小波圖像融合算法及其在視頻車輛檢測系統(tǒng)中的應用研究.pdf

1、隨著現(xiàn)代經濟的高速發(fā)展，智能交通系統(tǒng)的研究倍受關注。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用于視頻車輛檢測系統(tǒng)的設計，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)域化圖像融合設計方案，即在設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的區(qū)域。與對整幅圖像進行的融合相比，區(qū)域化