论文部分内容阅读
随着视频技术的发展,应用CCD相机瞬间捕捉物体的图像的质量越来越高,加上对图像处理深入的研究,图像识别在车辆领域的使用越来越广泛,其主要应用在智能交通和车辆性能参数检测两方面。其主要实例为车牌识别和车型识别方面。在车牌识别系统中,依次使用车牌定位、字符分割和字符识别进行图像处理:车型识别系统中,进行车型识别的过程大致可分成以下几步:图像分割、特征提取、用分类器进行识别。从这两种应用可以归纳出基于图像识别的核心问题和关键技术为目标车辆区域的分割和提取、车辆特征的选取。本文利用图像处理理论,提出一种对完整车辆图像的分割算法和边界提取算法。本文的整体算法设计是将拍摄到的车辆图像进行灰度化处理,把车辆图像分割出来,针对图片上的噪声,提出合理的去除噪声方法,然后提取出完整的车辆外轮廓曲线,最后对轮廓曲线进行分析,提取关键线或关键点用于实际的应用,即跑偏量的计算和车辆尺寸的测量。具体的研究工作如下:通过几种动态物体检测方法的对比研究,提出一种适用性的检测方法,并针对这一方法设计硬件组成;对车辆图像和背景图像进行差分运算,运算结果为:背景图像消减至很微弱,而车辆图像很突出;接着通过对几种图像分割算法在应用效果上对比,选取最稳定和精度高的算法对图像进行分割,得到只剩车辆部分及车身附带噪声韵图像:选用合适的结构元素,使用形态学操作对图像中噪声进行滤除;由于普通的边界提取算法在实际应用中会出现断线和断点的问题,通过对断线和断点产生原因的分析,提拙一种新的边界提取方法,提取出闭合的外轮廓曲线;通过对外轮廓曲线的形状分析,选取适用的关键点,提出一种适用的扫描方法实现对关键点的提取;使用取的关键点表征车辆的运动状态,对车辆跑偏量进行计算,而在尺寸测量上先使用关键点坐标计算出车辆倾角,对车辆轮廓曲线进行旋转之后,再使用扫描的方法计算其尺寸。