（控制理论与控制工程专业论文）基于图像处理的车型识别技术研究.pdf

青岛科技大学研究生学位论文 基于图像处理的车型识别技术研究 摘要 随着交通拥挤和堵塞等各种问题的日益突出，以及计算机技术的不断发展， 智能交通系统( i n t e l l i g e n tt r a n s p o r t a t i o ns y s t e m ，简称i t s ) 得到了越来越广泛的 应用，并在欧、美等发达国家广泛得到应用，而在我国的应用尚处于探索研究的 起步阶段。车辆的自动识别和跟踪技术是i t s 的重要组成部分，本论文在分析 了各种车辆识别技术的基础上，综合图像处理和模式识别技术来实现车辆的分 类。 论文采用收费公路车辆通行费车型分类作为车型分类标准。首先对摄 像机采集的图像进行去除背景的运算以获取车辆图像，随后的工作是图像的预 处理、特征提取、模式识别，以达到车型识别的目的。 主要工作及创新点体现在： ( 1 ) 车辆图像进行预处理过程中，分析了图像的噪声类型，并使用中值滤 波、均值滤波、小波滤波方法对噪声图像进行预处理，通过实验表明小波滤波 方法能有效去除车辆图像噪声，保留车辆轮廓特征。并通过实验选取了适合车 型识别的边缘检测算法，实现了由h o u g h 变换检测圆进而为后续特征提取打好 基础。 ( 2 ) 特征提取。获取车辆轮廓，在计算出车辆的长高比、轴间距同车长之 比以及分散度( 周长的平方和面积之比) 的同时，还设计了根据f r e e m a n 链码计 算出车辆形状的7 个不变矩特征，使得车辆在图像中的不同位置均可获得较好 的识别效果。 ( 3 ) 深入研究了模式识别技术的基本理论和现有主要方法，设计了基于 m a t l a b 的s v m 二分类器。在对比分析的基础上依据决策树的思想设计了基 于支持向量机的车型识别系统，并且利用l i b s v m 工具作了系统的仿真试验， 得到了比较令人满意的识别效果。 关键词：图像识别车型分类特征提取支持向量机f r e e m a n 链码 基于图像处理的车型识别技术研究 青岛科技大学研究生学位论文 t h er e s e a r c ho f v e h i c l er e c o g n i t i o n b a s e do ni m l a g ep r o c e s s i n g a b s t r a c i ， w i t ht h e i n c r e a s i n gp r o b l e m si nt r a f f i cm a n a g e m e n t ，t h ed e v e l o p m e n to f c o m p u t e rt e c h n o l o g yh a sm a d et h ei n t e l l i g e n tt r a n s p o r t a t i o ns y s t e mm o r ea n dm o r e a p p l i e d i t sh a v eb e e nw i d e l ya p p l i e di na d v a n c e dc o u n t r ys u c ha se u r o p ea n d a m e r i e a b u ti no u rc o u n t r y , t h ea p p l i c a t i o no fi ti si nr e s e a r c hp h a s e a u t o m a t i c i d e n t i f i c a t i o na n dt r a c k i n go fv e h i c l e si sa ni m p o r t a n tp a r to fi t s t h i st h e s i s a n a l y z e sv a r i o u st y p e so fv e h i c l ei d e n t i f i c a t i o nt e c h n o l o g y , a n du s e s i m a g e p r o c e s s i n ga n dp a t t e r nr e c o g n i t i o nt e c h n o l o g yt oc o m p l e t ev e h i c l ei d e n t i f i c a t i o n v e h i c l ec l a s s i f i c a t i o no ft h et o l lf o rh i g h w a y ) ) i sa d o p t e di nt h i sd i s s e r t a t i o n a s t h ev e h i c l ec l a s s i f i e a t i o