（检测技术与自动化装置专业论文）基于niosⅡ软核的便携交通流量计研究与设计.pdf

硕士学位论文 摘要 随着经济的高速发展，交通运输的保障就显得尤其重要，对交通管理的要求 也越来越高，智能交通系统i t s ( i n t e l li g e n tt r a f f i cs y s t e m ，i t s ) 将信息技 术运用于交通状况监控管理与车辆通行控制，以保障交通顺畅及行车安全，改善 环境质量。在智能交通管理系统中，实时获取交通车流量的车辆检测技术是i t s 的基础。利用数字图像处理技术来实现交通流量的车辆检测已成为近年来该领域 的研究热点。 本文对国内外在交通系统中车辆流量检测相关技术和最新研究成果进行了较 为深入的研究和分析，在此基础上，在此基础上，针对基于图像处理技术进行交 通流量的检测这一方法中，图像增强过程中需要对图像的噪声滤除和边缘信息保 留进行兼顾和平衡的问题，运用了图像增强的改进算法，利用粗糙集的不可分辨 关系划分噪声点和非噪声点，从而来解决噪声滤除和边缘信息保留之间矛盾的问 题。该方法既有效的滤除噪声又能使图像的边缘信息得到增强。 在神经网络用于车型识别的传统方法中，输入元素( 即用于车型识别的特征 向量) 一般都是由设计者由经验来决定的，这种做法缺乏科学依据，一般也很难 构成最优的神经网络结构。本文中提出了采用粗糙集的神经网络进行车型识别的 方法。将粗糙集理论引入到神经网络的识别系统中，通过粗糙集理论，对知识进 行挖掘，对于车型识别相关的图像特征向量进行简化，使得神经网络的输入元素 可以得优化，从而就大大降低了神经网络的复杂程度，使实现系统识别算法所需 要的时间减少很多，从而提高了系统的实时性。 在识别算法研究的基础上，基于n i o si i 处理器设计了一种便携式高性能低成 本交通流量计，实验证明方案简易可行。 关键词：n 1 0 s l i ；交通流量；粗糙集；神经网络；c y c i o n e i i ；智能交通系统 基于n i o si i 软核的便携交通流量计研究与设计 a b s t r a c t w i t ht h e r a p i dd e v e l o p m e n to ft h em o d e me c o n o n l y ； k e e p i n gt r a f f i ca n d t r a n s p o r t a t i o ns a f ca n do r d e f l ya f eb e c o m i n gm o r ea n dm o r ej m p o r t a n t i n t e l l i g e n t t i r a f f i cs y s t e mi sb e i n gf b l l o w e d 1 e c h n o l o g yo ft h ev e h i c l ed e t e c t i o ni st h ek e yt ot h e s e r i e so ft e c h n o l o g i e sf o r t h ei n t e l l i g e n tt r a f f i cs y s t e m r e s e a r c h i n go nt h et e c h n o l o g y f b ft h ev e h i c l ed e t e c t i o nb a s e do ni m a g e p r o c e s s i n gi sj u s tt h eh o to ft h i sf i e l d t h i sp a p e rb a s eo nt h er e l a t e dr e s e a r c ha n dt h el a t e s tt e c h n i qu eo fd o m e s t i ca n d i n t e r n a t i o n a l c o n s i d e r i n gt h ed i f f i c u l t yo fk e e p i n gb a l a n c eb e t w e e nt h en o i s ea n dt h e e d g e ， t h i sp a p e rd e s c r i b e st h ea m e l i o r a t i v ea r i t h m e t i c ，b a s e do nt h ep a r t i t i o n so f i n d i s c e r n i b i l i t ye q u i v a l e n tf e l a t i o n ，n o i s ep i x e l sc a nb es e p a r a t e d t h em e t h o dc a n r e m o v et h en o i s ee f f i c i e n t l ya sw e l la st h