面向车辆识别的目标检测与分割模块设计

发布时间：2020-09-29 21:31

　　车辆目标是重要的军事和民用目标,对于车辆目标的识别有利于各方面的研究。关于车辆目标的识别,依据车辆图像不同特征可大致分为基于车辆目标的纹理、颜色和车辆轮廓等车辆目标识别方法。认知心理学家主张:对于目标轮廓特征,人眼视觉系统对其识别的准确性远远高于对目标颜色和纹理等特征的识别,并且其识别的稳定性更高,鲁棒性也更高。所以,基于轮廓特征的车辆目标识别是车辆识别领域中的最主要方法。本文以车辆目标图像的轮廓特征为研究方向,研究了车辆图像的消噪增强,车辆轮廓的提取和简化方法。首先,研究了车辆自然图像的滤波消噪与图像增强处理。本文提出一种改进的图像滤波算法,以图像强度和图像梯度作为约束函数,构造图像平滑函数的最优化方程,将图像处理问题转化为数学问题,采用变量分离和交替优化算法相结合的方法进行求解,并融合改进Retinex算法进行彩色图像增强。实验表明,本文算法处理图像具有良好的效果。然后,研究了图像分割方法和边缘检测算子算法。首先介绍了分水岭分割算法、Graph Cut算法和Grab Cut算法;然后介绍了 Canny算子、Sobel算子等多种边缘检测算子算法,通过多方面比较对Sobel算子进行分析改进,提高了 Sobel算子的精度,细化了 Sobel算子的边缘线条;最后描述了灰度变换、形态学处理和小区域填充,最终得到车辆目标的边缘。最后,研究了改进离散曲线演化的轮廓简化算法。为了降低轮廓描述和匹配的复杂度,增强轮廓特征对边界噪声的鲁棒性,同时考虑轮廓识别特征,提出一种基于离散曲线演化的轮廓简化算法。首先定义控制离散曲线演化的阈值终止函数,改进离散曲线演化算法。之后采用改进的离散曲线演化算法对轮廓进行特征演化提取,演化不规则的轮廓段,得到具有重要视觉成分的轮廓部分,从而简化了轮廓描述的复杂度。
【学位单位】：沈阳理工大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TP391.41;U495
【部分图文】：

流程图,轮廓提取,车辆,流程图

最后是结论，主要对本文所做工作进行一个总结，并对下一步研宄的主要工逡逑作进行展望。逡逑全文算法流程如图１．２：逡逑ＳＨ象分害逡逑图像消噪增强一？逦＾逦—？目标轮廓简化￣？后续目标识别逡逑图１．２全文算法流程图逡逑Ｆｉｇ．邋１．２邋Ｆｕｌｌ邋ｔｅｘｔ邋ａｌｇｏｒｉｔｈｍ邋ｆｌｏｗ邋ｃｈａｒｔ逡逑全文主要工作流程（车辆轮廓提取）如图１．３：逡逑Ｇｐ逡逑读入车辆视频并获取帧数逡逑读取第一^@逡逑ｒａ像消噪增强逡逑逦0＜Ｎ逦逦逡逑边缘检测逡逑提取目标轮廓逡逑离eW曲线演化逡逑展示图像逡逑逦ｎ＝ｎ＋ｌ逡逑（＾邋ｙ逦逡逑图１．３车辆轮廓提取流程图逡逑Ｆｉｇ．邋１．３邋Ｖｅｈｉｃｌｅ邋ｃｏｎｔｏｕｒ邋ｅｘｔｒａｃｔ

原图,图像梯度,图像滤波

逑彩色图像增强逡逑图２．１方法流程图逡逑Ｆｉｇ．邋２．１邋Ｍｅｔｈｏｄ邋ｆｌｏｗ邋ｃｈａｒｔ逡逑２．３图像滤波数学模型逡逑２．３．１图像滤波数学模型构造逡逑假设原图像为如图２．２所示，图中车辆为待提取目标，背景包含其它车逡逑辆、商店、行人等多种干扰信息。逡逑图２．２原图像逡逑Ｆｉｇ．邋２．２邋Ｏｒｉｇｉｎａｌ邋ｉｍａｇｅ逡逑设滤波后的图像为５，则构造图像像素强度和图像梯度函数作为约束项：逡逑户⑶，１。＋１１，丨。逦（２－１）逡逑其中，为滤波后图像的图像强度，为滤波后图像的图像梯度，逡逑－１３－逡逑

构造图,方法流程,图像梯度,图像滤波

２．３图像滤波数学模型逡逑２．３．１图像滤波数学模型构造逡逑假设原图像为如图２．２所示，图中车辆为待提取目标，背景包含其它车逡逑辆、商店、行人等多种干扰信息。逡逑图２．２原图像逡逑Ｆｉｇ．邋２．２邋Ｏｒｉｇｉｎａｌ邋ｉｍａｇｅ逡逑设滤波后的图像为５，则构造图像像素强度和图像梯度函数作为约束项：逡逑户⑶，１。＋１１，丨。逦（２－１）逡逑其中，为滤波后图像的图像强度，为滤波后图像的图像梯度，逡逑－１３－逡逑

【相似文献】