ns t a n d a r d f i r s t ，t h ev e h i c l ei m a g ew a se x t r a c t e df r o m c a m e r ai m a g ea f t e rr e m o v i n gt h eb a c k g r o u n d t h e nt h i s d i s s e r t a t i o nd e s c r i b e s i m a g ep r e t r e a t m e n t ，f e a t u r ee x t r a c t i o na n dp a t t e r nr e c o g n i t i o na l g o r i t h m ，f i n a l l yt h e t y p eo ft h ev e h i c l ew a so b t a i n e d t h em a i nw o r k sa n dc r e a t i v ep o i n ti nt h i sd i s s e r t a t i o na r es u m m a r i z e d 弱 f o l l o w s ： ( 1 ) i i lt 1 1 ep r o c e s so fv e h i c l ei m a g ep r e t r e a t m e n t ，t h i sd i s s e r t a t i o na n a l y z e d v a r i o u st y p e so fn o i s e ，a n du t i l i z e dm e a nf i l t e r , m e d i a nf i l t e ra n dw a v e l e tf i l t e rt o c a r r yo nt h ef i l t e rp r e t r e a t m e n t t h ee x p e r i m e n t a lr e s u l t ss h o wt h a tw a v e l e tf i l t e rc a n r e m o v en o i s eo fv e h i c l ei m a g ea n dr e s e r v ec o n t o u r f e a t u r e s a c c o r d i n gt o e x p e r i m e n t a lr e s u l t s ，t h i sd i s s e r t a t i o nc h o o s e dt h ee d g ed e t e c t i o nm e t h o ds u i t a b l et o v e h i c l er e c o g n i t i o n u s i n gh o u g ht r a n s f o r mt od e t e c tc i r c u l a rl a i da g o o df o u n d a t i o n t of e a t u r ee x t r a c t i o n ( 2 ) f e a t u r ee x t r a c t i o n s e v e nc a ri m a g ei n v a r i a n tm o m e n t sa r ee x t r a c t e df r o m t h ec a ro u t l i n eb a s e do nf r e e m a nc h a i nc o d ee x c e p tf o rt h en o r m a lf e a t u r e ss u c ha s i i i ， 基于图像处理的车型识别技术研究 t h ev e h i c l el e n g t h h e i g h tr a t i o ，t h er a t i oo fd i s t a n c eb e t w e e na x l e sa n dv e h i c l el e n g t h , d i s p e r s i t y ( t h er a t i oo f v e h i c l eo u t l i n ep e r i m e t e r ss q u a r ea n da r e as u r r o u n d e db yc a r o u t l i n e ) ，ah i 班p e r f o r m a n c ew a sa c h i e v e dt oi d e n t i f yt h ev e h i c l ea td i f f e r e n t p o s i t i o n si nt h ei m a g eb e c a u s eo ft