計算機科學的興起,促進了模式識別以及機器學習等領(lǐng)域的理論研究和實際應用。行人檢測作為該領(lǐng)域研究的重點,復雜的檢測環(huán)境及其較大的非剛體特性,給其大范圍應用帶來了極大的挑戰(zhàn)。相較于正常光照環(huán)境下的行人檢測效果,現(xiàn)有算法在背景多樣、前景遮擋以及霧霾等受光照影響較大的復雜工況下性能嚴重下降。如果直接對霧霾等復雜工況下采集的圖像進行目標檢測會產(chǎn)生比較嚴重的誤檢和漏檢。因此,針對這一問題,本文提出了一種基于可變形部件模型的霧霾環(huán)境下的行人檢測算法來提升霧霾環(huán)境下行人檢測的效率。主要研究內(nèi)容如下:首先,霧霾圖片的判定研究。通過對大量相同環(huán)境下的清晰圖片和霧霾圖片進行綜合對比,發(fā)現(xiàn)它們在均方差、峰值信噪比、結(jié)構(gòu)相似性以及信息熵等參數(shù)方面存在明顯的差異。以圖像信息熵為質(zhì)量評價指標,將輸入圖像的信息熵與設(shè)定閾值進行比較,進而決定是否需要去霧操作。實驗表明,該方法能有效對輸入圖像的霧霾進行鑒定判別。其次,霧霾圖片去霧清晰化研究。目前,圖像去霧技術(shù)主要包括以數(shù)學建模為基礎(chǔ)的圖像復原技術(shù)和基于人體視覺的圖像增強技術(shù)。通過比較Retinex、暗通道先驗(Dark Channel Prior,DCP)等經(jīng)典去霧算法...

【文章頁數(shù)】：75 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 圖像去霧研究
        1.2.2 行人檢測研究
    1.3 當前存在的問題以及本文研究內(nèi)容
        1.3.1 當前存在的問題
        1.3.2 本文研究內(nèi)容
    1.4 本文主要創(chuàng)新點
    1.5 全文章節(jié)安排
第2章 霧霾的檢測判別
    2.1 霧霾圖像模糊的本質(zhì)
    2.2 圖像質(zhì)量評價方法
    2.3 圖像霧霾的檢測判別
        2.3.1 霧霾行人數(shù)據(jù)集
        2.3.2 霧霾判別結(jié)果
    2.4 本章小結(jié)
第3章 圖像去霧清晰化
    3.1 基于圖像增強的去霧算法
        3.1.1 直方圖均衡化算法
        3.1.2 Retinex算法
        3.1.3 同態(tài)濾波算法
    3.2 基于圖像復原的去霧算法
        3.2.1 暗通道先驗算法
    3.3 改進后的暗通道先驗去霧算法
        3.3.1 全局光照強度推算
        3.3.2 透射率的求解
        3.3.3 去霧算法效果對比
    3.4 本章小結(jié)
第4章 基于視頻序列與特征的行人檢測
    4.1 基于視頻序列的行人檢測
        4.1.1 光流法
        4.1.2 幀差法
        4.1.3 高斯背景差分法
    4.2 基于特征的行人檢測
        4.2.1 HOG特征
        4.2.2 Haar特征
        4.2.3 LBP特征
    4.3 各算法檢測結(jié)果分析
    4.4 本章小結(jié)
第5章 基于可變形部件模型的行人檢測
    5.1 圖像特征表示
        5.1.1 增強型HOG特征
        5.1.2 特征金字塔
    5.2 DPM模型結(jié)構(gòu)及其參數(shù)訓練
        5.2.1 DPM模型結(jié)構(gòu)
        5.2.2 Latent SVM訓練
    5.3 DPM模型匹配與目標檢測
    5.4 改進后的DPM行人檢測算法
        5.4.1 DPM存在的主要問題
        5.4.2 行人候選窗口的提取
    5.5 實驗結(jié)果分析
    5.6 本章小結(jié)
第6章 總結(jié)與展望
    6.1 全文總結(jié)
    6.2 研究展望
參考文獻
致謝
攻讀碩士學位期間的研究成果



本文編號：3956507