車輛檢測系統(tǒng)中圖像分割算法的研究與實現(xiàn).pdf

1、在過去的十幾年里，車輛檢測系統(tǒng)已經(jīng)得到了廣泛的關(guān)注，而其中基于視覺的車輛檢測系統(tǒng)尤為突出。在這些系統(tǒng)中，圖像分割算法對車載攝像機所獲取的圖像進行處理，輸出初始的對象假定區(qū)域，即感興趣區(qū)域(Regionofinterest，ROI)，并交付給對象識別算法用于進一步的識別(車或非車)。ROI分割算法能夠給出車輛檢測的初始區(qū)域范圍，很大程度上降低搜索空間，加速后續(xù)識別算法的速度。 本文總結(jié)了多年來車輛檢測系統(tǒng)中所應用的圖像分割算法，并

2、分析了各種分割算法的特點。 本文在德國波鴻魯爾大學神經(jīng)信息學研究所的基于車底陰影的ROI分割算法基礎(chǔ)上，提出了一種新的分析道路區(qū)域的像素灰度、構(gòu)造車底陰影閾值的ROI分割算法。首先，算法對道路區(qū)域圖像像素進行采樣，通過對它的灰度直方圖分析來最終計算出車底陰影閾值。使用所確定的閾值，能夠很好的提取車底陰影區(qū)域。同時，本文提出了基于變化率的邊緣抽取方法，不僅能夠準確的抽取出邊緣信息，還能在很大程度上降低所要處理的信息量。通過結(jié)合圖像

3、的邊緣信息和車底陰影區(qū)域，能夠準確地提取出車輛的車底陰影底邊。其次，在隨后的車底陰影片段聚類過程中，應用3D幾何約束，完成陰影片段的聚類和聚類片段的篩選。其中，3D約束通過圖像和真實世界坐標之間的相互轉(zhuǎn)換，也就是反向透視圖轉(zhuǎn)換(InversePerspectiveMapping，IPM)來實現(xiàn)的。最后，使用所得到的聚類片段，按照固定的縱橫比來生成車輛假定ROI。 不可避免地，投射陰影是一種經(jīng)常出現(xiàn)的干擾情況，它會對真正車底陰影的

4、正確聚類產(chǎn)生嚴重的影響，必須作適當處理。本文針對道路上投射陰影的特點，提出了一個在HSI空間中，使用顏色特征來檢測投射陰影的方法。該方法分別使用了色調(diào)、亮度特征和定義的HSI空間中的距離度量來完成投射陰影檢測。實驗證明，該方法能夠很好地消除道路上的投射陰影。 基于車底陰影的ROI分割算法已經(jīng)實現(xiàn)并應用于汽車電子先行技術(shù)研究中心(AdvancedAutomotiveElectronicResearchCenter，AAC)車輛識別