小波圖像融合算法及其在視頻車(chē)輛檢測(cè)系統(tǒng)中的應(yīng)用研究.pdf

1、隨著現(xiàn)代經(jīng)濟(jì)的高速發(fā)展，智能交通系統(tǒng)的研究倍受關(guān)注。論文工作研究的視頻車(chē)輛檢測(cè)系統(tǒng)是智能交通系統(tǒng)的重要組成部分，它通過(guò)對(duì)道路現(xiàn)場(chǎng)視頻圖像序列的分析與處理，實(shí)現(xiàn)道路交通信息的自動(dòng)檢測(cè)和車(chē)輛特征的自動(dòng)識(shí)別。
　　 論文工作結(jié)合科研項(xiàng)目的需求，較深入地研究了基于小波變換的圖像去噪、配準(zhǔn)和融合等多種算法；設(shè)計(jì)了道路現(xiàn)場(chǎng)視頻車(chē)輛檢測(cè)系統(tǒng)，該系統(tǒng)含有基于DSP的視頻處理卡和工控機(jī)，其中的視頻處理卡用于從視頻圖像中提取各種交通信息，工控機(jī)輔助

2、用戶查看和管理交通信息；針對(duì)小波圖像融合運(yùn)算量大和視頻檢測(cè)系統(tǒng)實(shí)時(shí)性要求之間的矛盾，論文探索性地把小波圖像融合算法應(yīng)用于視頻車(chē)輛檢測(cè)系統(tǒng)的設(shè)計(jì)，提高了檢測(cè)系統(tǒng)的檢測(cè)速度和正確率，基本上滿足了視頻信息檢測(cè)的實(shí)時(shí)性要求。論文做了以下具有創(chuàng)新性的工作：
　　 (1)提出了小波模極大值閾值去噪算法和改進(jìn)的角點(diǎn)特征的圖像配準(zhǔn)算法。去噪算法利用信號(hào)和噪聲的小波模極大值隨尺度傳播的特性不同，采用特定的閾值區(qū)分小波模極大值點(diǎn)是否由噪聲產(chǎn)生，達(dá)到

3、去噪的目的；改進(jìn)的圖像配準(zhǔn)算法利用梯度模值從小波分解后高頻分量中提取角點(diǎn)，用特征點(diǎn)灰度信息匹配法剔除誤匹配的角點(diǎn)對(duì)后，確立仿射變換方程。實(shí)驗(yàn)表明，論文提出的去噪算法對(duì)噪聲的依賴(lài)性小，在去噪的同時(shí)較好的保留了圖像的細(xì)節(jié)信息；改進(jìn)的圖像配準(zhǔn)算法比傳統(tǒng)算法的配準(zhǔn)精度更高，且具有較低的運(yùn)算復(fù)雜度。
　　 (2)提出了基于局部梯度平均模值的圖像融合算法，利用小波變換后兩幅圖像低頻系數(shù)的局部梯度平均模值確定低頻融合系數(shù)；改進(jìn)了傳統(tǒng)的高頻系數(shù)

4、局部方差融合算法，利用局部方差定義高頻系數(shù)的區(qū)域匹配度，通過(guò)區(qū)域匹配度確定高頻融合系數(shù)。實(shí)驗(yàn)表明，論文提出的融合算法有效克服了傳統(tǒng)融合算法對(duì)圖像細(xì)節(jié)表現(xiàn)力不足和容易造成模糊的缺點(diǎn)，融合圖像具有良好的視覺(jué)效果。
　　 (3)提出了區(qū)域化圖像融合設(shè)計(jì)方案，即在設(shè)計(jì)視頻車(chē)輛檢測(cè)系統(tǒng)時(shí)，針對(duì)小波圖像融合算法計(jì)算量大、難以實(shí)時(shí)處理的難點(diǎn)，只對(duì)虛擬檢測(cè)線覆蓋的圖像區(qū)域進(jìn)行融合，而不處理與車(chē)輛檢測(cè)無(wú)關(guān)的區(qū)域。與對(duì)整幅圖像進(jìn)行的融合相比，區(qū)域化