基于图像处理技术的车型智能识别算法研究-论文.pdf

《基于图像处理技术的车型智能识别算法研究-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、中国西部科技2015年07月第14卷第07期总第312期13基于图像处理技术的车型智能识别算法研究睢丹焦振(安阳师范学院软件学院，河南安阳455000)摘要：对车型进行智能识别时，容易受到大量噪声干扰，导致传统的基于尺度显著性的车型智能识别过程，由于将熵值最大点作为尺度显著性空间，不能过滤噪声引起的显著性点，无法有效实现车型智能识别。本文提出一种基于图像处理技术的车型智能识别算法，对车辆图像进行去模糊恢复操作，采用边缘检测法将目标车辆图像从背景中分离出来，并对图像进行二值化处理。基于不同的特征值类别，通过贝叶斯分类器实现车型智能识别仿真实验结果表明，所提算

2、法具有较高的车型识别精度。关键词：图像处理；车型；识别D0I：10．3969／j．issn．1671-6396．2015．07．0041引言g()w—{[，[(一珊)，]一一凇一1，堋／)高速公路收费系统是智能交通系统(ITS)的重)，y]一一-1,y]]／Ax}2’要组成部分，2】，而车型智能识别技术不但是高速公路收费系统的关键，而且也是交通管理、收费、调其中，n用于描述x／s的整数部分；W是常数。度、统计的重要前提，具有重要的研究意义【3】，已如果k足够大，则趋近g(．)的均值。经成为相关学者研究的重点课题，受到越来越广泛2．1．2图像分割的关注【oJ

3、。图像分割主要是为了将目标图像从背景图中分在对车型进行智能识别的过程中，容易受到大离出来，以便识别。本文通过边缘检测法将目标车量噪声干扰，导致传统的基于尺度显著性的车型智辆图像从背景中分离出来，其主要通过边缘增强与能识别过程，由于将熵值最大点作为尺度显著性空相减运算实现。间，不能过滤噪声引起的显著性点，无法有效实现边缘增强通过运算效率较高的梯度法对两幅图车型智能识别们。像分别进行处理，详细过程如下：2基于图像处理技术的车型智能识别算法假设车辆图像函数g(，)的梯度是一个向r丫2．1图像处理量，G[g(，)]：Jl5g5gl即为处于点(，)，)处2．1．1图

4、像恢复55j车辆成像时会受很多因素的干扰，导致车辆图的梯度。其方向是函数g(，)在该点变化率最像质量降低，因此，需对其进行恢复。考虑到车辆大的方向，其长度是函数g(，)的最大变化率，和摄像机之间的相对运动使得图像模糊，本文通过则有：下述过程对车辆图像进行去模糊恢复。假设车辆图像用g(x，)进行描述，车辆在XG[g()]=Io(sg／sx)+(5g／5y)]1／2(3)方向上进行匀速直线运动，总位移量是S，总运动针对车辆图像，本文通过差分算法进行近似微时间是，则经模糊处理后车辆图像某点的值可描分。分析梯度公式可知，图像函数值和相邻像素的述成：灰度差值成正比，

5、当图像灰度变化不大时，区域梯T-1，，。、度值较小；而在图像轮廓中，像素的灰度值波动较g()=∑g一等·l_At(1)i=1＼』／大，梯度值很大；在等灰度区域，梯度值是零。则上式描述的即为车辆图像的模糊模型，则车辆可在上述梯度算法的基础上完成图像增强。图像的恢复公式可描述成：将车辆边缘图像和背景边缘图像作相减运算。14论著假设gl(x，y)与g2(，．y)分别用于描述车性的样本，则其最大后验概率可描述成：辆边缘图像及背景边缘图像；h(，y)用于描述相P(Px)=maxP(cix)=减后的图像；u即暗点灰度值，因此有：max—————：—————————二—

6、——二—-!二-(7)

7、ll(五)：{‘五)一(五)，蜀(五J，)>(}(4)P(a1，a2，⋯，am)⋯其中，，∈(1，lq)。经相减运算，不仅能够得到边缘相减图像，从背景中分离出车辆，而且能够克服因为摄像机轻微朴素贝叶斯分类器主要依据下述假设：在目标抖动及光线微弱变化所产生的干扰。已知时，属性间相互独立。也就是在实例已知的目标状态下，联合a-，a2，⋯，a概率为针对各单独2．1．3图像二值化处理属性的概率乘积。为了从边缘相减图像中将车辆边缘提取出来，需对图像进行二值化处理。在边缘相减图像中，边P(a。，口：，⋯，aIci)=兀P(a)(8)缘仅为整个边

8、缘相减图像的一小部分，反映在直方图中时两个峰值，本文取与之相应的灰度级T作为将式(8)代入式(7)中即可获取朴素贝叶斯门限，假设U(f’，)是扫描点上二值化图像的灰度计算公式：值，则有：=argmaxP(ci)r，、⋯，，nP(aici)(9)UL，z．．、l1【f，J)T，-，J1lrPaicj)：0U，1

9、属性的第k个取值；在进行学习训练的过程中，通车辆检测器对经用cj描