車(chē)臉圖像的特征提取.pdf

1、車(chē)臉特征提取的難點(diǎn)在于同一物理區(qū)域因雜亂的反光，在圖像上呈現(xiàn)出差異較大的灰度區(qū)域，因此，車(chē)臉的輪廓線容易受偽邊緣的干擾。研究從車(chē)臉結(jié)構(gòu)分析出發(fā)，提出一套有效的車(chē)臉圖像特征的提取算法。 對(duì)智能交通中現(xiàn)有的車(chē)型識(shí)別技術(shù)做了綜述，選擇了轎車(chē)車(chē)臉的結(jié)構(gòu)識(shí)別作為研究?jī)?nèi)容。分析了各種轎車(chē)車(chē)臉的大燈、散熱器隔柵在形狀、尺寸、結(jié)構(gòu)上的共性和特性，提出了車(chē)臉特征描述方案和特征提取框架。 研究了基于車(chē)牌定位的車(chē)臉?lè)指罘椒?。首先?duì)車(chē)臉圖像進(jìn)行

2、車(chē)牌分割，再根據(jù)車(chē)牌計(jì)算車(chē)臉的垂直中軸線和車(chē)臉帶的水平分割線，分割出大燈、散熱器隔柵區(qū)域。 研究了灰度不均、存在雜亂干擾線條區(qū)域的輪廓檢測(cè)方法。由于大燈玻璃表面透光和不均反射現(xiàn)象，使閾值分割和邊緣檢測(cè)算法都不能精確地分割大燈區(qū)域。針對(duì)這一難點(diǎn)，提出了基于Hough變換和Snake模型的大燈區(qū)域檢測(cè)方法。首先對(duì)大燈圖像做邊緣檢測(cè)，再對(duì)邊緣做直線檢測(cè)，采用基于夾角的二維凸包算法，得到初始輪廓，再運(yùn)用Snake方法檢精確地檢測(cè)出大燈區(qū)