低照度图像增强与车辆识别技术研究

发布时间：2023-11-04 10:50

　　随着汽车的广泛普及以及传统车辆驾驶方式存在的弊端,无人驾驶技术及其辅助技术已经成为未来汽车的重要发展方向。无人驾驶技术作为一种新型驾驶技术,在拓宽驾驶领域、降低交通事故、解决交通拥堵等问题方面都有着深远的影响。本文以无人驾驶为出发点,研究机器视觉在低照度环境下车辆检测中的应用。无人驾驶技术落地需要满足多种不良因素下车辆正常行驶的要求,低照度环境是最主要的不良因素之一,同时车辆是无人驾驶中最重要的检测目标。为了扩展无人驾驶的应用领域,本文改进了低照度图像增强算法并在此基础上实现对车辆的检测。本文的主要研究内容如下:1、设计系统总体方案。在研究国内外发展现状的基础上,设计了低照度图像增强与车辆识别总体方案,包括方案的整体流程以及相关软件、低照度图像数据集的选取。2、提出改进的低照度图像增强算法。低照度图像增强算法,能提升低照度图像中的有用信息,进而提升图像质量。本文在研究分析传统低照度图像增强算法的基础上,通过算法原理以及低照度图像增强实验结果对传统低照度图像增强算法进行评价,结合无人驾驶领域内低照度图像增强算法的需求,选择并改进传统低照度图像增强算法。3、分析改进的低照度图像增强算法性能...

【文章页数】：80 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 课题研究的背景及意义
    1.2 国内外研究现状
        1.2.1 国内外无人驾驶研究现状
        1.2.2 国内外低照度图像增强算法研究现状
        1.2.3 国内外车辆识别研究现状
    1.3 本文的研究内容
第二章 传统低照度图像增强算法分析与实验
    2.1 直方图均衡化
        2.1.1 直方图均衡化的实现原理
        2.1.2 图像直方图均衡化的实验分析
    2.2 gamma校正
        2.2.1 gamma校正的实现原理
        2.2.2 gamma校正的实验分析
    2.3 同态滤波
        2.3.1 同态滤波的实现原理
        2.3.2 同态滤波滤波函数
        2.3.3 同态滤波的实验分析
        2.3.4 同态滤波的优缺点
    2.4 空域同态滤波
        2.4.1 空域同态滤波的实现
        2.4.2 低通滤波器的近似实现
    2.5 Retinex理论
        2.5.1 Retinex实现原理
        2.5.2 单尺度Retinex算法
        2.5.3 多尺度Retinex算法
        2.5.4 带颜色恢复的多尺度Retinex算法
    2.6 本章小结
第三章 低频优化的自适应空域同态滤波算法
    3.1 夜间道路采集环境分析
    3.2 低照度增强算法条件分析
    3.3 低频优化的自适应空域同态滤波
        3.3.1 低频优化的自适应空域同态滤波原理
        3.3.2低频优化的自适应空域同态滤波图像增强实例实验
    3.4 算法性能评价标准
        3.4.1 图像主观评价指标
        3.4.2 图像客观评价指标
        3.4.3 算法最终评价指标选择
    3.5 实验对比分析
        3.5.1 各低照度增强算法运算速度分析
        3.5.2 各低照度增强算法主观评价指标分析
        3.5.3 各低照度增强算法客观评价指标分析
        3.5.4 各低照度图像增强算法综合评价
    3.6 本章小结
第四章 图像去噪与车辆识别
    4.1 图像去噪算法分析
        4.1.1 均值滤波
        4.1.2 中值滤波
        4.1.3 频域去噪算法
        4.1.4 双边滤波
        4.1.5去噪算法对比实验
    4.2 车辆检测原理
        4.2.1 车辆识别技术
        4.2.2 车辆分类方法
    4.3车辆检测实验
        4.3.1 支持向量机的训练
        4.3.2 车辆的识别
        4.3.3 热力图过滤错误检测
    4.4 本章小结
第五章 总结与展望
    5.1 全文总结
    5.2 后续工作展望
参考文献
致谢



本文编号：3860157