智能交通車輛圖像處理技術(shù)研究.pdf

1、車輛圖像處理是智能交通系統(tǒng)感知環(huán)境的最主要手段,是智能交通系統(tǒng)中發(fā)揮作用的關(guān)鍵技術(shù)之一。車輛圖像的表示和車輛圖像內(nèi)容的理解是獲得各種交通參數(shù)、判別各種交通狀況、處理交通事件、監(jiān)測城市道路和重要公路交通情況等多種交通行為的基礎(chǔ)和關(guān)鍵問題,也是智能交通系統(tǒng)的研究重要內(nèi)容。論文針對智能交通車輛圖像處理中的基礎(chǔ)性問題,著重研究車輛圖像的稀疏分解及快速算法,以實現(xiàn)車輛圖像的靈活、簡潔和自適應(yīng)的表示,從而為理解車輛圖像內(nèi)容和從中獲取各種交通信息奠定

2、基礎(chǔ)。本論文的主要研究工作或成果如下:
　　 1.論文首先研究了車輛圖像的預(yù)處理問題,為進一步研究車輛圖像稀疏分解與表示、基于圖像處理技術(shù)的車流量檢測作準(zhǔn)備。在車輛圖像預(yù)處理研究中,主要討論中值濾波、均值濾波、高斯濾波和基于粗糙集理論的車輛圖像預(yù)處理方法,主要用于對車輛圖像進行濾波和增強處理。在對圖像進行預(yù)處理過程中,先采用國際標(biāo)準(zhǔn)圖像庫中的多幅圖像進行實驗,再將預(yù)處理方法用于對采集到的白天和夜間道路車輛圖像進行預(yù)處理。實驗結(jié)果

3、表明,預(yù)處理后的圖像具有更高峰值信噪比和視覺效果;在所討論的幾種預(yù)處理方法中,基于粗糙集理論的車輛圖像預(yù)處理方法獲得了比中值濾波法、均值濾波法和高斯濾波法更好的圖像質(zhì)量,將作為車輛圖像后續(xù)處理的基礎(chǔ)。
　　 2.論文首次將稀疏分解方法引入到智能交通車輛圖像處理中,進而實現(xiàn)車輛圖像靈活、簡潔和自適應(yīng)的稀疏表示。在傳統(tǒng)的圖像表示方法中,離散余弦變換和小波變換均為正交變換,在對車輛圖像進行分解與表示時存在較大的冗余。離散余弦變換只能將

4、車輛圖像分解成一個個具有不同強度和不同頻率的圖像分量的組合,不能給出頻率分量在圖像中的確切位置。而小波變換雖然克服了離散余弦變換缺乏空間特性的不足,能在車輛圖像中給出頻率分量與位置的關(guān)系,但采用小波變換對車輛圖像進行表示時,小波基是確定的,缺乏靈活性。稀疏分解和表示是一種非線性變換,可根據(jù)車輛圖像特點和所需要的內(nèi)容進行圖像原子的選擇,可實現(xiàn)靈活、簡潔的表示。
　　 3.經(jīng)典的圖像稀疏分解方法是采用貪心策略,在過完備圖像原子庫中逐

5、步搜索最佳圖像原子。為了實現(xiàn)車輛圖像的自適應(yīng)和簡潔表示,圖像原子庫往往是冗余的和過完備的,貪心算法由于計算量十分巨大而難以實現(xiàn)對車輛圖像的快速稀疏分解和表示。為了解決此問題,論文引入量子進化計算方法,提出基于量子進化算法的車輛圖像稀疏分解算法,以加快車輛圖像稀疏分解與表示的速度,為進一步提取交通參數(shù)奠定基礎(chǔ)。為了驗證給出方法的有效性,采用多幅車輛圖像進行仿真實驗,比較分析貪心算法、遺傳算法和量子進化算法對車輛圖像進行分解所需的計算時間和

6、獲得的重構(gòu)圖像質(zhì)量。實驗結(jié)果表明,量子進化計算方法的引入,可大大降低車輛圖像稀疏分解的時間,且能獲得比貪心算法和遺傳算法更好的圖像峰值信噪比和視覺效果。在此基礎(chǔ)上,論文進一步將基于量子進化算法的稀疏分解方法與基于粗糙集理論的圖像預(yù)處理方法結(jié)合,對車輛圖像進行處理,實驗結(jié)果表明,經(jīng)過預(yù)處理后的圖像可獲得更好的圖像稀疏表示質(zhì)量。
　　 4.提出基于粒子群優(yōu)化的車輛圖像稀疏分解快速算法。論文將群智能優(yōu)化中的粒子群優(yōu)化算法引入到車輛圖像

7、的稀疏分解中,給出基于粒子群優(yōu)化的車輛圖像稀疏分解算法和詳細(xì)實現(xiàn)步驟,加快車輛圖像稀疏分解的速度和提高重構(gòu)圖像的質(zhì)量。在仿真實驗中,將粒子群優(yōu)化算法與貪心算法、遺傳算法進行了計算復(fù)雜性和重構(gòu)圖像峰值信噪比的對比,結(jié)果表明,粒子群優(yōu)化算法比前兩種方法更有效。在此基礎(chǔ)上,用實驗對比分析了粒子群優(yōu)化算法和量子進化算法,實驗結(jié)果表明,粒子群優(yōu)化算法能獲得比量子進化算法更好的車輛圖像稀疏分解和表示效果和更少的計算時間。論文進一步將粒子群優(yōu)化算法與

8、基于粗糙集理論的預(yù)處理方法結(jié)合,對多幅車輛圖像進行處理,實驗結(jié)果表明,經(jīng)過預(yù)處理后的圖像再進行稀疏分解時,可獲得比未預(yù)處理的車輛圖像更高的圖像峰值信噪比和圖像視覺效果。
　　 5.提出基于改進微分進化算法的車輛圖像稀疏分解快速算法。為了進一步提高車輛圖像稀疏分解的速度和重構(gòu)車輛圖像的質(zhì)量,將實數(shù)編碼的微分進化算法引入到車輛圖像稀疏分解中,提出一種改進的微分進化算法,并詳細(xì)討論了基于改進微分進化算法的車輛圖像稀疏分解方法和詳細(xì)實現(xiàn)

9、步驟。在仿真實驗中,先對改進微分進化算法和相對應(yīng)的微分進化算法進行了性能比較,測試改進工作的有效性;再比較分析改進微分進化算法和貪心算法、遺傳算法對車輛圖像進行稀疏分解和表示的速度及重構(gòu)車輛圖像的質(zhì)量,實驗結(jié)果表明,改進微分進化算法可用更少的計算時間,獲得比其它兩種方法更好的圖像分解質(zhì)量;然后,將改進微分進化算法、粒子群優(yōu)化算法和量子進化算法用于車輛圖像的稀疏分解,以比較分析它們的性能,實驗結(jié)果清楚地表明,改進微分進化算法具有比前兩種方

10、法更強的車輛圖像處理能力,所需的計算時間少、獲得的圖像質(zhì)量好。最后,將改進微分進化算法與基于粗糙集理論的預(yù)處理方法結(jié)合,再次驗證車輛圖像預(yù)處理可大大提高稀疏分解性能的可行性。
　　 6.在以上圖像處理方法的基礎(chǔ)上,論文進一步研究了基于圖像處理技術(shù)的高速公路車流量自動檢測方法。針對白天和夜間道路交通視頻的不同特點,分別給出基于背景差和邊緣提取的白天車流量自動檢測方法、基于HSV顏色模式的白天車流量檢測方法,以及基于車燈輪廓的夜間車