基于脉冲耦合神经网络的车辆图像分割研究

《基于脉冲耦合神经网络的车辆图像分割研究》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、；参未交博士学位论文瘪锑一基于脉冲耦合神经网络的车辆图像分割研究StudyonVehicleImageSegmentationBasedonPulseCoupledNeuralNetworks作者：杨娜导师：陈后金北京交通大学2013年3月学位论文版权使用授权书I删本学位论文作者完全了解北京交通大学有关保留、使用学位论文的规定。特授权北京交通大学可以将学位论文的全部或部分内容编入有关数据库进行检索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。(保密的学位论文在解密后适用本授权说明)学位论文作者签名：导师签名：磁签字

2、日期：：口，弓年弓月对日签字日期：)口哆年；月琴日中图分类号：TP391UDC：学校代码：10004密级：公开北京交通大学博士学位论文基于脉冲耦合神经网络的车辆图像分割研究StudyonVehicleImageSegmentationBasedonPulseCoupledNeuralNetworks作者姓名：杨娜导师姓名：陈后金学位类别：工学学科专业：交通信息工程及控制学号：08111010职称：教授学位级别：博士研究方向：数字图像处理北京交通大学2013年3月致谢时光如箭，一晃四年的时间匆匆流过。又是一个美好的秋天，坐在明湖边落满银杏树叶的长椅上，校园生活的点点滴滴历历在目，仿

3、佛就发生在昨天。在攻读博士学位的四年多时问里，我得到很多老师、同学和朋友们的帮助，他们的教导、关怀和鼓励是我前进的动力，我取得的每一点进步，无不凝聚着他们的培养、帮助和祝福。每每想起这些我的心中总是充满了无限的感激：首先，我要由衷地向我的导师，陈后金教授表示感谢。在陈老师的悉心指导下，我的研究工作才得以顺利地进行。他的高瞻远瞩、富有灵感的建议为我指明了努力的方向。四年来，陈老师不但在我的学习、科研、论文等方面悉心指导，在生活中也给予了我许多关心和帮助。陈老师在科研中一丝不苟的精神、治学中严谨的态度、工作中认真的作风，为我们树立了学习的榜样，也使我受益终身。在此，谨向尊敬的导师致以

4、最真挚的谢意。感谢在我学习和研究期间给予我帮助的师姐、师兄、师弟和师妹们，特别感谢郝晓莉、于江波、李居朋、姚畅、韩振中、李艳凤、苏海楠和曹霖等。和睦融洽的实验室氛围，是学习进步的保障；积极向上的学习风气，使我们互帮互助、共同进步。低谷时他们的包容和理解帮我战胜了一个个困难，收获时他们与我一起分享喜悦和泪水。所有我们一同走过的日子都使我终身难忘，在此向他们表示衷心的感谢。深深地感谢养育我、在我人生的各个阶段都倾注心血、毫无保留地支持和关爱我的父母。感谢我的丈夫和我可爱的女儿，他们的期盼是我前进的动力，是他们的支持和理解使我能够专心地完成学业。最后，感谢所有关心、爱护、支持和帮助过我

5、的朋友们，感谢审阅本论文付出辛勤劳动的各位专家和学者。中文摘要摘要：车辆图像分割是车辆检测系统中最基本也是最重要的环节，车辆图像分割的质量直接影响后续图像处理的精度和效率。自然光照环境下，满足准确性、实用性要求的车辆图像分割模型始终是智能交通领域研究的热点和难点问题，因此，具有人类视觉特性的图像分割模型是今后智能交通信息处理系统研究的方向。针对上述研究背景，本文在脉冲耦合神经网络(PulseCoupledNeuralNetworks，PCNN)模型的基础上，从理论与应用两个方面对具有视觉神经元特性的车辆图像分割方法进行了深入研究。论文主要研究内容和创新归纳如下：(1)针对传统脉冲

6、耦合神经网络模型车辆图像分割时，车牌区域普遍存在的过分割与欠分割问题，提出了脉冲耦合神经网络模型最优参数的选取方法。通过最大类间方差算法自适应确定PCNN分割模型初始阈值，中心神经元局部邻域灰度均方差更新连接强度系数，Hebb学习规则确定连接加权系数矩阵，实现PCNN模型参数的优化。实验表明参数的优化不仅减少了PCNN模型图像分割时迭代的次数，而且提高了PCNN模型自适应图像分割的质量。(2)针对车辆图像分割中阴影对车牌图像分割的影响，提出了一种车辆阴影消除模型。该模型将优化的脉冲耦合神经网络与阴影属性相结合，无需建立背景模型与阴影模型。通过对图像灰度通道和色度通道信息分别进行分

7、割，实现不同信息通道的车辆与阴影的分离，并将两个通道的分割结果图像合并，产生最终的消除车辆阴影的图像。实验结果表明该模型在消除车辆阴影的同时，较好地保持了图像中车牌、车标等关键信息。(3)针对光照和车体漫反射对PCNN模型图像分割的影响，提出了一种具有神经元感受野特性的脉冲耦合神经网络(ReceptiveField．PulseCoupledNeuralNetworks，RF．PCNN)车辆图像分割模型。该模型通过神经元感受野函数确定PCNN模型反馈域连接矩阵的结构，使其具有方向性