等级公路上相对运动目标的快速分割方法研究

论文摘要

本文是“雾天等级公路景物识别方法的研究”项目的一个重要组成部分,该项目由图像滤波、目标分割、摄像机定标和目标跟踪四个模块组成。在解决图像识别和场景描述等问题的过程中,涉及到模式识别、人工智能及计算机视觉等现代信息科学和技术众多领域。本文主要从事图像目标快速分割方法的研究工作,待分割目标有汽车、车道线等。本课题具有目标和背景都在运动、背景复杂以及实时性要求高等特点。本文首先研究了较为传统的分割方法对本课题的有效性,如阈值法、区域生长法、边缘检测法,并改进相关算法,取得如下成果:1.使用自适应阈值分割方法对图像进行处理,得到经验公式。该算法能够适应外界光照强度的变化,在分割行车标记时,运行速度及分割准确性均能满足实时要求;2.采用改进的区域生长算法进行图像分割,利用投影直方图获得种子点,通过对生长准则的改进,成功地将汽车、行车标记等目标分割出来,且算法速度得到改善;3.根据行车标记确定感兴趣区域。在此区域内,利用阈值分割法可得到汽车等多个目标,这样既可节省处理时间,又能保证分割的准确率。将此分割结果与车道线图像融合到一起,即可得到最终的输出结果。本文还就采用曲线进化算法进行图像分割的问题展开了研究,并用水平集方法实现C-V偏微分方程的改进算法。将此算法应用在等级公路场景图像上,曲线已开始进化,只是收敛速度很慢。使用简单背景的图像对算法进行了测试,结果表明,曲线快速向目标边缘方向进化,并最终停止在目标边缘处,目标分割获得成功。总之,本文所作的工作只是一个初步的研究工作,无论在传统分割方面还是在曲线进化方面都有待于进一步去研究。

论文目录

• 第一章 绪论
• 1.1 引言
• 1.2 图像分割的研究现状
• 1.3 本文任务及其特点
• 1.4 本文的主要内容
• 第二章 基于传统方法的图像分割
• 2.1 阈值法
• 2.1.1 固定阈值分割
• 2.1.2 基于空间划分的动态多阈值分割
• 2.1.3 自适应阈值分割
• 2.2 区域生长法
• 2.2.1 区域生长的基本思想
• 2.2.2 数学形态学的腐蚀和膨胀算法
• 2.2.3 区域生长基本算法
• 2.2.4 种子点的自适应选取策略
• 2.2.5 自适应生长策略
• 2.3 边缘检测法
• 2.3.1 边缘的基本概念
• 2.3.2 微分边缘检测算子
• 2.3.3 边缘检测基本算法
• 2.3.4 基本边缘检测算法的改进
• 2.3.5 短小边缘的消除
• 2.4 感兴趣区域的获得
• 第三章 基于曲线进化的图像分割
• 3.1 曲线进化概述
• 3.1.1 水平集理论
• 3.1.2 曲线进化快速算法
• 3.1.3 基于曲线进化的图像分割
• 3.2 MUMFORD-SHAH图像分割模型
• 3.2.1 Mumford-Shah模型简介
• 3.2.2 基于水平集求解简化M-S图像分割模型的C-V方法
• 3.2.3 C-V分割方程存在的缺陷
• 3.3 对C-V图像分割方程的改进——全局优化算法
• 3.3.1 对C-V微分方程的改进
• 3.3.2 改进方程的数值解法
• 3.4 使用水平集求解曲线进化方程的关键
• 3.4.1 符号距离函数的获得
• 3.4.2 主动轮廓线的更新
• 3.4.3 迭代方程中系数的确定
• 3.5 实验结果及分析
• 3.5.1 对等级公路场景的分割
• 3.5.2 将C-V改进算法应用于简单背景图像
• 第四章 方案评述及系统实现
• 4.1 方案评述
• 4.1.1 传统分割方法
• 4.1.2 曲线进化方法
• 4.2 系统实现
• 4.2.1 系统整体框架
• 4.2.2 系统的软件实现
• 第五章 总结与展望
• 5.1 本文工作总结
• 5.2 设想与展望
• 参考文献
• 发表论文和参加科研情况
• 致谢