h eu t i l i z a t i o no ft h e s ev e h i c l ei m a g ei n v a r i a n t m o m e n t sf e a t u r e s ( 3 ) t h i sd i s s e r t a t i o ns t u d i e db a s i ct h e o r i e s a n dm a i nm e t h o do fp a t t e r n r e c o g n i t i o n , a n dd e s i g n e ds v mc l a s s i f i e rb a s e do nm a t l a b ，a n dp r e s e n t e da v e h i c l er e c o g n i t i o ns y s t e mb a s e do ns u p p o r tv e c t o rm a c h i n e ( s v m ) u s i n gd e c i s i o n t r e eo nt h eb a s i so fc o n t r a s ta n da n a l y s i s i nt h el a s tp a r to ft h ep a p e r , s i m u l a t i o n e x p e r i m e n ts h o w sm a ts y s t e mh a sar e l a t i v e l yh i g hr e c o g n i t i o nr a t e k e y w o r d s ：i m a g er e c o g n i t i o n ；v e h i c l ec l a s s i f i c a t i o n ；f e a t u r ee x t r a c t i o n ； s u p p o r tv e c t o rm a c h i n e ；f r e e m a nc h a i nc o d e ； i v 青岛科技大学研究生学位论文 第一章绪论 目录 l 1 1 课题的研究背景及意义1 1 2 车型识别技术的发展现状1 1 3 基于图像的车型识别技术研究现状3 1 4 本文主要研究内容和结构安排4 第二章图像处理技术与车型识别6 2 1 弓i 言6 2 2 车辆区域的分割方法6 2 2 1 背景差分法6 2 2 2 光流法。6 2 2 3 帧间差分法7 2 3 图像的预处理技术和实现7 2 3 1 图像的去噪处理7 2 3 2 图像的分割技术i l 2 3 3 数字图像的边缘检测技术1 3 2 3 4 数学形态学及基本运算1 8 2 3 5h o u g h 变换及圆的检测2 l 2 4 本章小结2 2 第三章车型分类标准及特征提取技术研究2 3 3 1 引言。2 3 3 2 车型分类标准2 3 3 3 模式识别技术及特征提取2 4 3 3 1 模式识别主要方法2 4 3 3 2 图像识别过程2 5 3 3 3 特征提取技术2 6 3 4f r e e m a n 链码与轮廓跟踪2 7 3 4 1 图像的链码描述2 7 3 4 2 链码轮廓跟踪2 8 3 5 车辆特征的选取和计算2 9 3 5 1 几何特征的提取2 9 3 5 2 矩特征的提取3 3 3 6 本章小结3 6 第四章基于s v m 的车型识别器设计 。3 7 4 1 引言3 7 4 2 支持向量机理论3 7 v 基于图像处理的车型识别技术研究 4 2 1e r m 和s r m 3 8 4 2 2 支持向量机分类3 9 4 3 支持向量机核函数及分类实验4 4 4 3 1 支持向量机核函数4 4 4 3 2 支持向量机分类实验4 5 4 3 3 实验结果分析5 l 4 4 支持向量机车型分类器设计5 2 4 4 1 支持向量机多类分类算法5 2 4 4 2 基于s v m 的车型分类器设计5 4 4 4 3 实验结果与分析5 7 4 5 本章小结5 9 第五章总结与展望 5 1 总结6 0 5 2 展望6 0 参考文献 致谢 攻读学位期间发表的学术论文目录 独创性声明 关于论文使用授权的说明 v i 6 3 6 7 鹋 6 9 7 0 青岛科技大学研究生学位论文 1 1 课题的研究背景及意义 第一章绪论 随着社会经济的快速发展和人民生活水平的不断提高，汽车工业蓬勃发展， 汽车数量猛增，各种商务车和乘用车在日常生活和交通运输中发挥着越来越重要 的作用。但随之而来的交通拥堵、交通环境恶化、交通管理落后、收费模式混乱、 交通事故频发等问题已成为世界各国共同面临的问题。经过长期和广泛的研究， 世界部分发达国家逐渐开始采用高新技术来改造现有的公路交通运输系统及其 管理体系，从而大幅提高了公路网的通行能力和服务质量。