ed e t a i le d g ei sp r e s e r v e da n de n h a n c e d t h i s p a p e rd e s c r i b e s t h ec o m b j n j n gr so fn e u r a ln e t w o r kf b rv e h i c l e c l a s s i f i c a t i o n i nt h et r a d i t i o n a ln e u r a ln e t w o f ku s e df o rv e h i c l ec l a s s i f i c a t i o n t h e n u m b e ro fn e r v ec e l lo fi n p u tl a y e rw a sd e c i d e db yt h ee x p e r i e n c eo ft h ed e s i g n e r i t s r e s u i ti s l a c k i n gs c i e n t i f i cp r o o fa n dt h i sm e t h o dc a n tc o m p o s et h eo p t i m i z a t i o n s t r u c t u r eo fa n n p a t t e r nr e c o g n i t i o nb a s e do nt h er o u g hs e t s t h e o r ya n dn e u r a l n e t w o r k si si n t r o d u c ei nt h i sp a p e r t h i ss y s t e mu t i l i z e st h er o u g hs e tt h e o r yt or e d u c e t h ei n p u ta t t r i b u t eo fa n n ，i n c r e a s et h ef r a m eo ft h en e u r a ln e t w o r k s ，a n d i n c r e a s et h e s p e e df o rd i a g n o s i s i n g t h i sp a p e fi n t r o d u c e st h ed e s i g no fv e h j c l ef l o wd e t e c t i o nb a s e do nn i o si i t h e e a e c t i v e n e s so ft h e0 p t i m i z a t i o np r o g r a mw a sv e r i f i e di nt h ef i n a ls y s t e mt e s t k 0 yw o r d s ：n i o s ；i i r a l 矗cf l o w ： r o u g hs e t ； n e u r a ln e t w o r k ： c y c i o n e ； i t e u i g e n t i r a n s p o r t a t i o ns y s t e m 硕士学位论文 插图索引 图1 1 运动汽车检测系统框架。3 图3 1 运动目标图像提取流程图8 图3 2 图像的去燥对比1 0 图3 3 图像的锐化对比1 3 图3 4 边缘增强滤波算法模板示意图1 4 图3 5 子块图像的划分1 6 图4 1 粗糙集中各个概念的图示关系。1 9 图4 2 神经元结构模型1 9 图4 3 神经元的i o 特性2 0 图4 4 前馈网络结构2 1 图4 5 反馈网络结构。2 2 图4 6 图像分割和二值化。2 3 图4 7 坐标方向上的外界矩形2 4 图4 8 基于粗糙集的神经网络识别系统结构。2 7 图4 9b p 神经网络训练结果3 1 图5 1 系统硬件结构框图3 6 图5 2a d v 7 1 8 1 视频解码电路。3 7 图5 3s d r a m 存储器与f p g a 的连接的电路图3 9 图5 4f l a s h 存储器与f p g a 连接的电路图4 0 图5 5d m 9 0 0 0 a 与f p g a 连接的电路图：4 1 图5 6r s 2 3 2 接口电路。4 1 图5 7a d v 7 1 2 3 与f p g a 相连接电路图4 2 图5 85 v 电源电路4 3 图5 93 3 v 电源电路4 3 图5 1 01 8 v 电源电路4 3 图5 1 11 2 v 电源电路4 4 图5 1 2a s 串行配置电路图4 4 图5 1 3f p g a 内的软件整体结构：4 5 图5 1 4 系统构建的n i o si i 软核。