基于模型的目標提取及其在智能交通中的應用.pdf

1、隨著圖像處理和模式識別技術以及計算機硬件水平的提高，越來越多的信息是通過對圖像或視頻的處理和分析來獲得的。在智能交通系統(tǒng)中兩個非常重要的信息——交通工具標識碼以及道路交通信息就可以通過對圖像或視頻的處理和分析來獲得。本論文主要研究了從復雜的背景中提取出靜態(tài)的交通工具標識碼以及動態(tài)的運動車輛的主要關鍵技術和算法。 實際中通過攝像機采集到的交通工具圖像中往往包含有大量的噪聲，因此交通工具標識碼往往很難通過簡單的處理直接獲得。為此，首

2、先提出了一種魯棒的圖像預處理算法。該算法在突出交通工具圖像中的文字特征的同時，抑制了圖像中的各種噪聲，并且最大程度地降低了光照的不均勻?qū)ψ址崛〉挠绊?。在圖像預處理過程中，結(jié)合了自適應線性濾波以及自適應非線性濾波各自的特點，使得預處理后的圖像通過簡單的投影直方圖分析即可得到較好的定位結(jié)果。然后根據(jù)實際中的交通工具標識碼中各字符間的相互位置和排列關系，提出了一系列的標準字符排列模型。最后計算定位得到的各備選字符行中各字符之間的排列關系，將

3、所有備選字符行字符的排列關系依原始位置進行組合后，再與標準排列模型進行匹配即可得到標識碼的自動分割結(jié)果?；谂帕心Ｐ偷慕煌üぞ邩俗R碼自動提取算法可以很好地抵抗圖像中其他字符或標識的影響，試驗證明具有很高的正確提取率。 對于運動車輛的檢測或提取，一種廣泛采用的方法是背景減法。背景減法進行運動目標檢測的關鍵技術之一是背景的建模方法。一種好的背景建模方法得到的背景模型應能準確地反映真實背景的變化。本論文中提出了兩種有效的背景建模方法：

4、基于判決反饋的背景建模方法和基于近似中值濾波的背景建模方法。基于判決反饋的背景建模方法根據(jù)背景減法后象素屬于前景或背景的判決結(jié)果來進行背景的更新，只有那些被判為背景的當前點才參與當前背景的更新中。通過這種方法，可以很好地消除運動目標在背景更新過程中造成的“拖尾”效應?；诮浦兄禐V波的背景建模方法克服了傳統(tǒng)中值濾波運算量大和對內(nèi)存需求高的缺點，采用近似方法迭代得到圖像序列的中間值，并以其作為背景的估計?？紤]到利用圖像的顏色信息能夠更加準

5、確地進行運動目標的檢測，論文中還使用了一種運算簡單的顏色空間模型——rgs顏色空間模型。試驗結(jié)果表明，基于顏色信息的判決反饋法背景建模以及基于顏色信息的近似中值濾波法背景建模均能取得很好的背景模型，同時基于顏色信息的運動目標檢測能夠有效消除運動車輛的陰影對車輛檢測的影響。 在論文的最后，討論了運動車輛檢測在整個交通信息采集系統(tǒng)中的作用，并探討了嵌入式DSP系統(tǒng)中開發(fā)交通信息采集系統(tǒng)時的幾種優(yōu)化方法。試驗表明，經(jīng)過這樣的優(yōu)化以后，