面向汽車主動安全的圖像處理關鍵技術研究.pdf

1、汽車主動安全技術是汽車高新技術的重要組成部分，對于保障人民生命財產(chǎn)安全、提高交通運輸效率、降低能源消耗等方面具有重要的現(xiàn)實意義。由于視覺傳感器具有準確直觀、使用靈活、互不干擾和性價比高等諸多優(yōu)點，使得基于圖像處理技術的汽車主動安全系統(tǒng)成為了當前汽車制造商和國內(nèi)外眾多學者的研究重點。本論文在深入分析了汽車主動安全系統(tǒng)中現(xiàn)有圖像處理技術的基礎上，結合經(jīng)典的多分辨率分析和最新的稀疏表示理論，對汽車主動安全中圖像超分辨率、車道線檢測和目標跟蹤等

2、關鍵問題進行了深入研究。面向汽車主動安全的實際需求，提出了多種基于多分辨率分析和稀疏表示的圖像處理方法，取得的主要創(chuàng)新性研究成果如下:
　　1.提出了一種基于混合多分辨率分析的圖像超分辨率方法。針對現(xiàn)有小波域插值超分辨率方法會產(chǎn)生邊緣平滑和振鈴偽影等問題，深入分析了不同多分辨率分析方法對圖像中不同形態(tài)特征的表示差異，利用平穩(wěn)小波變換和非下采樣輪廓波變換分別能有效表示圖像中平滑分量和紋理分量的特點，提出了一種基于混合多分辨率分析的圖

3、像超分辨率方法。由于平穩(wěn)小波變換和非下采樣輪廓波變換準確表示了圖像的不同形態(tài)特征，使得圖像超分辨率結果不但準確重建了圖像平滑分量，而且有效保持了圖像紋理的邊緣。此外，由于平穩(wěn)小波變換和非下采樣輪廓波變換具有平移不變性，使得圖像超分辨率結果不存在振鈴偽影。實驗結果驗證了提出方法的有效性。
　　2.提出了兩種基于稀疏表示的圖像超分辨率方法。針對基于混合多分辨率分析的圖像超分辨率方法未充分利用高低分辨率樣本圖像先驗信息的問題，利用稀疏表

4、示方法能通過字典中少量原子揭示圖像主要特征和內(nèi)在結構的特點，提出了多形態(tài)樣本訓練集構造方法和多形態(tài)字典學習策略，依據(jù)高分辨率圖像和低分辨率圖像在對應字典表示下具有相同稀疏表示系數(shù)的假設，提出了一種基于多形態(tài)稀疏表示圖像超分辨率方法。進而，在多形態(tài)稀疏表示方法的基礎上，對平滑分量、紋理分量高分辨率重建過程分別引入全變分約束和非局部相似性約束，結合基于K-SVD和正交匹配追蹤算法的多形態(tài)字典學習策略，又提出了一種基于形態(tài)學約束和稀疏表示的圖

5、像超分辨率方法。主觀和客觀評價都驗證了兩種方法的有效性。
　　3.提出了一種基于方向和消失點約束的結構化道路車道線檢測方法。針對基于像素級特征的結構化道路車道線檢測方法易受路面條件、光照變化和陰影等干擾的問題，首先，提出了路面區(qū)域自適應分割方法，減少來自非道路區(qū)域的干擾，并用Laplacian濾波器對分割得到的路面區(qū)域進行濾波，消除來自外部環(huán)境的干擾。然后，通過高效的LSD(LineSegmentDetector)算法提取路面感興

6、趣區(qū)域內(nèi)的線段，利用線段作為低級特征分析結構化道路場景中車道線的幾何信息。再結合方向和消失點先驗信息，利用聚類分析方法，濾除非車道線的候選線段，得到準確的車道線檢測結果。最終，提出了一種適用于結構化道路場景的基于方向和消失點約束的車道線檢測方法。在多個復雜場景測試集上的車道線檢測結果驗證了提出方法的有效性。
　　4.提出了一種基于超像素稀疏表示的目標跟蹤方法。針對現(xiàn)有基于稀疏表示的目標跟蹤方法對目標的結構特征和局部遮擋表示不夠準確

7、的問題，引入在表示圖像結構特征方面有優(yōu)勢的超像素中層特征，改進稀疏表示理論中圖像的基本表示形式，提高了對復雜場景中目標高效自適應表示的能力。同時，利用重建目標圖像的超像素特征檢測遮擋區(qū)域，能有效克服嚴重遮擋和漂移等于擾對跟蹤過程的影響，避免了基于稀疏表示的跟蹤方法必須引入瑣碎模板導致計算代價高、遮擋檢測不準確的問題。最終，在粒子濾波框架下提出了一種基于超像素和稀疏表示的目標跟蹤方法。在多個復雜場景中對車輛和人跟蹤的實驗結果驗證了提出算法