4 6 图5 1 5s o p cb u i l d e r 软件界面4 7 图5 1 6 主程序流程图4 8 基于n i o si i 软核的便携交通流量计研究与设计 图5 1 7 测量子程序流程图4 8 图5 1 8 算法实现结构图4 9 图5 1 9l m p 生成异步f l f o 模块界面5 0 图5 2 0f i f o 接口5 0 图5 2 1n i o si ii d e 软环境界面5 1 图5 2 2d s pb u i l d e r 软件界面。5 2 图5 2 3d s pb u i l d e r 编译界面5 2 兰州理工大学学位论文原创性声明和使用授权说明 原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所 取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任 何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡 献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的 法律后果由本人承担。 作者签名：礴五松 日期。卯莎年月g 日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，即： 学校有权保留并向国家有关部门或机构送交论文的复印件和电子版，允许 论文被查阅和借阅。本人授权兰州理工大学可以将本学位论文的全部或部 分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段 保存和汇编本学位论文。同时授权中国科学技术信息研究所将本学位论文 收录到中国学位论文全文数据库，并通过网络向社会公众提供信息服 务。 作者签名： 导师签名： 日期j 刃g 年月扩日 日期：参毋年多月占日 庸7 核扬一i 舀 舾杉 硕士学位论文 第1 章绪论 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 mi t s ) 将先进的人工智 能技术、自动控制技术、信息通信技术、电子传感技术和系统工程技术有效的集 成起来，应用于地面交通管理，从而建立了一种大范围、全方位发挥作用的实时、 准确、高效的综合交通运输管理系统。i t s 产生于上世纪6 0 年代末，初始阶段的 研究是在各国政府的大力支持下开展的，大量研究机构和高校合作研制了多个原 型系统和大量的解决方案。该阶段的主要成果是深入分析了i t s 问题，进行了大 量可行性研究，了解了i t s 技术应用的要求和可能带来的效益。进入上世纪9 0 年 代以后，美国、日本、欧洲等国家对i t s 的研究给予了高度重视，投入了大量的 人力和物力。目前，i t s 的方法逐渐成熟，技术日益可行。 由于国情和基础产业的不同，各国对i t s 的理解和研究重点也不尽相同，但 其目标却是一致的，实现的技术和工作的主要内容也大致相同，均是依托信息技 术、通讯技术来实现交通系统高效、安全及舒适的运行。综合起来，国际上公认 的i t s 服务领域包括以下七个方面： ( 1 ) 先进的交通信息服务系统( a d v a n c e dt r a n s p o r t a t i o ni n f o 珈a t i o n s y s t e m ， a t i s ) ； ( 2 ) 先进的交通管理系统( a d v a n c e dt r a n s p o r t a ti o nm a n a g e m e n ts y s t e m ， a t m s ) ； ( 3 ) 先进的公共交通系统( a d v a n c e dp u b l i ct r a n s p o r t a ti o ns y s t e m ，a p t s ) ； ( 4 ) 先进的车辆控制系统( a d v a n c e dv e h i c l ec o n t r 0 1s y s t e m ，a v c s ) ； ( 5 ) 货运管理系统( g o o d st r a n s p o r t a t i o ns y s t e m ，g t s ) ； ( 6 ) 电子收费系统( e l e c t r o n i ct o l lc 0 1 1 e c t i o ns y s t e m ，e t c ) ； ( 7 ) 紧急救援系统( e m e r g e n c ym a n a g es y s t e m ，e m s ) 。 从上世纪9 0 年代开始，美国联邦政府为了推进智能交通系统的发展，专门成 立了智能车辆一道路系统( i v h s ) 组织，开发出了美国国家i t s 体系结构，并投 入了高达1 0 亿美元从事与智能交通有关的技术和应用系统的研究与开发心1 。早在 1 9 8 6 年欧洲的1 4 个国家的政府总投资5 0 亿美元，开始建立使欧洲交通最高效和 最安全的p r o m e h e u s 工程，1 9 9 8 年又开始了智能交通体系结构项目k a r e n 引的实 施。