基于偏振成像的低能见度车路环境目标感知

ID:31360118

大小:103.50 KB

页数:4页

时间:2019-01-09

基于偏振成像的低能见度车路环境目标感知_第1页
基于偏振成像的低能见度车路环境目标感知_第2页
基于偏振成像的低能见度车路环境目标感知_第3页
基于偏振成像的低能见度车路环境目标感知_第4页
资源描述:

《基于偏振成像的低能见度车路环境目标感知》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、基于偏振成像的低能见度车路环境目标感知  摘要:在对低能见度环境下车路环境目标检测时,传统的算法效果不理想。针对这一问题,本文提出了基于偏振成像的低能见度车路环境目标感知算法。通过建立低能见度环境去雾模型,在此基础上对图像完成去雾后进行基于小波变换的图像融合算法,得到车路环境目标感知图像。此算法对图像的进一步处理以及检测目标信息有着重要的意义。  关键词:偏振成像;低能见度;目标感知;  2.3基于小波变换的图像融合  基于小波变换的图像融合是在人眼在对图像处理时,通常将图像在不同的频率中进行处理这一理论基础上进行,从而更加

2、符合人眼的识别习惯。本文中,在对图像进行基于小波变换的融合过程中,主要完成对偏振度图像、偏振角图像、低能见度去雾后的目标场景强度图像等图像的融合。  基于小波变换的图像融合实现方法:首先,将要进行融合的图像进行简单的预处理,如对图像进行配准、滤波等,之后将每幅图像基于小波分解原理分解到不同的频率通道下,在对应的频率通道下根据预设的融合系数进行图像的深度融合,最后基于小波反变换,完成图像的重构,得到融合后的图像。  2.4环境目标感知算法步骤  综上所述,提出低能见度环境下车路环境的目标感知算法的具体实现步骤为:4  (1)获

3、取不同偏振角度下的偏振图像;  (2)对获取的图像预处理,配准,滤波,归一化;  (3)计算Stokes矢量参数;  (4)根据计算到的Stokes矢量参数,计算得到偏振度和偏振角图像;  (5)根据与偏振片相互垂直及平行的偏振图像估计无穷远处大气光强度,得到去雾后的目标场景强度图像,对图像进行基于小波塔式分解;  (6)将偏振度和偏振角图像基于能量融合,对融合后的图像基于小波塔式分解;  (7)将前两部分解后的图像在对应的频率通道下进行融合;  (8)对融合后的图像进行重构,得到融合后的图像;  在上述步骤下,即可得到基于

4、偏振成像的低能见度环境下的车路环境目标感知图像。  3实验结果  实验中通过获取不同偏振角图像,采用本文提出的基于偏振成像的低能见度环境下的车路环境目标感知算法得到实验结果如图2所示。图(a)、图(b)、图(c)分别为分别取0o,60o,120o情况下的偏振图,图(d)为偏振度图,图(e)为偏振角图,图(f)经处理后得到的环境目标感知图像。由图可知,本文提出的算法对低能见度环境下车路环境目标的感知有较好效果。  图2实验结果  4结论4  针对已有的低能见度环境下的车路环境目标感知算法的不足,本文提出的基于偏振成像的低能见度

5、环境下的车路环境目标感知算法对低能见度环境下车路环境目标的识别有较好的效果,对图像的进一步处理以及检测目标信息有着重要的意义。  参考文献:  [1]龚进峰等道路环境感知与预警系统的研究[J].汽车工程.2010,32(4)328-332.  [2]马雷等基于灰度图像的复杂环境下智能车辆道路边界识别[J].汽车工程.2010,32(4)351-355.  [3]袁夏一种基于激光雷达的路面提取算法[J].中国图像图形学报.2009,14(10)2035-2041.  [4]EstebanJ,StarrA,WillettsR,e

6、ta1.Areviewofdatafusionmodelsandarchitectures:Towardsengineeringguidelines[J].NeuralComputingandApplications,2005,14(4):273-281  [5]GregorR,LutzelerM,PellkoferM,etal.Ems-Vision:APerceptualSystemforAutonomousVehicles[J].In:IEEEIntelligentVehiclesSymposium.Dearborn,2

7、000,52-57  [6]张小刚,唐美玲,陈华,汤红忠.一种结合双区域滤波和图像融合的单幅图像去雾算法[J].自动化学报,2014,40(8):1733-1739  [7]SCHECHNERY,NARASIMHANS,NAYARS.Polarizationbasedvisionthroughhaze[J]AppliedOptics,2003,42(3):511-525.  [8]张晶晶等基于暗原色先验原理的偏振图像浓雾去除算法[J].计算机应用.2015,35(12)3576-3580.4  [9]HEK,SUNJ,TAN

