智能车载红外视觉预警系统中的图像特征提取技术研究

摘要

随着我国城市化的不断推进和汽车的不断普及,各种各样的交通事故不断出现,尤其是在夜间,公路事故高发。因此,智能车载预警系统及其图像处理技术的研究就越来越重要。
　　 本文首先介绍了选用的图像采集系统和采集的图像类型,接着针对采集图片的具体特点,选择车尾灯作为待提取的特征,之后用中值滤波对图像进行去噪处理,用拉普拉斯锐化将边缘清晰化,用K-means算法和FCM算法选择阈值数,在迭代法和大津法之间选择大津法进行阈值分割,用数学形态学运算去除小的噪声点。
　　 在对汽车尾灯进行特征提取和配对时,本文在选取了感兴趣的区域之后,从前方车辆的几何特征、亮度特征和颜色特征中选用几何特征,使用其面积的规律以及车灯位置大致处于同一水平线的事实来提取和配对尾灯;然后在不清除非AOI区域和清除非AOI区域这两种处理方法中,选择了后面的处理方法,该方法的具体过程可概括为在清除非AOI区域后,求取连通域,提取各连通域的中心点,提取和配对尾灯。最后,本文推导出了测距的公式,并计算出晴天和雪雨天情况下的夜间前方车辆与本车的距离。

目录

文摘

英文文摘

致谢

论文说明:图表目录

第一章 绪论

1.1 引言

1.2 课题背景

1.3 国内外研究现状

1.4 本文的结构

第二章 图像的预处理

2.1 图像采集系统

2.2 采集图像的类型

2.3 特征的选择

2.4 滤波和锐化

2.5 图像分割处理

2.5.1 阈值数的选择

2.5.2 阈值分割方法的选择

2.6 数学形态学处理

第三章 汽车尾灯的提取和配对

3.1 感兴趣区域的选取

3.2 提取方法的选择

3.3 不清除非AOI区域的处理方法

3.3.1 连通域的求取和其中心点的提取

3.3.2 感兴趣区域内中心点的选择

3.3.3 尾灯的配对

3.4 清除非AOI区域的处理方法

3.4.1 非AOI区域的清除

3.4.2 连通域的求取和其中心点的提取

3.4.3 尾灯的配对

3.5 两种处理方法的对比选择

3.6 目标车辆的表示

3.7 结论

第四章 测距

4.1 单目视觉的数学模型的建立

4.2 测距公式的推导

4.3 摄像机标定

4.3.1 图像坐标系、计算机坐标系、摄像机坐标系与世界坐标系

4.3.2 摄像机成像模型

4.3.3 径向排列约束摄像机标定

4.4 车距的计算

总结与展望

参考文献

攻读硕士学位期间发表的论文