日本在上世纪7 0 年代研制出了电子路径诱导系统，9 0 年代开发出了车辆信息 通讯系统并投入实际使用陆引。可见，国际上对智能交通的研究和应用非常重视， 有大批专家和技术人员从事与智能交通有关项目的研究和应用。 在国内，虽然早在上世纪7 0 年代末就已经开始在交通运输和管理中应用电子 基于n i o si i 软核的便携交通流量计研究与设计 信息技术，并称为交通工程，但直到1 9 9 8 年之后才引起重视，建立了发展i t s 的 政府领导机构，制定了中国i t s 体系框架、逻辑结构，明确了全国i t s 的总体内 容和各部分相互关系。科技部将“智能交通系统的研究”列为国家“十五 重点 项目。 智能交通系统是运用高科技手段解决当前交通运输问题，包括运输能力、运 输效率、运输安全及运输服务的新技术。在智能交通系统中，交通数据采集是基 础工作，而对汽车的检测与识别是其中最重要的内容之一，是提高运输管理能力， 提高运输效率和运输安全的重要保证。 交通流量检测系统作为智能交通系统( i t s ) 的重要组成部分，在i t s 中发挥着 重要的作用。而基于视觉的交通流量检测系统又是交通流量检测系统中的研究重 点。 1 1 实时交通流量检测技术的现状 实时交通流量检测是指系统能够及时地检测出通过的车辆并能以此为基础准 确地统计出车流量。目前，在国内外的交通流量检测系统仍需要进一步完善，它 们还存在如成本太高、安装不便、识别率不高等等问题。 现有实时交通流量检测技术可以分为三类。一类为基于压电回路的永久埋入 式系统。这类系统虽然可靠，但费用较高且安装维护不方便，即需将传感器永久 性埋入地下，其设立和维护都需挖掘路面，费时费力且影响交通。另一类为近年 来兴起的悬挂式系统，如基于闭路电视、微波、雷达、红外线或超声波传感器的 监测系统。第三类为基于图像处理技术的交通流量检测系统。由于视频检测方法 的诸多优点，基于视频图像的交通流量检测方法己成为人们研究的热点。 1 2 课题研究意义 当前，公路运输己经成为超越铁路的最重要的地面运输方式之一，在国民经 济和社会发展中起着举足轻重的作用。但是随着汽车的普及、交通需求的急剧增 长，进入上世纪8 0 年代以来，道路运输所带来的交通拥堵、交通事故和环境污染 等负面效应也日益突出，逐步成为经济和社会发展中的全球性问题。 解决车和路的矛盾，常用的有两个办法：一是控制需求，最直接的办法就是 限制车辆的增加，二是增加供给，也就是修路，但是这两个办法都有其局限性h 1 。 交通是社会发展和人民生活水平提高的基本条件，经济的发展必然带来出行的增 加，而且在我国汽车产业正处在起步发展阶段，因此限制车辆的增加不是解决问 题的好办法。而采取增加供给，即大量修筑道路基础设施的办法，在资源、环境 矛盾越来越突出的今天，面对越来越拥挤的交通、有限的资源和财力以及环境的 2 硕士学位论文 压力，也将受到限制，这就需要在此之外寻找其它方法来满足日益增长的交通需 求嘲。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 ) 正是解决 这一矛盾的有效途径之一凹1 。 伴随着智能交通系统的飞速发展，视频监控技术也得到了长足的进步。目前， 在国内外市场上，主要推出数字控制的模拟视频监控和数字视频监控两类产品， 前者技术成熟、性能稳定，在实际工程应用中得到广泛应用，特别是在大、中型 视频监控工程中的应用尤为广泛；后者是新近崛起的以计算机技术及图像视频压 缩为核心的新型视频监控系统，该系统解决了模拟系统部分弊端，但仍需进一步 完善和发展n 叫。 目前，基于视频图像处理的交通监控系统普遍采用p c 作为图像处理的平台， 典型的是基于p c 的交通流量计的应用。但在实际工程使用过程中，暴露出一些 不足，主要是成本居高，体积偏大，随着嵌入式技术的发展，为数字视频图像处 理的实现提供了新的方法。 在嵌入式系统设计中，除了广泛应用的a r m 处理器外，a 1 t e r a 提供的n i o si i 处理器很有特色，是一款非常适合于嵌入式系统设计的软核处理器。a 1 t e r a 公司 2 0 0 4 年推出第二代n i o si i 软核处理器，其性能超过2 0 0 d m i p s ，最低成本却只 需3 5 美分，a l t e r a 还提供功能完善的开发套件，包括c c + + 编译器、集成开发 环境( i d e ) 、j t a g 调试器、实时操作系统( r t o s ) 和t c p i p 协议栈。这些开发套件， 配合q u a r t u si i 开发软件中的s o p cb u i l d e r 设计工具，以及基于s i m u l i n k 的 系统设计模块d s pb u “d e r ，设计者可以很快完成一个s o p c 系统的设计工作，为 用户提供了很大的设计灵活性。 本课题基于n i o si i 软核处理器，设计一款便携交通流量计，用于车辆信息采 集。 