随着自动控制、人工 智能和模式识别等领域的发展，智能交通系统( i n t e l l i g e n tt r a f f i cs y s t e m ，简称i t s ) 应运而生，并获得了极大的发展。它将先进的人工智能、自动控制技术和信息技 术等综合应用于整个交通运输管理体系，通过对交通过程信息的实时采集、传输 和处理，对各种交通情况进行协调，建立起一种实时、高效、准确的综合运输管 理体系，从而使交通设施得到充分的利用，实现交通运输的集约式发展f 1 1 。i t s 系统是2 1 世纪世界公路交通行业的发展趋势，9 0 年代开始我国学者也在相关领 域开展了大量的研究工作。 车辆检测、跟踪和车型识别是i t s 应用领域中重要的分支，也是目前相对薄 弱的技术环节。同其他车型识别方法相比，基于图像识别的车型识别技术有其多 种优势。基于图像的车型识别融合了图像处理、计算机视觉、模式识别等技术， 它能够自动、实时地对车辆进行检测和分类，可以作为交通收费、管理、调度和 统计的依据。 车型自动识别系统的主要应用场合为停车场、路桥收费管理和公安交通管理 部门。迄今为止，世界部分发达国家在车型的自动识别方面有了比较成功的应用。 但由于诸多原因，车型自动分类在我国并没有得到广泛的应用。因此开展基于图 像的车型识别技术研究有其现实意义。 1 2 车型识别技术的发展现状 车型分类不仅在停车场的交通流量统计、车辆管理中有应用，而且也是公路 自动收费系统的必然要求。通过对国内外车辆类型识别方法现状的分析，目前国 基于图像处理的车型识别技术研究 内外对车辆识别方法的研究很多，车型识别方法也多种多样。国内外主要采用的 方法有：电子标签识别法、电磁感应线圈识别法、红外探测法、车牌识别法、基 于视频图像的车型识别。 ( 1 ) 电子标签识别法 现阶段国外不停车收费( e t c ) 采用最多的是基于无线通讯技术【2 1 。电子标 签是用来记录车辆本身的信息包括车辆账号、车辆类型、车主、车牌号等。当车 辆通过安装在收费通道内的收费设备时，通过电子标签和阅读器之间的微波通 讯，实现信息的交换，并进行c r c 校验，最后通过收费系统与车主的银行实行 定期清算。因为车辆存在掉换车载电子标签进行作弊的可能，收费站等场所需要 额外安装监控设备，增加了基建投入。因此该方法在国内应用较少。 ( 2 ) 电磁感应线圈识别法 预先在公路下面铺设一个通有高频电流的线圈，由于车辆的材质大部分是金 属，当车辆从感应线圈上面通过时，会在线圈内部产生涡流而使线圈电感量减小。 不同车型的底盘结构和铁磁物质分布的有所不同，由于电流变化引起的磁场的变 化也不同，因此可以根据感应曲线的不同而区分不同类型的车辆，进而得到具体 的车型。该方法的优点是准确率较高、不受气候影响且成本不太高。同时还能检 测各车型的车流量及占有率等交通参数，电磁感应线圈法【3 5 】需要把线圈埋入地 下，受车辆的挤压容易损坏，寿命较短，维护时需要破坏路面，维护成本较高。 另外使用时车辆速度不能太高，以免影响测试精度。 ( 3 ) 红外探测法 红外探测法【6 】是利用布置在车道两侧红外阵列检测器，当车辆经过装置时， 根据汽车不同部位对发射装置的不同阻挡作用，采集车辆的侧面几何数据，然后 通过这些数据与车型数据库中的数据比较后判断出车型，从而实现车型的自动分 类。在该系统中水平和垂直排列的红外发射接收点非常多，有几十甚至几百对， 这就保证了系统可以采集到足够多的数据，这些数据包括车头高度、车长、轴数、 轮距等特征数据，这些信息可以比较完整、细致地描绘出车辆的外轮廓及局部典 型特征，使系统达到一个较高的识别率。该方法优点是识别率较高，缺点是硬件 结构复杂，维护成本高，在实际中难以推广。此外还有一种基于超声波的车型检 测方法，其原理和红外检测法是类似的。 ( 4 ) 车牌识别法 车牌识别法【| l 8 】是一种通过识别车牌间接识别车型的方法。首先从摄像机获取 的汽车牌照图像中识别出车牌号和车牌颜色，然后到车辆数据库中去检索与此车 牌号相对应的车型，最终得到车辆的类型。该方法对硬件要求不高，安装起来也 灵活方便，但需要事先对每一辆车建立包含各种信息的车辆数据库，而且图像必 2 青岛科技大学研究生学位论文 须保证车牌清晰，在实际应用中还受到遮挡、光照等的限制。这种方法要建立在 可靠的车牌识别算法的基础之上，也可以把它归到下面将要叙述的基于图像的车 型识别方法中。 ( 5 ) 基于视频图像的车型识别 国内外利用视频图像进行车型识别的研究很多，因为数字图像能够提供很多 有用的信息，利用一定的算法得到许多车辆的信息，然后依据这些车辆特征进而 得到具体的车型。相比于其它的车型识别方法，利用图像来识别有其自身的特点： 首先数字图像含有的信息比较丰富，只要是保证特征提取算法的有效性，即可得 到较高的车型识别率。另外硬件安装非常简单，只需一个摄像机或者数码相机安 装在路边，利用视频信号线和主机相连。