Otsu圖像分割算法及其在車型識別中應(yīng)用研究.pdf

1、圖像分割是模式識別和計算機視覺領(lǐng)域的一個重要研究方向，具有廣泛的實用價值。在目標(biāo)檢測與分割的實際應(yīng)用中，經(jīng)常會遇到檢測與分割后的圖像輪廓模糊等情況，影響到目標(biāo)檢測和分割的效果以及實時應(yīng)用。本文在對圖像分割的國內(nèi)外研究現(xiàn)狀進行深入探討的基礎(chǔ)上，研究自適應(yīng)Otsu圖像分割算法，并將其應(yīng)用在與虛擬線圈相結(jié)合的交通視頻車型識別中。全文主要內(nèi)容如下：
　　 1.本文在分析和總結(jié)國內(nèi)外研究成果和最新研究技術(shù)的基礎(chǔ)上，選取基于閾值圖像分割技術(shù)

2、作為研究的重點，前期進行了大量的調(diào)研分析與研究，比較各種基于閾值的圖像分割技術(shù)的特點。
　　 2.針對傳統(tǒng)二維Otsu算法得不足，本文將絕對差和平均離差引入到閾值判別函數(shù)的設(shè)計中。先統(tǒng)計圖像目標(biāo)類與背景類各自類內(nèi)的絕對差，得到總體類內(nèi)絕對差之和；再統(tǒng)計目標(biāo)類和背景類兩類之間的總體平均離差；然后把總體類內(nèi)絕對差之和和類間總體離差的商作為閾值識別函數(shù)。實驗結(jié)果表明，與其它閾值判別函數(shù)相比，通過優(yōu)化新的閾值判別函數(shù)得到的二維閾值，具有

3、了較好的分割效果，能夠更好地保留了目標(biāo)物的輪廓，而且計算量小。
　　 3.傳統(tǒng)遺傳算法對交叉和變異做統(tǒng)一的操作，對收斂性有很大影響，往往會陷入局部最優(yōu)解，這是一個經(jīng)典難題，目前有很多學(xué)者都針對這個問題進行研究，本文根據(jù)不同的適應(yīng)度值對種群進行分類，對不同的種群采用不同的交叉方法和變異概率，即采用基于海明距離判別的交叉方式、基于動態(tài)變化的變異概率，一定程度上避免了陷入局部最優(yōu)。實驗結(jié)果也表明了應(yīng)用改進的遺傳算法所得到的最優(yōu)閾值顯然

4、要好于傳統(tǒng)遺傳算法能夠更早的得到最優(yōu)解，也更加接近全局最優(yōu)解，一定程度上克服了傳統(tǒng)GA算法的“早熟”問題。
　　 4.通過對圖像采集卡采集到的視頻序列的車道位置設(shè)置虛擬線圈，提出了一種基于多幀考慮的線圈區(qū)域內(nèi)灰度變化來檢測車輛的到達，并運用Otsu算法對特定區(qū)域運動的車輛進行目標(biāo)提取，獲得車輛的幾何特征，通過對幾何特征的分析，從而實現(xiàn)的對車型的識別。實驗表明了該方案能夠較為準(zhǔn)確地識別出到達檢測區(qū)域的車輛車型，系統(tǒng)的實時性也能夠得