1 3 研究的内容 本文从当前智能交通的实际应用需求出发，着重研究运动汽车的分类识别， 为当前最具应用价值的公路收费系统和停车场汽车管理系统提供识别算法。本文 采用的汽车分类识别方法主要集中在基于粗糙集的神经网络识别算法上。最终实 现基于n i o si i 软核的便携交通流量计的设计。 图1 1 运动汽车检测系统框架 3 基于n i o si i 软核的便携交通流量计研究与设计 研究的主要内容： ( 1 ) 汽车原始图像的预处理。将来自实时图像采集的汽车原始图像进行预处 理。 ( 2 ) 汽车图像检测分割。 ( 3 ) 汽车进行分类。利用模式识别技术进行汽车分类，基于系统对实时性要 求高的特点考虑，采取基于粗糙集的神经网络识别方法，并在对车辆分类的基础 上对交通流量进行统计。其运动汽车检测系统框架如图1 1 。 ( 4 ) 以f p g a 为基础，构建基于n i o si i 软核的嵌入式系统，在n i o si i 软核上 实现以上算法，实现车辆流量的统计。 4 硕士学位论文 第2 章交通流量检测技术概述 对于城市交通道路流量状况的监控和信息采集有着不同的手段，目前常用的 一些检测方式，比如环形线圈检测技术、地磁检测检测技术、电磁感应检测技术、 微波检测检测技术、超声波检测技术、激光检测技术、动态称重检测技术以及视 频图像检测技术等。在以上检测技术中，视频图像检测技术用于车流量信息检测 具有无可比拟的优势1 。 2 1 环型线圈检测技术 环型线圈检测技术是利用埋设在车道路面下的环型线圈，当车辆通过环型线 圈时，使环型线圈的电磁感应发生变化，从而引起谐振回路的谐振频率发生变化， 通过对谐振频率的进行分析，做出是否有车辆通过或存在的判断，并实现车流量 的统计。环型线圈检测器具有成本低，灵敏度高，受气候影响小等优点，但在实 际使用中，因道路施工、路面变形等因素使线圈的损坏率较高，更换安装和维护 时要进入公路主体，影响交通运输，维护的工作量也较大且成本高。 2 2 地磁检测技术 地磁检测技术是利用一个永久磁铁棒，在外部密绕着线圈，探头埋于地下。 当车辆通过探头时，切割磁力线，在探头线圈中产生一个感应电动势，经过放大 输出一个脉冲，但静止的车辆不会产生输出。仅适用于要求记录来往车辆数量的 场合，而对于其他的交通流数据的检测就显得力不从心。 2 3 电磁感应检测技术 电磁感应检测技术其工作原理为，预先在公路下面铺设一个线圈并加以高频 电流，当车辆从上面通过时，由于车辆大部分由金属制成，因而会在线圈内部产 生涡流而使线圈电感量减小，从而获得交通流量信息。这种方法准确率较高，且 具有成本较低、不受气候影响等优点：但该方法在实施中需要将线圈埋入地下， 设备还会受到车辆挤压，因此具有破坏路面、可移动性差、容易损坏、寿命短等 缺点，同时受车辆行驶速度和其它干扰因素等影响，获得的车辆特征曲线对车辆 的分类效果不理想，所以很少单独使用，通常作为其他系统的辅助装置。 2 4 微波检测技术 微波检测技术主要由发射天线和发射接收器组成。通过发射天线，对准监测 5 基于n i o si i 软核的便携交通流量计研究与设计 区域发射微波波束。当有车辆通过时，反射波会以不同的频率的波返回到接收天 线上，检测器的接收器测出这种频率的变化，从而测定车辆的通过或存在。微波 检测器具有多检测区域的特点，可检测交通量，车速，占有率等。目前在交通检 测方面也具有很大的优势，它的缺点在于无法提供视觉监视能力，无法记录通行 车辆或交通路况的可视特征等等。 2 5 超声波检测技术 超声波检测分类技术在高速公路上应用比较多。与微波检测技术类似，它利 用反射回波原理，系统主要由探头和控制机构成，探头具有发射和接受双重功能， 被设置于道路的正上方。其工作原理是，超声波检测器探头反射出来一束超声波， 就会反射回来被同一探头所接收，通过判断该信号与原反射回波信号在时间上的 差异，做出检测区域内有车辆通过或存在的判断，从而得到车辆流量信息。超声 波检测器具有安装不需破坏路面，不受道路施工、变形的影响，检测器位置可以 移动等优点，不足之处是受车辆遮挡和行人的影响，反射信号不稳定，检测精度 较差；另外其精度也易受环境的影响，尤其是大风、暴雨等自然条件的影响，有 时甚至会造成误检。 2 6 激光检测技术 激光检测技术是用脉冲激光作为媒介，通过测量激光面的反射结果来检测距 离信息，根据不同距离获取车辆的三维外形形状，进行车辆检测和车型识别。由 于脉冲激光投射到路面并反射回到激光检测器的时间是固定的，因而可通过反射 光间距发生变化的时间，精确地测量出车辆高度信息。另一方面，选用道路的反 射强度作为参考值，通过检测出反射能量的变化即可测出车辆的存在。 这种检测技术对利用轮廓信息进行车型分类十分有利，但设备成本过高，同 类检测器之间存在信号干扰问题，有时会产生接收数据错误，降低了系统的可靠 性，而且它们对环境造成一定的污染也是一个不容忽视的问题。 