并且利用该方法无需破坏路面，维护起 来非常方便。 基于视频图像的车型识别技术的研究现状将在下一节中阐述。 1 3 基于图像的车型识别技术研究现状 基于视频图像的车型识别技术的研究一般分为三个部分：1 、图像分割。即 在图像中分割出车辆图像。2 、特征提取。即根据一定的算法提取车辆图像的特 征。3 、车型的识别及分类。即根据提取的车辆特征和识别算法来达到车型分类 的目的。针对第一个部分，现有的车辆检测及分割方法主要有：基于背景的差分 方法、光流法以及基于帧间差分的方法。第三个部分的车型识别及分类方法也很 多【9 d5 1 。主要可分为两类：l 、神经网络分类方法。这里有的学者用到了b p 神经 网络、有的学者用到了支持向量机( s ) 的方法。2 、模板匹配法。即采取一 定的算法和策略得到车辆的特征参数，然后和模板特征集进行匹配，进而得到具 体的车型分类。因为特征参数的选取以及分类器的设计是否合理直接影响到车型 分类系统的精度，很多学者在车辆的特征提取以及分类器的设计上做了很多研 究，现归纳如下： 文章【9 】的车辆特征提取方法是基于建立一种三维结构模型，而其分类器的设 计上采用改进的b p 神经网络，其训练方法采用梯度下降法。通过建立车辆参数 模型来描述简单背景下车辆形状结构特征，从而得到3 0 个特征参数，作为神经 网络的输入参数，然后利用神经网络分类器来实现车型的识别。 文章 1 0 】以车辆的三个几何尺寸参数作为车辆的特征向量，将车辆分为卡车、 客车、货车三种类别。其分类器也是神经网络分类器，训练算法是尺度共轭梯度 算法，在一定程度上解决了经典b p 算法训练速度慢，易陷入局部极小值的问题。 但是其车辆分类过于简单，于实际应用偏差较大，该研究主要侧重于第二第三个 基于图像处理的车型识别技术研究 问题做了阐述，对于车辆的检测和分割问题没有进行研究。 文章 11 】是通过对视频图像进行一系列的预处理工作后，采取s i f t 特征提取 算法来得到车辆图像的s i f t 特征点，作为输入向量。而其分类器的设计采用的 是支持向量机的方法。通过训练是识别，能达到一个比较高的识别率。该研究事 建立在运动物体分割基础上的，对静止的车辆无法识别。 文章【1 2 】提出了一种称为a c t i v eb a s i s 的新颖的建模理论，它可以从图像中获 取物体的全局轮廓特征，生成一种具有局部可变性的可变形模型，可以自适应地 进行模板匹配。a c t i v eb a s i s 是一种灵活的建模方法，它用一组g a b o r 滤波器，在 同一类物体的一组样本图像中学习出一个模板，并且规定在一定范围内该模板中 的每一个组成元素在其位置和方向上都是可变的，这也正是“a c t i v e ”的含义所在， 体现了模板的局部可变性的特点。 文章【1 3 】用摄像机采集运动的车辆图像，通过计算机得到背景图像，然后利 用差分的方法得到车辆图像，在特征提取过程中分别用用了p c a 方法r 主元分析 方法) 和加权l d a 方法( 线性判别分析方法) 提取图像特征。最后采取复p c a 方法 将特征融合，作为车辆的代数特征。其中p c a 和l d a 方法都是常用的降维方法， 即把图像从高维空间压缩到低维空间中。最后利用决策支持向量机进行车型的分 类。并达到了比较高的精度。 1 4 本文主要研究内容和结构安排 作为智能交通系统的重要组成部分，车型识别系统的研究有其现实意义。由 于基于图像的车型识别技术具有自己的优势和特点，越来越多的国内外学者针对 这一方向做了研究，提出了不少算法，并进行了大量的实验，取得了一定的研究 成果。 本文对以图像为基础的车型分类算法进行了系统的研究，针对目前的车型识 别研究中特征提取不够全面，识别算法过于复杂，车辆分类过于简单等缺点，提 出了自己的改进方案。系统框图如下： 4 青岛科技大学研究生学位论文 图1 一l 系统主要框架 f i g 1 1s y s t e mm a i nf r a m o 本文的内容组织结构如下： 第一章：绪论。介绍了课题研究的背景及意义，车型识别技术的发展现 状，基于图像的车型识别技术的研究现状，最后给出了系统的主要框架及各章节 的结构安排。 第二章：图像处理技术与车型识别。介绍与车型识别相关的数字图像处 理的理论，包括车辆的分割、灰度化、二值化、边缘检测、去噪处理以及数字图 像处理相关的数学形态学基本运算以及h o u g h 变换，并做了相应的仿真实验 第三章：车型分类标准及特征提取技术研究。包括形状特征的提取，如 车辆的长高比、轴间距同车长之比以及分散度( 车辆轮廓的周长的平方和面积之 比) 。在此基础上，利用f r e e m a n 编码计算出车辆外围轮廓的不变矩特征。共同 作为车型分类的特征值输入到s v m 分类器以得到车型分类结果。 第四章：s v m 理论及的车型分类器设计。