基于MATLAB图像处理的汽车车型识别.doc

基于MATLAB图像处理的汽车车型识别 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Prewitt算子对图像进行边缘检测，再使用沈俊算子对原图进行边缘检测，将两种算子检测后的图像进行与操作，得到一个比较清晰的边缘图像，为了尽量减少无关边缘对Hough圆检测的干扰，把边缘图像的水平线去除，最后检测圆，获得两个车轮的位置，计算出车轮的像素距离，根据标定的结果，得出实际的车轮距离，通过此距离同样可以判断出大型车，中型车，小型车，相比较前一种方法的识别率更高。最后是在前两章研究的基础上，通过链码跟踪，在二值图像中获得汽车的轮廓图像，通过链码计算出汽车的顶部和车长的比，车高与车长的比和汽车的相对矩，再结合汽车的轮距特征，可以判别出货车，轿车 关键词：背景更新 ，图像分割 ，边缘检测，二值化，车型识别 2．设计的内容? 主要功能：? 1.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）彩色图像的灰度化变换等、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；? 2.处理功能：? ??? 车识别：从图像中提取出车辆的轮廓并辨别出车型? 3.原理方法：? ???? 首先对图像做了压缩和归一化处理，得到统一大小的背景图和前景图。分别对两幅图做灰度变换。再将含有汽车的前景图像和背景图像进行差分运算去除背景干扰，迭代阈值分割的方法提取到目标车辆轮廓。经过小面积区域去除和横纵填充后，得到比较利于分析的汽车外形图。在汽车车型识别中按标准分析了各种不同的车辆形状，抽象出了车辆的一般形状的“工”字形，以车辆顶长作中垂线分下底长的前后比例数、顶长等作为参数，提取出特征参数，用于车型的识别。利用小孔成像的原理，推算出长和车高。? 3．各个功能的实现程序及结果? 1)?能对图像文件（bmp、?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）彩色图像的灰度化变换等、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） 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，灰度图像相对于彩色图像清晰度较高，因此为了适应不同的光线条件有必要把彩色图像转换为灰度图像，这样既满足了处理需要，又减少了信息运算量。对一幅含噪声的彩色图像(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