標(biāo)計(jì)算結(jié)果誤差較大;最后,車速估算方法自動(dòng)化程度不高,在圖像處理過程中需要人工輔助,費(fèi)時(shí)費(fèi)力。針對(duì)上述問題,本文提出了基于遙感圖像處理的交通量檢測(cè)與分析方法。本文旨在從遙感圖像中自動(dòng)化提取交通量數(shù)據(jù);通過超像素分割和特征提取方法構(gòu)建超像素詞袋,提取圖像特征向量用于訓(xùn)練支持向量機(jī),從而進(jìn)行道路區(qū)域提取;基于深度學(xué)習(xí)方法結(jié)合公開數(shù)據(jù)集,識(shí)別圖像中車輛;基于圖像匹配進(jìn)行全色圖像與多光譜圖像車輛模板匹配,計(jì)算位移和車速,進(jìn)行交通量分析。本文的主要研究?jī)?nèi)容如下:（... 

【文章來源】：上海交通大學(xué)上海市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：77 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

基于遙感圖像處理的交通量檢測(cè)與分析平臺(tái)應(yīng)用場(chǎng)景Fig.2-1Applicationsceneoftrafficdetectionandanalysisplatformbasedonremotesensingimageprocessing

基于遙感圖像處理的交通量檢測(cè)與分析-10-進(jìn)行處理，采用特征提取和深度學(xué)習(xí)結(jié)合的方法，提取出目標(biāo)區(qū)域，并自動(dòng)化識(shí)別車輛目標(biāo)，提出基于圖像匹配的車速估算策略。本文方法有效的解決了上述存在的多個(gè)問題，幫助用戶高效準(zhǔn)確的獲取流量、車速、車輛分布等基礎(chǔ)道路信息，提升交通管理和服務(wù)質(zhì)量。2.2基于遙感圖像處理的交通量檢測(cè)與分析方法框架基于2.1小節(jié)的應(yīng)用場(chǎng)景，本文提出基于遙感圖像處理的交通量檢測(cè)與分析方法框架。圖2-2基于遙感圖像處理的交通量檢測(cè)與分析方法框架Fig.2-2Frameworkoftrafficdetectionandanalysisplatformbasedonremotesensingimageprocessing如圖2-2所示，方法分為三層，分別是道路提娶車輛識(shí)別、交通量計(jì)算與分析。（1）道路提取層道路提取層主要負(fù)責(zé)遙感圖像的輸入和道路區(qū)域的輸出，對(duì)遙感圖像進(jìn)行預(yù)處理，并提取出感興趣區(qū)域。本文目的是對(duì)交通量進(jìn)行檢測(cè)和分析，道路提取減少了遙感圖像中其他區(qū)域的干擾，同時(shí)減少了圖像大小，降低了圖像處理的時(shí)間。首先對(duì)遙感圖像進(jìn)行預(yù)處理，

基于遙感圖像處理的交通量檢測(cè)與分析-16-圖3-1LBP值計(jì)算方法Fig.3-1CalculationmethodofLBP如圖3-1所示，所示的LBP算子定義在3×3的區(qū)域內(nèi)，以中間點(diǎn)為基準(zhǔn)，與其周圍8個(gè)像素點(diǎn)進(jìn)行比較，若周圍像素點(diǎn)比中間點(diǎn)的值大，則標(biāo)記位1，否則標(biāo)記位0，最終會(huì)得到一個(gè)8位二進(jìn)制數(shù)，將二進(jìn)制轉(zhuǎn)換為十進(jìn)制即為中心像素點(diǎn)的LBP值，總共會(huì)有256種結(jié)果，由于是對(duì)比相對(duì)大小，因此其對(duì)亮度變化不敏感。LBP特征圖譜通常不直接應(yīng)用于分類識(shí)別，因?yàn)長(zhǎng)BP特征與位置有關(guān)，直接采用LBP特征圖譜會(huì)由于沒有對(duì)準(zhǔn)導(dǎo)致誤差。本文采用LBP特征統(tǒng)計(jì)直方圖來描述圖像紋理特征，首先用超像素分割方法將圖像劃分為多個(gè)子區(qū)域，分別計(jì)算各子區(qū)域的LBP特征值，然后對(duì)每個(gè)子區(qū)域統(tǒng)計(jì)LBP特征值出現(xiàn)頻率，并做歸一化處理，這樣每個(gè)子區(qū)域可以由一個(gè)統(tǒng)計(jì)直方圖表示。除了紋理特征外，本文還考慮顏色特征作為道路提取的特征。顏色特征以直方圖形式進(jìn)行描述，顏色直方圖采用HSV顏色空間，統(tǒng)計(jì)不同區(qū)間的顏色在圖像中的出現(xiàn)頻率，適合描述不考慮物體空間位置的圖像。3.3SVM分類器訓(xùn)練本文提出一種基于超像素分割的改進(jìn)算法，來提高道路區(qū)域提取的精確度和效率。算法分為兩步，第一步是確定訓(xùn)練集圖片的特征選擇，即構(gòu)造SVM分類器的輸入，過程如下。

【參考文獻(xiàn)】：
期刊論文
[1]遙感圖像道路提取方法綜述[J]. 張永宏,何靜,闞希,夏廣浩,朱靈龍,葛濤濤.  計(jì)算機(jī)工程與應(yīng)用. 2018(13)
[2]基于手機(jī)信令的道路交通流量狀態(tài)識(shí)別及預(yù)測(cè)[J]. 胡斌杰,詹益旺.  移動(dòng)通信. 2015(10)
[3]一種高分辨率可見光遙感影像中車輛目標(biāo)檢測(cè)方法[J]. 谷正氣,李健,張勇,夏威,羅倫.  測(cè)繪通報(bào). 2015(01)
[4]基于視頻檢測(cè)技術(shù)的交通車流量研究[J]. 張虹波,匡銀虎.  計(jì)算機(jī)與現(xiàn)代化. 2014(12)
[5]從高分辨率遙感影像中提取道路信息的方法綜述及展望[J]. 項(xiàng)皓東.  測(cè)繪與空間地理信息. 2013(08)
[6]紋理與幾何特征在道路提取中的應(yīng)用[J]. 馬歡,楚恒,王汝言.  計(jì)算機(jī)與現(xiàn)代化. 2012(07)
[7]高分辨率衛(wèi)星影像車輛檢測(cè)研究進(jìn)展[J]. 劉珠妹,劉亞嵐,譚衢霖,任玉環(huán).  遙感技術(shù)與應(yīng)用. 2012(01)

碩士論文
[1]基于高分辨率遙感圖像的車輛分類識(shí)別研究[D]. 楊強(qiáng).北京交通大學(xué) 2017
[2]基于光學(xué)衛(wèi)星影像的車輛識(shí)別和速度估算研究[D]. 劉超超.北京交通大學(xué) 2015
[3]基于SVM和均值平移的紅外車輛目標(biāo)跟蹤算法研究[D]. 周燕.浙江師范大學(xué) 2012



本文編號(hào)：3244764