介绍了现有的几种分类方法， 之后详细阐述了支持向量机( s ) 理论，设计了基于m a t l a b 的s v m 二分类 器，同时讨论了支持向量机用于多类分类的方法，最后依据决策树思想设计了 s v m 多分类器，来实现车型的识别。 第五章：总结和展望。本章对基于图像的车型识别技术作了总结，分析其优 缺点，并在此基础上对车型识别技术进行了展望。 5 基于图像处理的车型识别技术研究 2 1 引言 第二章图像处理技术与车型识别 通过上一章我们知道基于图像的车型识别技术中，图像的预处理工作是 技术的一项基础环节。图像预处理质量的好坏直接影响到后续特征提取的精 进而对车型识别的精度产生影响。在这一章中详细介绍车辆区域分割方法以 车型识别相关的数字图像处理理论以及车型的分类方法。 2 2 车辆区域的分割方法 车辆区域分割实际上是对运动目标的检测，运动目标的检测可以对图像 分析，常用的基于图像序列的目标分割方法n 蛸1 主要有：背景差分法、光流 帧间差分法等。下面将对其进行详细的描述。 小、运动目标与背景的灰度差异较大时常常 是这样的：首先采集视频序列中不包含前景 然后利用当前帧与背景图像进行差分运算的 一般用于背景比较固定的情况下，对运动物 比较简单、计算量非常小，而且能够比较完 辆。而在实际应用中，由于摄像机震动、光 适时的更新。如何有效地建立背景模型成为 抖动导致的两幅图像的不匹配，进而差分后 方法是通过匹配法来估计两幅图像的平移量 ，一般处理方法是建立合适的光照变化模型， 变化的复杂背景下的车型识别，而是针对固 算进而实现运动目标的检测和分割。光流场 6 青岛科技大学研究生学位论文 的计算最初是由美国学者h o r n 和s c h u n c k 在1 9 8 1 年推导出来的。两人推导灰度 图像光流场计算公式是建立在相邻图像之间的时间差小，且其图像中灰度变化也 很小的基础上的。光流是指亮度模式引起的表观运动，是运动目标的三维速度矢 量在成像平面上的投影，并且可以表示出运动目标在图像位置中的实时变化。光 流法检测运动目标的基本原理是图像中的每一个像素点都对应一个速度矢量，在 运动的每一刻，二维图像上的点和三维物体上的点是一一对应的，这可以通过投 影关系得到。每一个像素都对应一个速度矢量，整个图像就对应一个运动场，而 根据各个像素点的速度矢量特征，可以对图像进行动态分析。当运动物体通过图 像背景时，运动物体产生的速度矢量必然和邻域背景( 在没有运动物体时) 的速 度矢量不同，从而检测出运动物体的位置。但是在实际应用中受噪声、多个光源、 阴影、遮挡等原因光流场的分布并不十分精确。一般的光流法只考虑图像中运动 物体产生的光流，而不考虑摄像机的运动产生的光流。当两者都考虑时，其算法 更加复杂，计算量相对较大，并且易受噪声的干扰，不能用于实时性要求非常高 的场合。 2 2 3 帧间差分法 帧间差分法也属于背景差分法的一种，只不过是把视频图像其中的一帧作为 背景来作差分运算。帧间差分法也是运动目标检测中常用的一种方法。其基本原 理是：连续的图像序列中，选取两个相邻帧，然后进行像素的帧间差分运算，最 后进行阈值化处理来提取图像的运动区域。因为运动物体的变化体现在图像上就 是部分像素灰度值的变化，而像素值没有发生变化的部分。我们认为该区域内没 有运动目标。所以只要比较序列图像对应像素的差别，就能检测出运动目标，为 后续的目标分割打下基础。 帧间差分法受环境影响比较小，比较适合动态变化的环境，但是利用此方法 会损失很多目标信息，而且如果运动目标的整体灰度值相差不大时，两帧图像目 标重合的部分将不能被检测出来，而且在目标体内部容易产生空洞现象，当然也 就不能完整的分割出车辆区域。 2 3 图像的预处理技术和实现 2 3 1 图像的去噪处理 在图像的采集、量化、传输等过程均可能带来噪声，并且噪声具有离散性和 随机性等特点。按噪声服从的分布对其进行分类，可以分为乜町： 7 基于图像处理的车型识别技术研究 ( 1 ) 高斯白噪声( g a u s s i a nw h i t en o i s e ) ：最普通的噪声，噪声信号随即分 布，没有规律。 ( 2 ) p o i s s o n 噪声：在光照非常小时出现，或在高倍电子放大线路中出现， 噪声信号分布为p o s s i o n 分布。 ( 3 ) 颗粒噪声：是一个白噪声的过程，图像存在明显的颗粒。 要想获得清晰地车辆图像首先要对采集的图像进行去噪处理，去除其存在的 高频噪声。常用的去噪方法有： ( 1 ) 邻域平均法 针对系统图像中经常出现的高斯噪声一般采取邻域平均的去噪方法。邻域平 均法的图像平滑处理的数学表达式为： 如川2 万l ( 娶( x - m , y - n ) ( 2 - 1 ) 其中：m 为邻域s 内所包含的像素总数：s 为事先已经确定的邻域( 邻域内不包 括( 工，y ) 点) 。