面向輔助駕駛的交通場(chǎng)景圖像預(yù)處理研究.pdf

1、在智能交通領(lǐng)域，交通場(chǎng)景圖像質(zhì)量的高低直接影響對(duì)車輛及其牌照、交通標(biāo)志等目標(biāo)的檢測(cè)和識(shí)別，從而關(guān)系到車輛輔助駕駛系統(tǒng)的正常運(yùn)行。然而，在獲取和傳輸圖像的過程中，由于外界噪聲干擾以及光學(xué)成像設(shè)備的硬件限制，獲取的圖像往往存在被噪聲污染以及分辨率不高等問題。因此，研究這些情況下的圖像預(yù)處理技術(shù)就有著十分重要的意義。為了解決車載成像平臺(tái)在采集圖像時(shí)發(fā)生的圖像含噪及分辨率不高的問題，本文提出了針對(duì)該問題的圖像清晰化預(yù)處理技術(shù)。主要的研究?jī)?nèi)容有如

2、下三個(gè)方面：
　　針對(duì)交通場(chǎng)景圖像被外界噪聲污染的問題，在介紹了小波理論和小波系數(shù)統(tǒng)計(jì)特性的基礎(chǔ)上，提出了一種新的基于小波系數(shù)統(tǒng)計(jì)模型的圖像去噪方法。該方法利用二維廣義自回歸條件異方差(2D-GARCH)模型對(duì)小波系數(shù)進(jìn)行建模，能夠更好地利用小波系數(shù)“尖峰厚尾”的分布特性和系數(shù)間的相關(guān)性等重要特性。利用基于果蠅優(yōu)化算法的極大似然估計(jì)代替?zhèn)鹘y(tǒng)的線性規(guī)劃方法求解模型參數(shù)，提高了建模的準(zhǔn)確性。在此基礎(chǔ)上再采用最小均方誤差估計(jì)對(duì)未受噪聲污

3、染的原始圖像的小波系數(shù)進(jìn)行估計(jì)從而達(dá)到去噪目的。
　　針對(duì)成像系統(tǒng)的硬件限制而導(dǎo)致的圖像分辨率不高的問題，采用基于稀疏表示的圖像超分辨率重建方法對(duì)低分辨率的圖像進(jìn)行超分辨率重建。本文介紹了稀疏表示理論在圖像超分辨率領(lǐng)域的應(yīng)用，同時(shí)詳細(xì)介紹了基于雙字典的稀疏表算法和基于結(jié)構(gòu)聚類型字典的稀疏表示算法這兩種經(jīng)典的稀疏表示算法，并結(jié)合這兩種算法的特點(diǎn)提出了一種新的基于子字典對(duì)稀疏表示的算法，該算法在基本保持了圖像重建效果的前提下大幅降低了