2 7 动态称重技术 动态称重技术，按使用的检测器分类，有应变片检测器、压力检测器和电容 器检测器三类，其工作原理是，当车辆通过埋入路面下的检测器时，检测器受力 产生形变，根据回传信息对车辆进行检测，可测量车辆的轴重、轴距、总重、车 速等，并按预先制定的车型分类表，自动识别车型。相对于静态称重，动态称重 具有节省时间、提高效率的特点，同时对车辆超限超载的治理工作提供了精确而 客观的依据，有利于车辆的行车安全，延长了路面的使用寿命，推动了公路运输 6 硕士学位论文 车辆超限执法的规范化和科学化。但由于其技术还不够成熟，加之设备安装复杂、 寿命短，温度、车辆振动、道路质量等都会对系统精度产生很大影响，所以在车 流量检测和车型识别中还没有得到广泛应用。 2 8 基于视频图像的车辆检测和车型识别技术 基于视频图像的车辆检测和车型识别技术是以视频图像为主要分析对象，通 过视频摄像头从视频流中提取交通图像，利用计算机技术模仿人类的视觉功能， 通过对图像的分析处理提取出有效信息的方法，它能够自动提取出绝大多数的交 通流有效数据，其中包括交通流量、速度测量、车辆排队长度、车型分类、占有 率以及密度等n 幻n 朝。相对于其它交通检测技术而言，视频检测识别技术主要有以 下的优势1 ： 1 安装简便，无需破坏路面，施工时不影响交通，易于移动、调整检测器位 置，维护费用低； 2 直观可靠，便于管理人员干预，检测范围广，获取信息量大，还可以利用 原有的监控设备，最大限度的发挥原有资源的作用； 3 维护费用低，可以实现可视信息的记录和保存，具有离线处理的能力； 4 对周围环境没有影响，不会造成污染，相同检测器之间也不会发生相互干 扰： 5 可进行多车道检测，信息获取面积大，监控范围广，在一定的范围内可以 实现对运动车辆的跟踪和识别n 5 1 。 这些优势使得它在近年来被越来越广泛的应用于交通流量数据的采集。这也 是本文为什么选用视频图像检测技术的初衷。 7 基于n i o si i 软核的便携交通流量计研究与设计 第3 章运动汽车图像预处理及分割算法 3 1 运动目标图像的提取 运动目标图像的提取是指利用连续图像的相关运动信息从图像中将运动目标 的信息提取出来的过程。首先应感知图像中是否有物体在运动，如果有运动物体 则应立即从当前图像序列中将目标信息提取出来n6 1 。运动目标检测是通过虚拟触 发线圈来实现，虚拟触发线圈是在摄像中预先人为设定的一个矩形域，通过检测 这一矩阵域内的像素变化，如像素变化超过某一个门限值就可以判定触发有效， 即有运动车辆进入摄像机范围内。这时就可以启动目标信息提取过程，对当前这 一帧图像进行分析。运动目标图像提取的流程图如图3 1 所示： 图3 1 运动目标图像提取流程图 3 2 运动目标图像的预处理 3 2 1 运动目标图像去噪增强算法 图像噪声是指在图像生成、保存和传输过程中，由于外部干扰而加入到图像 中的冗余信息n 引。如在图像生成过程中天空飘落的树叶等会引起噪声干扰，在数 8 硕士学位论文 字化过程中由于采样的原因或者数字化设备的原因而加入噪声，在保存传输过程 中加入噪声等。在图像拍摄和数字化过程中，由于摄像设备和拍摄环境等多种因 素，数字化后的图像或多或少的都会带有各种噪声口引。因此，图像预处理的首要 任务就是要消除、减少这些噪声。噪声分为两大类，一类是点状、尖峰状颗粒噪 声；还有一类噪声是分布噪声，如高斯噪声等。通常噪声的发生是随机的，发生 的机理往往也是未知的，有的时候即使知道了噪声产生的机理，也不能完全的将 它抽象为数学模型，在这样的场合下，可采用根据噪声具有的一般性质进行噪声 消除的平滑化，在频域中消除噪声主要采用低通滤波，在空间域中消除噪声主要 采用线性滤波和非线性滤波( 中值滤波) n 引。考虑到我们所得到的图像上的噪声 主要是随机噪声，下面主要针对随机噪音来介绍几种消除图像噪声的方法。 1 领域平均法 领域平均法是一种空间域局部处理算法。在图像中，大部分的噪声是随机的。 噪声对某一像素点的影响都可以看作是孤立的，与邻近的各点相比，噪声点的灰 度值将有显著的不同。因此，我们可以使用邻域平均的方法来消除噪声。 ，o ，j ) 表示图像中g ，j ) 点的实际灰度值，以其为中心取一个的窗口，窗 口内像素组成的点集以a 来表示，经邻域平均法滤波后，像素g ( f ，j ) 的对应输出为： 1 g o ，j ) = 志罗厂o ，y ) ( 3 1 ) v v o ：强_ 邻域平均法的平滑效果与所使用的邻域半径大小有关。半径越大，平滑图像 的模糊程度越大，邻域平均法的优点是算法简单，计算速度快，主要缺点是降低 噪声的同时使图像产生模糊，特别是边缘细节处，邻域越大，模糊的越厉害。处 理后的效果图，如图3 2 ( b ) 所示。 2 中值滤波 采用邻域平均法滤波来消除噪声，其实际作用相当于一个低通滤波器。由于 图像边缘轮廓含有大量的高频信息，所以用邻域平均法过滤噪声时，必然使边界 变模糊乜引。为了使边界不被模糊，我们采用中值滤波。中值滤波是一种局部平均 平滑技术，它是一种非线性滤波。中值滤波在实际运算过程中并不需要图像的统 计特性，所以使用比较方便。