例如半径为1 的邻域表示为： 墨= ( 墨y + 1 ) ，( x ，y 1 ) ，( x + 1 ，y ) ，( x 一1 ，y ) j ( 2 - 2 ) 对应m = 4 半径为2 的邻域可以表示为 驴 嚣d 又：i ：避姑浅x ( 2 - 3 y - 1 ) y1 , y1 , y - 1 ) ， u 后一、rj 。2 【( 工一1 ，( x l ，+ 1 ) ，( x + 1 ) ，( x +j 7 对应的m = 8 ，用卷积形式表示为： g ( x ，y ) = 厂( x ，j ，) 木j i l ( x ，y ) = h ( m ，n ) f ( x - m ，y - n ) ( 2 4 ) 可见，对应半径为1 的邻域，其 似j ，) 可表示为! l ：i 对应半径为三的 4 卜1o j 邻域，其 ( x ，y ) 可表示为! i ：l 而这样往往会导致图像变得模糊，且其邻域越 8 l l l l j 大越模糊。因此考虑带阈值的邻域平均法，即利用一个窗口对图像沿行扫描时先 求出除待处理像元之外的全部像元灰度值的平均值。如果带处理像元灰度值与这 个平均值之差的绝对值超过了某一预先确定的阈值，则该像元的灰度值使用平均 值代替；否则，保持该像元灰度值不变，取阂值的邻域平均法的数学表达式为： g “力=去。毳m 一鸭脚x 歹b ，n ， 8 一 叫 户j 一 鸭 ” 鸭 留起韶 一 1 一m犯m 五 力卜 青岛科技大学研究生学位论文 式中，r 为预先规定的阈值，实际处理时，要选择合适的阈值。丁太大，去 噪效果不好，丁如果太小，会减弱图像模糊效应的消除效果。 ( 2 ) 中值滤波法 另外一种去噪方法是中值滤波法，使用中值滤波器( 也叫最大值滤波器和最 小值滤波器) 。基本原理是把数字序列或数字图像中某一点的值用该点的一个邻 域中各点值的中值交换。由于一般图像在两维方向上具有相关性，活动窗口一般 选为两维窗口( 3 x 3 ，5 x 5 或者7 7 等) ，图2 1 给出了常用的窗口形状： o o o o o 0 0 o 0 0 0 o 0 000000 ooo o o ooo0o 0 00 oo 。 o ooo0 0000 o 0 0 o 000000 图2 1 各种两维窗口类型 f i g 2 - 1d i 您：嘲tt y p e so f t w o - d i m e n s i o n a lw i n d o w s ( 3 ) 小波消噪方法 近年来，随着小波理论的日益完善，它因为自身良好的时频特性在图像消噪 领域受到越来越多的重视，开辟了用非线性方法消除噪声的先例【2 7 2 9 】。具体说来， 小波能够消除噪声主要是由于小波变换的一下重要特点f 3 0 1 ： 1 ) 低熵性。小波系数的稀疏分布，使得图像转换后的熵降低。 2 ) 多分辨率特性。因为采用了多分辨率的方法，所以能够非常好地体现出 信号的非平稳特征，例如突变和断点等，能够在不同分辨率下依据信号和噪声的 分布来削弱噪声。 3 ) 去相关性。小波变换能够对信号进行去相关作用，而且噪声在变换后有 白化趋势，因此小波域比时域更利于去噪。 4 ) 基函数选择灵活。小波变换能够灵活选择基函数，也可依据信号特点和 消噪要求来选择多带小波和小波包等，对于不同的场合，能够选择不同的小波母 函数。 常用的小波消噪的方法是小波阈值消噪法，这是一种实现简单而且效果较好 的消噪方法。其的基本原理是，对小波分解后的各层稀疏模大于或者小于某阈值 的系数分别进行相应的处理，然后利用处理后的小波系数来重构出消噪后的图 像。在阈值消噪中，阈值函数充分体现了对小波分解系数的不同的处理方法以及 不同的估计方法，常用的阈值函数主要有硬阈值以及软阈值函数。硬阈值函数能 够很好的保留图像的边缘等局部特征，但图像将会出现伪吉布斯效应等视觉失真 的现象；而软阈值处理则相对较平滑，但很可能会出现边缘的模糊等失真现象。 小波阈值消噪的方法一个关键是阈值的选取，另一个关键因素就是阈值的具 9 基于图像处理的车型识别技术研究 体的估计。如果选取的阈值太小，消噪后的图像则仍然存在噪声；相反之如果阈 值取值太大，其重要的图像特征又将被滤掉，以致引起偏差。从直观上讲，对给 定的小波系数来讲，噪声越大，阈值就越大。 图2 2 是利用m a t l a b7 1 分别采用邻域平均法、中值滤波法以及小波阈值 去噪算法所作的去噪实验。对含有高斯噪声和椒盐噪声的车辆图像，利用邻域平 均法所得到的实验结果： 图2 - 2 邻域平均法 f i g 2 - 2n e i g h b o r h o o da v e r a g i n g 图2 3 是采用中值滤波法对含有高斯噪声的车辆图像进行的处理，其中活动 窗口分别采用的是3 3 ，图2 _ 4 是采用5 5 方形二维窗口的中值滤波法进行去噪 处理的实验结果： 蜀墨日豳髓髓搦嬲黝嬲戮戮戮黝缓缀嬲删点 圈霖嬲霸啊圜嘲鞠凝缓瀚鳜溺缓黝黝嬲黝珏嬲缓 ；她t ! 