小波圖像融合算法及其在視頻車輛檢測系統(tǒng)中的應(yīng)用研究.pdf_第1頁
已閱讀1頁,還剩132頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、隨著現(xiàn)代經(jīng)濟的高速發(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輛檢測系統(tǒng)是智能交通系統(tǒng)的重要組成部分,它通過對道路現(xiàn)場視頻圖像序列的分析與處理,實現(xiàn)道路交通信息的自動檢測和車輛特征的自動識別。
   論文工作結(jié)合科研項目的需求,較深入地研究了基于小波變換的圖像去噪、配準和融合等多種算法;設(shè)計了道路現(xiàn)場視頻車輛檢測系統(tǒng),該系統(tǒng)含有基于DSP的視頻處理卡和工控機,其中的視頻處理卡用于從視頻圖像中提取各種交通信息,工控機輔助

2、用戶查看和管理交通信息;針對小波圖像融合運算量大和視頻檢測系統(tǒng)實時性要求之間的矛盾,論文探索性地把小波圖像融合算法應(yīng)用于視頻車輛檢測系統(tǒng)的設(shè)計,提高了檢測系統(tǒng)的檢測速度和正確率,基本上滿足了視頻信息檢測的實時性要求。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的角點特征的圖像配準算法。去噪算法利用信號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)分小波模極大值點是否由噪聲產(chǎn)生,達到

3、去噪的目的;改進的圖像配準算法利用梯度模值從小波分解后高頻分量中提取角點,用特征點灰度信息匹配法剔除誤匹配的角點對后,確立仿射變換方程。實驗表明,論文提出的去噪算法對噪聲的依賴性小,在去噪的同時較好的保留了圖像的細節(jié)信息;改進的圖像配準算法比傳統(tǒng)算法的配準精度更高,且具有較低的運算復(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,通過區(qū)域匹配度確定高頻融合系數(shù)。實驗表明,論文提出的融合算法有效克服了傳統(tǒng)融合算法對圖像細節(jié)表現(xiàn)力不足和容易造成模糊的缺點,融合圖像具有良好的視覺效果。
   (3)提出了區(qū)域化圖像融合設(shè)計方案,即在設(shè)計視頻車輛檢測系統(tǒng)時,針對小波圖像融合算法計算量大、難以實時處理的難點,只對虛擬檢測線覆蓋的圖像區(qū)域進行融合,而不處理與車輛檢測無關(guān)的區(qū)域。與對整幅圖像進行的融合相比,區(qū)域化

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論