基于高分辨率航空影像高速公路汽車目標檢測算法研究.pdf

1、汽車目標檢測是智能交通研究領(lǐng)域中信息采集方面一個非常重要的課題，基于航空影像的汽車目標檢測也是圖像處理研究的一個熱點。因為城市的高速發(fā)展，汽車數(shù)量的急劇增加，造成交通擁堵異常嚴重。因此，在交通規(guī)劃、控制與管理方案的制定過程中，如何保證道路交通網(wǎng)絡(luò)與城市發(fā)展相協(xié)調(diào)，如何保證交通調(diào)查資料的全面性與現(xiàn)勢性，優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu)，實現(xiàn)城市交通網(wǎng)絡(luò)的合理布局，使交通網(wǎng)絡(luò)能充分、高效地發(fā)揮作用，顯得極為重要?；诟叻直媛屎娇沼跋襁M行汽車目標檢測研究正好可以

2、充分利用高分辨率航空遙感圖像的豐富空間信息，為交通管理部門提供必要的汽車流量信息，從而實現(xiàn)真正的、合理化的“智能”交通。
　　 本論文在對高分辨率航空影像數(shù)據(jù)進行數(shù)字鑲嵌，裁剪得到典型的高速公路影像基礎(chǔ)上，采用最大方差法，邊緣檢測法，模板匹配法，以及灰度數(shù)學形態(tài)學和二值數(shù)學形態(tài)學算法結(jié)合進行汽車目標檢測研究，本論文圍繞汽車目標檢測所展開的研究工作主要如下：
　　 (1)研究了基于閾值分割算法的最大方差(Otsu)法，通過

3、自動確定最佳閾值，將高分辨率航空高速公路影像二值化，結(jié)合二值數(shù)學形態(tài)學開運算操作進行汽車目標檢測。實驗結(jié)果表明，該算法對于背景簡單的影像有很高的檢測率；但對于背景復(fù)雜的影像進行汽車目標檢測，正確率偏低。
　　 (2)研究了幾種典型的邊緣檢測二值化算法，結(jié)合二值數(shù)學形態(tài)學算法進行汽車目標檢測。實驗結(jié)果表明，基于Robert算子邊緣檢測二值化圖像邊緣連續(xù)性不如基于Sobel算子，Prewitt算子的邊緣檢測二值化圖像；基于Sobel

4、算子，Prewitt算子的邊緣檢測二值化圖像效果不如Laplace邊緣檢測結(jié)果二值化圖像和Canny邊緣檢測結(jié)果二值化圖像；Canny算子是所有邊緣檢測算子中檢測效果最好的。但汽車目標檢測研究結(jié)果表明，對于簡單背景，利用Sobel算子和二值數(shù)學形態(tài)學方法結(jié)合，汽車目標檢測率最高；對于復(fù)雜背景，利用Canny算子或Sobel算子和二值數(shù)學形態(tài)學方法結(jié)合，汽車目標檢測效果最好，但復(fù)雜背景汽車目標檢測成功率很低。
　　 (3)研究了基

5、于模板匹配算法高分辨率航空影像高速公路汽車目標檢測。實驗結(jié)果證明，由于航空影像分辨率高，汽車目標細節(jié)清晰，因此，模板匹配算法檢測汽車目標的關(guān)鍵在于建立各汽車品牌，各汽車車型的模板庫。但模板匹配與最大方差法，邊緣檢測法相比，其計算量巨大；同時，由于汽車品牌眾多，各品牌汽車車型也很多，要建立的模板庫工作量也很巨大。
　　 (4)研究了基于灰度數(shù)學形態(tài)學和二值數(shù)學形態(tài)學算法結(jié)合，高分辨率航空影像高速公路汽車目標檢測。針對復(fù)雜背景，提出

6、了高帽變換和開運算結(jié)合，通過篩除大地物(暗背景)及小地物，可以檢測到亮背景上的汽車目標；利用低帽變換和閉運算結(jié)合，并篩除小地物，可以檢測到暗背景上的汽車目標；將開運算和閉運算檢測得到的汽車目標疊加，并進行“雙影”消除。該算法汽車目標檢測調(diào)和平均值(Fm)達94％以上，能取得良好的汽車目標檢測效果。
　　 (5)總的來說，灰度數(shù)學形態(tài)學和二值數(shù)學形態(tài)學算法結(jié)合用于汽車目標檢測，與基于最大方差法、邊緣檢測算法相比，汽車目標檢測準確率