中值滤波克服了线性滤波器所带来的图像细节模糊 问题，在过滤噪声的同时，还能很好地保护边缘轮廓信息。 中值滤波的原理是采用一个含有奇数个点的滑动窗口，即用一个的窗口 ( 其中：3 ，5 ，7 ) 在图像上滑动，把窗口中所有像素的灰度值按升( 或降) 次序排 列，取排列在正中间的灰度值作为窗口中心所对应像素点的灰度值。对于一个二 维序列，取窗口长度为( 为奇数) ，其中( f ，_ ) 为窗口中心位置，f 。坐兰竺兰。 z 对中心点像素厶进行中值滤波得到更新值为粕。数学表达式为： 9 丛rn i o si i 软核的使携交通流 扛计研究与设i g 。2 姚d - f ，_ f ) ) 一，厶，厶小，) 】 ( 3 2 ) 式中：胁d ( ) 表示取序中值。 。 j 值滤波效粜如幽3 2 ( c ) 所示。 ：3 频域低通滤波 从信号频谱角度来看，信号缓慢变化部分在频率域属于低频部分，信号快速 变化部分在频率域属于高频部分。对于图像而言，它的边缘以及噪声干扰的频谱 郜处于频率域较高的部分，因此可以采用低通滤波的方法去除噪声们心h 。 图像经过傅立叶变换后，噪声对应r 频谱中的高频部分。凶此，滤除频域巾 的高频分量，可以存频域中实现去除噪声的处理。这种滤除高频分量而保尉低频 分量的方法称为低通滤波法，其数学表达式为： g ( “，y ) = h ( “，v ) f ( “，y ) ( 3 3 ) j ：而公式中，( 比，v ) 是含有噪声的原始图像的傅立叶变换结果，似，y ) 为低通 滤波器的传递函数，g ( “，v ) 为经过低通滤波后输 n 图像的傅立叶变换结果。进行 低通滤波时先构造个低通滤波器，使低频分量顺利通过而有效地阻止高渤 分量， 即可滤除频域中高频部分的噪声，再经过对g ( “，v ) 的反傅立叶变换就可以得到甲 滑图像。 ( a ) 原始图像( b ) 邻域平均滤波 ( c ) 中值滤波( c ) 低通滤波 图3 2 图像的去燥对比 硕士学位论文 3 2 2 运动目标图像锐化增强算法 经过去除噪声处理的图像，图像边缘可能变得模糊不清。因此，为了改善图 像质量，就要进行图像增强，即对图像进行锐化处理。图像锐化的主要目的就是 增强图像中的目标边界和图像细节，通过锐化把图像变得轮廓分明，消除模糊。 进行锐化处理的图像必需要有较高的信噪比，否则，图像进行锐化之后，信噪比 更低，图像的质量将急剧下降。由于锐化将使噪声受到比信号还强的增强，一般 都是先进行图像平滑处理，去除图像中的干扰噪声，然后再进行图像锐化处理心扪。 对于图像锐化技术，在空间域基本的方法是对图像进行微分处理；在频域基 本的方法是运用高通滤波技术心0 1 。在空间域中，由于需要锐化的图像边界或线条 可能是任意走向的，所以期望采用的算子应该是各个同性的。所谓各向同性是指 无论边界或线条走向如何，只要幅度相等，算子就应该给出相同的输出。 下面介绍微分算子方法、s o b e l 算子方法、拉普拉斯算子方法等图像锐化方法。 1 微分算子方法 图像锐化方法中最常用的微分方法是求梯度。对于连续函数厂 ，y ) ，在点o ，y ) 处的梯度是一个矢量，定义为： g 【，o ，y ) 】：攀盟，掣边1 1 ( 3 4 ) 【 d x 哕 j 对于离散数字图像厂 ，y ) ，采用差分运算来近似代替微分运算。在其像素点 o ，j ) 处，x 方向上和y 方向上的一阶差分定义为： ，厂o ，j ) = ，o ，歹) 一厂o + 1 ，) ( 3 5 ) ，o ，j f ) = ，o ，) 一厂o ，j + 1 ) ( 3 6 ) 这样，为了简便运算，梯度微分算子可以简化为： g 【厂( x ，y ) 】= i ，o ，) 一厂o + 1 ，j ) l + i ，g ，歹) 一，o ，_ | + 1 ) i ( 3 7 ) 以上这种求梯度的方法又称为水平垂直差分法。另外一种求梯度的方法叫做罗伯 特梯度法( r o b e r tg r a d i e n t ) ，其数学表达式可以简化为： g 【厂( x ，y ) 】= l 厂g ，j ) 一，o + 1 ，歹+ 1 ) i + i 厂o + 1 j ) 一，g ，j + 1 ) i ( 3 8 ) 当梯度计算完之后，就需要采用各种方法确定锐化输出的图像。可以直接以 梯度值作为锐化输出，这种方法简单易行，缺点是增强的图像仅显示灰度变化比 较剧烈的边缘轮廓，而图像灰度变化比较平缓或均匀的区域则呈现黑色，整幅图 像会表现出暗的特性也可以设置一个阈值，当梯度值大于阈值时才用梯度值代替 原像素灰度值，否则保持像素灰度值不变。这样，适当选取阈值，就既可以使明 显的边缘轮廓得到增强，又不会破坏原图像中灰度变化比较平缓的区域。 2 s o b e l 算子方法 用微分算子方法锐化图像时，图像中的噪声、条纹等同样得到加强，这在图 1 1 基于n i o s 软核的便携交通流量计研究与设计 像处理中会造成伪的边缘和轮廓。s o b e l 算子则在一定程度上克服了这一问题乜幻。 