论文部分内容阅读
汽车主动安全技术是汽车高新技术的重要组成部分,对于保障人民生命财产安全、提高交通运输效率、降低能源消耗等方面具有重要的现实意义。由于视觉传感器具有准确直观、使用灵活、互不干扰和性价比高等诸多优点,使得基于图像处理技术的汽车主动安全系统成为了当前汽车制造商和国内外众多学者的研究重点。本论文在深入分析了汽车主动安全系统中现有图像处理技术的基础上,结合经典的多分辨率分析和最新的稀疏表示理论,对汽车主动安全中图像超分辨率、车道线检测和目标跟踪等关键问题进行了深入研究。面向汽车主动安全的实际需求,提出了多种基于多分辨率分析和稀疏表示的图像处理方法,取得的主要创新性研究成果如下：1.提出了一种基于混合多分辨率分析的图像超分辨率方法。针对现有小波域插值超分辨率方法会产生边缘平滑和振铃伪影等问题,深入分析了不同多分辨率分析方法对图像中不同形态特征的表示差异,利用平稳小波变换和非下采样轮廓波变换分别能有效表示图像中平滑分量和纹理分量的特点,提出了一种基于混合多分辨率分析的图像超分辨率方法。由于平稳小波变换和非下采样轮廓波变换准确表示了图像的不同形态特征,使得图像超分辨率结果不但准确重建了图像平滑分量,而且有效保持了图像纹理的边缘。此外,由于平稳小波变换和非下采样轮廓波变换具有平移不变性,使得图像超分辨率结果不存在振铃伪影。实验结果验证了提出方法的有效性。2.提出了两种基于稀疏表示的图像超分辨率方法。针对基于混合多分辨率分析的图像超分辨率方法未充分利用高低分辨率样本图像先验信息的问题,利用稀疏表示方法能通过字典中少量原子揭示图像主要特征和内在结构的特点,提出了多形态样本训练集构造方法和多形态字典学习策略,依据高分辨率图像和低分辨率图像在对应字典表示下具有相同稀疏表示系数的假设,提出了一种基于多形态稀疏表示图像超分辨率方法。进而,在多形态稀疏表示方法的基础上,对平滑分量、纹理分量高分辨率重建过程分别引入全变分约束和非局部相似性约束,结合基于K-SVD和正交匹配追踪算法的多形态字典学习策略,又提出了一种基于形态学约束和稀疏表示的图像超分辨率方法。主观和客观评价都验证了两种方法的有效性。3.提出了一种基于方向和消失点约束的结构化道路车道线检测方法。针对基于像素级特征的结构化道路车道线检测方法易受路面条件、光照变化和阴影等干扰的问题,首先,提出了路面区域自适应分割方法,减少来自非道路区域的干扰,并用Laplacian滤波器对分割得到的路面区域进行滤波,消除来自外部环境的干扰。然后,通过高效的LSD(Line Segment Detector)算法提取路面感兴趣区域内的线段,利用线段作为低级特征分析结构化道路场景中车道线的几何信息。再结合方向和消失点先验信息,利用聚类分析方法,滤除非车道线的候选线段,得到准确的车道线检测结果。最终,提出了一种适用于结构化道路场景的基于方向和消失点约束的车道线检测方法。在多个复杂场景测试集上的车道线检测结果验证了提出方法的有效性。4.提出了一种基于超像素稀疏表示的目标跟踪方法。针对现有基于稀疏表示的目标跟踪方法对目标的结构特征和局部遮挡表示不够准确的问题,引入在表示图像结构特征方面有优势的超像素中层特征,改进稀疏表示理论中图像的基本表示形式,提高了对复杂场景中目标高效自适应表示的能力。同时,利用重建目标图像的超像素特征检测遮挡区域,能有效克服严重遮挡和漂移等干扰对跟踪过程的影响,避免了基于稀疏表示的跟踪方法必须引入琐碎模板导致计算代价高、遮挡检测不准确的问题。最终,在粒子滤波框架下提出了一种基于超像素和稀疏表示的目标跟踪方法。在多个复杂场景中对车辆和人跟踪的实验结果验证了提出算法的有效性。