脚脚叶曲b 科唧w n d o w 搀扫 砷斟l t ! 删 _ r i e r tt o o l sr a e - 如p 丝n 抑出睁 f i g 2 3m e d i a nf i l t e r ( 3 x3 ) f i g 2 - 4m e d i a nf i l t e r ( 5x5 ) 图2 5 是采用二维小波变换对含有高斯噪声的车辆图像进行的消噪处理的实 验结果： l o 青岛科技大学研究生学位论文 图2 - 5 小波消噪法 f i g 2 - 5n o i s er e d u c t i o nb yw a v e l e t 通过上面的小波去噪实验，第一次消噪滤去了大部分的高频噪声，但与原图 比较仍有不少高频噪声存在，第二次消噪在第一次消噪的基础上，再次滤去高频 噪声，消噪效果较好，图像质量稍差一些。邻域平均法可以有效去除高斯噪声， 而对椒盐噪声的消除效果并不理想。对于自然界普遍存在的高斯噪声，采用中值 滤波5 5 窗口滤波要比3 3 窗口滤波效果要好，但是图像的模糊加重。 2 3 2 图像的分割技术 人们往往只对图像中的某些目标感兴趣，这些目标占据一定的区域，并且在 某些特征( 如灰度、颜色、轮廓、纹理等) 上和周围的图像有差别3 1 1 。这些特征 可能很细微也可能很明显。图像分割的作用就是把反映物体真实情况的、占据不 同区域的、具有不同特征的目标区分出来。计算机图像处理技术的发展，使得人 们可以通过计算机来获取和处理图像信息，而作为图像识别的基本前提步骤，图 像分割质量的好坏直接影响后续工作的效果，甚至决定其成败。因此，图像分割 的作用是至关重要的。 对于区域分割的分割一般采取阈值分割的方法。其原理是通过设定不同的特 征阈值，把图像像素点分为若干类。常用的特征包括来自原始图像的彩色或者灰 度特征；有原始彩色或者灰度值变换得到的特征。设原始图像为f ( x ，j ，) ，按照一 定的规则在f ( x ，y ) 中找到若干个特征值石，互，乙，其中疗l ，将图像分割成几部 分，分割后的图像可以表示为： ig ( x ，y ) = 厶，f ( x , y ) 乙 g ( 五j ，) 2 誓一l m ，j ，) 瓦( 2 - 6 ) l ： ig ( x ，j ，) = i - - 0 ，f ( x ，y ) 互 基于图像处理的车型识别技术研究 阈值预算可以看作是图像中某点的局部特征性、灰度及该点在图像中位置的 一种函数，这种函数可以记作：t ( x , y ，k y ) ，厂( 毛少) ) 式中f ( x , y ) 是点( x , y ) 的灰 度值；n ( x ，y ) 是点( x , y ) 的局部邻域特征。根据对r 的不同约束，可以得到三种 不同类型的阈值。 ( 1 ) 若全局阈值丁= 丁( 厂瓴y ) ) ，说明其只与点的灰度值有关； ( 2 ) 若局部阈值r = t ( n ( x ，j ，) ，“y ) ) ，说明其与点的灰度值和该点的局部邻 域特征有关； ( 3 ) 若动态阈值z = t ( x , y ，( 毛y ) ，f ( x ，y ) ) ，说明其与该点的位置、该点的灰 该点的邻域特征值有关。 述t 值的选取直接影响到分割效果。通常可以通过分析灰度直方图来确定 ，最常用的就是通过灰度直方图来求双峰或者多峰，选择双峰之间的谷底 阈值。如果选取一个阈值称为单阈值分割，它将图像分为目标和背景两大 果用多个阈值称为多阈值分割，图像将被分割成多个目标区域和背景。阈 的优点是实现简单，对于灰度值或者其他特征值相差很大时，它能很有效 像进行分割。阈值分割通常作为图像的预处理。 车辆图像来说，当车辆图像和背景图像灰度值差异比较明显时，可以利用 进行区域分割，进而得到车辆图像。图2 - 6 是利用m a t l a b 得到的一幅 像的直方图，从直方图可以看出其灰度等级有两个较明显的峰值。因此选 之间的谷底，作为其阈值进行分割。 眇卧d tn b 捌坤“吵o 图2 - 6 车辆图像直方图 f i g 2 - 6t h eh i s t o g r a mo fv e h i c l ei m a g e 方法不能有效去除与目标像素值差距不大的背景像素。本课题采用背景差 1 2 青岛科技大学研究生学位论文 分的方法来得到车辆图像。对于在固定位置拍摄的视频图像的两帧来说，其像素 值有很大的相似性。利用背景差分法，即两图像作差运算即可得到车辆图像。前 景图像和经过背景差分法后得到的车辆图像如2 7 所示。 图2 - 7 车辆前景图像和差分图像 f i g 2 - 7f o r e g r o u n di m a g ea n dd i f f e r e n t i a li m a g eo fv e h i c l e 2 3 3 数字图像的边缘检测技术 的边 征区 一致 景在 边缘