s o b e l 算子的基本思想是：以待增强图像的任意像素g ，j ) 为中心，截取一个 3 3 的像素窗口，分别计算窗口中心像素在x ，y 方向h = ( 磁，见x 1 s 七s8 ) 上的梯 度： 最一【，o + 1 ，j 一1 ) + 2 厂( f + l ，) + ，a + 1 j + 1 ) 】一 ， 【，a 一1 ，j 一1 ) + 2 厂o 一1 ，j ) + ，o 一1 ，j f 一1 ) 1 ( 3 9 ) ： s ，一【，o 一1 ，歹+ 1 ) + 2 ，o ，j + 1 ) + ，a + 1 ，j + 1 ) 卜 【厂g 一1 ，j 一1 ) + 2 ，o ，一1 ) + 厂( f + 1 ，j 一1 ) 】 ( 3 1 0 ) 增强后的图像在o ，j ) 处的灰度值为： g 矿( x ，y ) 】= s i + s ； ( 3 1 1 ) 上式可以简化为： g 矿( x ，y ) 】= m a x ( i s 。i ，i s ，i ) ( 3 1 2 ) 可以看出来，s o b e l 算子在计算x 方向和y 方向上的梯度时，不像普通梯度算 子那样只用两个像素的灰度差值来表示，而是采用两行像素灰度加权和的差值来 表示，这样使得s o b e l 算子具有如下两个优点： ( 1 ) 由于引入了加权平均，因而对图像中的随即噪声有一定的平滑作用； ( 2 ) 由于s o b e l 算子采用间隔两行或者两列的差分，所以对图像的像素得到 增强。 3 拉普拉斯算子方法 拉普拉斯算子( 1 a p l a c i a n ) 是一种十分常用的图像增强处理算子。拉普拉斯算 子是线性二次微分算子，具有各向同性和位移不变性，从而满足不同走向的图像 边缘的锐化要求乜引。 对于连续图像，g ，y ) ，它的拉普拉斯算子为： v 2 厂。掣+ 掣 ( 3 1 3 ) 觑 妙 对于数字图像，g ，歹) 而言，二阶偏导数用二阶差分近似，所以拉普拉斯算子表 达式为： v 2 ，g ，j ) ；，( f + 1 ，歹) + ，o 一1 ，j ) + ，a ，j 一1 ) + 厂o ，j + 1 ) 一4 ，o ，j ) ( 3 1 4 ) 利用拉普拉斯算子锐化后的图像可以表示为： g o ，j ) 一5 ，( f ，j ) 一【厂( f + 1 ，- ，) + ，o 一1 ，j ) + 厂o ，j 一1 ) + 厂a ，j + 1 ) 】 ( 3 1 5 ) 拉普拉斯算子可以表示成模板的形式，同微分算子进行锐化一样，拉普拉斯 算子也增强了图像的噪声，同微分算子相比则对噪声的增强作用比较弱。在应用 拉普拉斯算子进行图像增强时，应先进行图像的平滑处理。 ra ) 原始图像 ( b ) 进行梯度运算后的图像 ( c ) 进行s o b ei 算子的图像 ( d ) 进行拉普拉斯算子运算后的图像 图3 3 图像的锐化对比 3 2 3 运动目标图像的预处理改进算法 图像的滤波和锐化处理往往涉及剑噪，；i 的滤除和图像边缘细节的保尉这两方 丽的兼顾与、r 衡。从存图3 2 和图：；3r i 就可以看出来，j i 狄度的突变足噪卢 和图像边界或线条纹理的其i j 特性，传统的图像滤波方法，如邻域平均滤波、r f l 值滤波或肇于频域的均值滤波等等，伍滤除噪声r 扰的f 刊时，这些方法都会使图 像的边界、线条纹理等细节信，目、变得模糊一引。t 擘统的图像锐化方法，在增强图像 细节信息的同时又会j u 强噪，i 的强度。针对以卜问题，本文利用村i 糙集不，j 分拶f 关系划分，对运动f j 标图像的预处理算法进行改进。 尽管噪声和边缘在次度突变上具有类似的特- p # ，但两者仍足可以区分的，噪 声通常足孤立点，它和相邻像素之| r j 的像素值相差较火，f n n 坦缘t i 红邻域的某一 个或者多个方向l ：总能找到狄度值致或者。_ i 日近的像素点i ，即彳、- f 边缘米谚 ! 也是 相列连续的，这是边缘点和噪声的重要区别。在以上特性的璀础 ，利用卡糙集 州论实现对运动目标图像的预处理。整个算法分两步来完成，卣先对噪声进行检 测，通j 刁：i l j + 乡) 判 关系戈j 分，分离出噪，占羁i 作噪声i ，j 、i ，采用t 卜值滤波对l l 粜声点进 行处理，实现对噪声，r j 、i 的滤除处理，然后，基十近似精度，r t j 。以刘相应像素点邻 域8 个。mh 萸扳的近似性进行检测，找到具有最大近似精蔓的模板，则。h 巴、像 素属于该馍扳的可能。盹最大，肘j i 边缘。t 气来说该力m 最有可能魁边缘的走向，以 基于n i o si i 软核的便携交通流量计研究与设计 该模板的均值取代中心点的灰度值，这样使得图像的细节信息的到了增强。相应 的方向模板，以5 5 的滑动窗口为例，如图3 4 所示： ood o o ooooo 图3 4 边缘增强滤波算法模板示意图 以窗口中黑点为中心沿上下、左右，以及对角线总共可以获得8 个方向模板，图 中仅给出了两个方向的模板。 以一幅m