车脸图像的特征提取

论文摘要

车脸特征提取的难点在于同一物理区域因杂乱的反光,在图像上呈现出差异较大的灰度区域,因此,车脸的轮廓线容易受伪边缘的干扰。研究从车脸结构分析出发,提出一套有效的车脸图像特征的提取算法。对智能交通中现有的车型识别技术做了综述,选择了轿车车脸的结构识别作为研究内容。分析了各种轿车车脸的大灯、散热器隔栅在形状、尺寸、结构上的共性和特性,提出了车脸特征描述方案和特征提取框架。研究了基于车牌定位的车脸分割方法。首先对车脸图像进行车牌分割,再根据车牌计算车脸的垂直中轴线和车脸带的水平分割线,分割出大灯、散热器隔栅区域。研究了灰度不均、存在杂乱干扰线条区域的轮廓检测方法。由于大灯玻璃表面透光和不均反射现象,使阈值分割和边缘检测算法都不能精确地分割大灯区域。针对这一难点,提出了基于Hough变换和Snake模型的大灯区域检测方法。首先对大灯图像做边缘检测,再对边缘做直线检测,采用基于夹角的二维凸包算法,得到初始轮廓,再运用Snake方法检精确地检测出大灯区域。研究了散热器隔栅区域的形状特征提取算法、隔栅条纹结构特征提取算法。提出基于Hough变换空间的点匹配栅条,以及水平、垂直投影的栅条结构分析算法,并将算法用于各类车型的隔栅,用实验验证了算法的有效性。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景
• 1.2 ITS技术的发展
• 1.2.1 ITS的内容
• 1.2.2 国外ITS的发展现状
• 1.2.3 我国ITS研究现状
• 1.3 车型识别技术概述
• 1.3.1 车型识别的研究目标
• 1.3.2 车型识别的应用前景
• 1.3.3 车型识别的方法
• 1.3.4 基于图像处理的车型分类方法
• 1.4 课题研究的主要内容以及论文安排
• 第二章 车脸特征分析
• 2.1 图像特征概述
• 2.1.1 图像的颜色特征
• 2.1.2 图像的纹理特征
• 2.1.3 图像形状特征
• 2.1.4 形状轮廓矩特征
• 2.2 车脸的结构特征
• 2.2.1 大灯的结构特征
• 2.2.2 散热器隔栅的结构特征
• 2.3 车脸图像特征描述
• 2.3.1 大灯图像的特征描述
• 2.3.2 散热器隔栅图像特征描述
• 2.4 车脸图像特征提取框架
• 2.5 本章小结
• 第三章 车脸特征区域分割
• 3.1 车牌分割
• 3.1.1 基于边缘检测的车牌定位算法
• 3.1.2 基于颜色特征的车牌定位算法
• 3.1.3 本文的车牌分割
• 3.2 基于车牌定位的车脸图像预处理
• 3.2.1 垂直中轴线和水平分割线提取
• 3.2.2 车脸带分割
• 3.3 车脸区域的分割
• 3.3.1 车脸局部特征分析
• 3.3.2 车脸带的投影
• 3.4 本章小结
• 第四章 大灯检测方法
• 4.1 基于轮廓边缘的大灯检测方案
• 4.1.1 问题分析
• 4.1.2 轮廓检测框架
• 4.2 初始轮廓的获取
• 4.2.1 边缘检测
• 4.2.2 哈夫变换提取直线边缘
• 4.2.3 初始轮廓的确定
• 4.3 基于 Snake方法的大灯区域检测
• 4.3.1 Snake模型介绍
• 4.3.2 Snake模型实现
• 4.4 实验结果
• 4.5 本章小结
• 第五章 隔栅窗口特征提取
• 5.1 隔栅窗口形状特征提取
• 5.1.1 散热器窗口边缘信息特点分析
• 5.1.2 基于链桥恢复的散热器窗口区域检测
• 5.1.3 窗口区域几何数据计算及形状判断
• 5.2 隔栅结构特征提取
• 5.2.1 基于边缘投影的隔栅提取
• 5.2.2 基于Hough变换的隔栅提取
• 5.3 本章小结
• 第六章 工作总结与展望
• 6.1 论文以及研究工作总结
• 6.2 展望
• 参考文献
• 致谢
• 作者攻读硕士学位期间的主要研究成果