8、GX.Singleimagehazeremovalusingdarkchannelprior[J].IEEETransactionsonPatternAnalysisandMachineIntelligence,2011,33(12):2341-2353.  作者简介:  姓名:朱进玉(1

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
正文描述:

《基于偏振成像的低能见度车路环境目标感知》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、基于偏振成像的低能见度车路环境目标感知  摘要:在对低能见度环境下车路环境目标检测时,传统的算法效果不理想。针对这一问题,本文提出了基于偏振成像的低能见度车路环境目标感知算法。通过建立低能见度环境去雾模型,在此基础上对图像完成去雾后进行基于小波变换的图像融合算法,得到车路环境目标感知图像。此算法对图像的进一步处理以及检测目标信息有着重要的意义。  关键词:偏振成像;低能见度;目标感知;  2.3基于小波变换的图像融合  基于小波变换的图像融合是在人眼在对图像处理时,通常将图像在不同的频率中进行处理这一理论基础上进行,从而更加

2、符合人眼的识别习惯。本文中,在对图像进行基于小波变换的融合过程中,主要完成对偏振度图像、偏振角图像、低能见度去雾后的目标场景强度图像等图像的融合。  基于小波变换的图像融合实现方法:首先,将要进行融合的图像进行简单的预处理,如对图像进行配准、滤波等,之后将每幅图像基于小波分解原理分解到不同的频率通道下,在对应的频率通道下根据预设的融合系数进行图像的深度融合,最后基于小波反变换,完成图像的重构,得到融合后的图像。  2.4环境目标感知算法步骤  综上所述,提出低能见度环境下车路环境的目标感知算法的具体实现步骤为:4  (1)获

3、取不同偏振角度下的偏振图像;  (2)对获取的图像预处理,配准,滤波,归一化;  (3)计算Stokes矢量参数;  (4)根据计算到的Stokes矢量参数,计算得到偏振度和偏振角图像;  (5)根据与偏振片相互垂直及平行的偏振图像估计无穷远处大气光强度,得到去雾后的目标场景强度图像,对图像进行基于小波塔式分解;  (6)将偏振度和偏振角图像基于能量融合,对融合后的图像基于小波塔式分解;  (7)将前两部分解后的图像在对应的频率通道下进行融合;  (8)对融合后的图像进行重构,得到融合后的图像;  在上述步骤下,即可得到基于

4、偏振成像的低能见度环境下的车路环境目标感知图像。  3实验结果  实验中通过获取不同偏振角图像,采用本文提出的基于偏振成像的低能见度环境下的车路环境目标感知算法得到实验结果如图2所示。图(a)、图(b)、图(c)分别为分别取0o,60o,120o情况下的偏振图,图(d)为偏振度图,图(e)为偏振角图,图(f)经处理后得到的环境目标感知图像。由图可知,本文提出的算法对低能见度环境下车路环境目标的感知有较好效果。  图2实验结果  4结论4  针对已有的低能见度环境下的车路环境目标感知算法的不足,本文提出的基于偏振成像的低能见度

5、环境下的车路环境目标感知算法对低能见度环境下车路环境目标的识别有较好的效果,对图像的进一步处理以及检测目标信息有着重要的意义。  参考文献:  [1]龚进峰等道路环境感知与预警系统的研究[J].汽车工程.2010,32(4)328-332.  [2]马雷等基于灰度图像的复杂环境下智能车辆道路边界识别[J].汽车工程.2010,32(4)351-355.  [3]袁夏一种基于激光雷达的路面提取算法[J].中国图像图形学报.2009,14(10)2035-2041.  [4]EstebanJ,StarrA,WillettsR,e

6、ta1.Areviewofdatafusionmodelsandarchitectures:Towardsengineeringguidelines[J].NeuralComputingandApplications,2005,14(4):273-281  [5]GregorR,LutzelerM,PellkoferM,etal.Ems-Vision:APerceptualSystemforAutonomousVehicles[J].In:IEEEIntelligentVehiclesSymposium.Dearborn,2

7、000,52-57  [6]张小刚,唐美玲,陈华,汤红忠.一种结合双区域滤波和图像融合的单幅图像去雾算法[J].自动化学报,2014,40(8):1733-1739  [7]SCHECHNERY,NARASIMHANS,NAYARS.Polarizationbasedvisionthroughhaze[J]AppliedOptics,2003,42(3):511-525.  [8]张晶晶等基于暗原色先验原理的偏振图像浓雾去除算法[J].计算机应用.2015,35(12)3576-3580.4  [9]HEK,SUNJ,TAN

8、GX.Singleimagehazeremovalusingdarkchannelprior[J].IEEETransactionsonPatternAnalysisandMachineIntelligence,2011,33(12):2341-2353.  作者简介:  姓名:朱进玉(1

显示全部收起
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。
关闭