分析学年论文 陈斌.docVIP

　　分析学年论文 陈斌 分析学年论文 陈斌导读： 题 目 学年论文 基于MATLAB图像处理的汽车车型识别 院 系 滨江学院 专 业 自动化 学生姓名 陈斌 学 号 20112336038 指导教师 吴毅 二Ｏ一五年 一 月 六 日 基于MATLAB图像处理的汽车车型识别 陈斌 南京信息工程大学滨江学院，南京 210044 1.摘要 随着汽车工业的发展，经济的发展，越来越多的人拥有了汽车，在人们享受汽车带来便利的同时也给公共交通带来了巨大的压力。智能交通系统的出现，很好的缓解了这一压力。车型检测是智能交通系统中关键的一个部分。本文研究的问题是基于车辆侧身图像的特征研究，实现车辆类型的判别。 首先是基于车身侧面图像的车长测量，通过自适应背景更新的方法生成动态背景，利用背景差分检测出运动区域，再对图像依次进行中值滤波去噪声，Ostu阈值分割，投影变换，根据投影的结果，计算出车辆的像素长度，再根据标定的结果，得出汽车的实际长度，可以通过这个长度将车辆的类型划分成大型车，中型车，小型车。 其次是基于车身侧面图像的轮距测量，用Prep、 jpg、 tiff、 gif等）进行打开、保存、另存、打印、退出等功能操作； 2) 图像预处理功能： （1）直方图的统计及绘制，根据此找到图像的阈值点； （2）可将图像的各种几何矫正变换； （3）彩 像的灰度化变换等、一般灰度图像的二值化处理等； （4）数字图像的增强处理功能：空域中的点运算、直方图的均衡化、各种空 间域平滑算法（如局部平滑滤波法、中值滤波等）、锐化算法（如梯度锐化法、高通滤波等）；色彩增强：伪彩色增强、真彩色增强等； 1图像预处理及定位 （1）预处理实现方案 为了图像处理方便，应对汽车侧面进行图像帧的摄取，可以容忍由于拍摄时轻微倾斜而引起的图像偏差；摄取的图像含有一定的噪声，先对车辆图像进行预处理，以消除大部分的噪声干扰，然后对图像再进行边缘检测以提取车辆轮廓为模式识别做准备 1．1灰度图像 在光线较弱的情况下，灰度图像相对于彩 像清晰度较高，因此为了适应不同的光线条件有必要把彩 像转换为灰度图像，这样既满足了处理需要，又减少了信息运算量。对一幅含噪声的彩 像(如图2)进行预处理，经灰度线性变换可得到灰度图像(如图3)。 1．2图像平滑去噪 对于车型识别来说，最重要的是保持车辆轮廓的清晰，同时应该能够清除高频噪声。中值滤波恰好符合这一条件。中值滤波的基本思想是用像素点邻域灰度值的中值来代替该像素点的灰度值。中值滤波器是一种非线性平滑滤波器，它能够很好地抑制脉冲干扰，使得图像的边缘不变模糊。该方法在去除脉冲噪声、椒盐噪声的同时又能保留图像边缘细节。这是因为它不依赖于邻域内那些与典型值差别很大的值。经中值滤波处理后的图像如图4所示。通过图像锐化，可让一些关键部分更显突出。拉普拉斯锐化效果如图5所示。在汽车车型自动识别系统中，从CCD摄像头获取的图像中除了汽车之外还有许多其他的物体和背景，为了进一步提取汽车特征，辨识车型，图像分割是必需的。其实，图像分割就是把数字图像划分成互不相交或不重叠区域的过程。图像分割的基本思路是从简到难，逐级分割；控制背景环境，降低分割难度；一般是把焦点放在增强感兴趣对象，缩小不相干图像成分的干扰上。图像分割的方法比较多，例如：阈值分割、边缘增强、区域增长、二值图像分割等。带有车辆的图像一旦可以分割，就可以作进一步的识别处理。 1．3二值化处理 域值分割技术是经典的、流行的图像分割方法之一，这种方法的关键在于寻找适当的灰度域值。因此，在汽车车型灰度图像进行图像分割时，首先要找到车辆和背景的灰度阈值0。方法是统计车辆图像中各个灰度级中像素的个数，然后做出其灰度直方图(如图3～13)，根据图像阈值选取技术获取车辆灰度值的上界(Tmin)和下界(Tmax)，使车型图像二值化，即使车型为白色(灰度值最大)，背景为黑色(灰度值最小)。二值化车型图像如图6所示。设图像中像素值的灰度大小为T，则有： 1．4 Sobel边缘检测 在这里，最为感兴趣的是车辆的轮廓，故使用基于图像边缘提取的图像分割技术。目前，边缘检测方法有很多，例如：梯度算子、Sobel算子、拉普拉斯算子、Prewitt算子等。利用Sobel算子可检测得到一幅车辆边缘图像(如图7)。很明显，经过边缘化后，在汽车图像轮廓周围产生了许多噪声。当然，出现噪声是不可避免的，可采用翻转法尽可能地对噪声进行剔除。 1．5图像横向填充与纵向填充 经过处理后的车辆轮廓图像存在离散的点和线。为了便于提取车辆的信息特征，对车辆边缘化图像需做进一步的处理，可采用图像横向填充、纵向填充和修正等技