（計(jì)算機(jī)軟件與理論專業(yè)論文）基于計(jì)算機(jī)視覺的公路障礙識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf

沈陽工業(yè)大學(xué)碩士學(xué)位論文 摘要 將圖像處理技術(shù)應(yīng)用到車輛駕駛輔助系統(tǒng)當(dāng)中可以有效地為車輛安全行駛提供 安全保障。利用圖像處理技術(shù)對(duì)障礙物體進(jìn)行識(shí)別是車輛駕駛輔助系統(tǒng)實(shí)現(xiàn)的主要功 能。本課題采用圖像處理中的多種方法并提出了自己的方法，重點(diǎn)研究了背景提取、 障礙物體檢測(cè)及計(jì)算障礙物體距離和相對(duì)速度的實(shí)現(xiàn)算法。 本課題首先在預(yù)處理階段應(yīng)用了中值濾波對(duì)圖像進(jìn)行了去除噪聲的處理。在課題 中提出了一種取局部平均值的方法用來取得背景，該方法利用了現(xiàn)實(shí)中正常情況下、 車輛正前方下區(qū)域總是為背景區(qū)域的常理。在取得背景后，利用最小二乘法進(jìn)行直線 擬合，得到公路障礙識(shí)別系統(tǒng)所在車輛行駛所在的當(dāng)前車道。 為了檢測(cè)出圖像中的障礙物體，本課題設(shè)計(jì)了一種局部窗口，并在窗口中計(jì)算出 灰度值為2 5 5 的像素個(gè)數(shù)占窗口像素總數(shù)的比例值，當(dāng)該值大于或等于某指定閾值 時(shí)，可認(rèn)為這些值為2 5 5 的像素屬于障礙物體。 關(guān)于用圖像方法測(cè)距，多是應(yīng)用雙目或多目測(cè)量。而本課題是用一臺(tái)攝像機(jī)對(duì)圖 像進(jìn)行捕捉，因此，課題要實(shí)現(xiàn)的是單目測(cè)量。本課題采用了重慶大學(xué)自動(dòng)化學(xué)院導(dǎo) 航制導(dǎo)研究所周欣、黃席樾、黎昱等幾位博士生及導(dǎo)師提出的單目測(cè)距方法，該方法 應(yīng)用了車道線二維重建來實(shí)現(xiàn)目標(biāo)距離的測(cè)量。 實(shí)現(xiàn)公路障礙識(shí)別系統(tǒng)的目的在于為車輛駕駛?cè)藛T提供駕駛輔助，其最終向駕駛?cè)?員提供的服務(wù)目的就是對(duì)障礙物體進(jìn)行識(shí)別，并在障礙物體進(jìn)入預(yù)警范圍時(shí)報(bào)警。報(bào)警 的兩個(gè)依據(jù)是障礙物體到系統(tǒng)所在車輛的距離和障礙物體相對(duì)系統(tǒng)所在車輛的速度。相 對(duì)速度的計(jì)算需要對(duì)同一物體進(jìn)行連續(xù)的跟蹤。本課題設(shè)計(jì)了一種通過設(shè)置跟蹤窗口實(shí) 現(xiàn)物體跟蹤的方法，用來在設(shè)定的窗口區(qū)域?qū)φ系K物體進(jìn)行跟蹤。 最終課題實(shí)現(xiàn)了障礙物體識(shí)別功能。實(shí)驗(yàn)結(jié)果表明課題實(shí)現(xiàn)的系統(tǒng)具有很好的實(shí) 時(shí)性和魯棒性。 關(guān)鍵詞：圖像預(yù)處理，圖像分割，背景提取，障礙物體檢測(cè)，障礙物體跟蹤 沈陽工業(yè)大學(xué)碩十學(xué)位論文 d e s i g n a n dr e a l i z a t i o no f c o m p u t e r v i s i o n b a s e d h i g h w a y o b s t a c l ed e t e c t i o ns y s t e m a b s t r a c t t h ea p p l i c a t i o n so ft h e i m a g ep r o c e s s i n gt e c h n i q u e o nv e h i c l ed r i v e ra s s i s t a n c e s y s t e m s c a nm a k ed r i v i n gs a f e r i ti st h em a i nf u n c t i o nt h a tv e h i c l ed r i v e ra s s i s t a n c e s y s t e m c a l ld e t e c to b s t a c l e s i nt h i st h e s i s ，v a r i o u sm e t h o d so f i m a g ep r o c e s s i n gw e r e m a d e u s eo fa n dp u tf o r w a r d t h i st h e s i sm a i n l yd e a l s 、i mb a c k g r o u n dw i t h d r a w i n ga n d o b s t a c l e sd e t e c t i n g ，m a t h e m a t i cw a yo fo b t a i n i n gt h ed i s t a n c ea n dr e l a t i v ev e l o c i t yo ft h e o b s t a c l e s f i r s t l y ，t h i st h e s i sa p p l i e so n em e t h o do f m e d i a nf i l t e ra l g o r i t h mt od e n o i s et h en o i s e i nt h ep r e c o n d i t i o n s e c o n d l y ，i nt h i st h e s i s ，am e t h o do fo b t a i n i n gp a r t i a la v e r a g ev a l u et o w i t h d r a w b a c k g r o u n dw a sp u t f o r w a r d t h em e t h o da p p l i e sa g e n e r a lk n o w l e d g e t h a tt h e r e e x i s t sc e r t a i nb a c k g r o u n da r e ai nf r o n to ft h ev e h i c l e a f t e rt h eb a c k g r o u n dw i t h d r a w i n g ， t h em i n i m u md i p l o - m u l t i p l ym e t h o dw a sa p p l i e dt om a t c hl i n ea n dg e tt h ec u r r e n tl a n e w h i c ht h ed r i v i n gv e h i c l ei si n f o rt h ep u r p o s eo f d e t e c t i n go b s t a c l e si nt h ei m a g e ，t h i sa u t h o rp u t sf o r w a r d am e t h o d o fo b t a i n i n gf o r e g r o u n dp i x e la v e r a g ev a l u eo fa no b j e c ti nap a r t i a lw i n d o w i ft h e o b t a i n e da v e r a g ev a l u ea b o v eat h r e s h o l d ，t h eo b j e c tc a nb ei d e n t i f i e da sa l lo b s t a c l e i nt h ep a r to f m e a s u r i n gd i s t a n c eo f o b s t a c l e s ，ae x i s t e dm e t h o di su s e dt or e c o n s t r u c t d r i v e w a yl i n e ，t h em e t h o d w a s p u tf o r w a r db y z h o u x i n ，h u a n g x i - y u ea n dl iy u t h ea i mo fr e a l i z i n gh i g h w a yo b s t a c l ed e t e c t i o ns y s t e mi sp r o v i d i n ga s s i s t a n c ef o r d r i v i n g t h e m a i nf u n c t i o ni s d e t e c t i n go b s t a c l e sa n da l a r m i n g a ss o o na so b s t a c l e s a p p r o a c h t h ed a n g e r o u sd i s t a n c e t h et w op a r a m e t e rb a s e do nt og i v ea l a r mi st h ed i s t a n c e a n dt h er e l a t i v ev e l o c i t yo f o b s t a c l e s f o ro b t a i n i n gt h er e l a t i v ev e l o c i t yo fa no b s t a c l e ，w em u s tt r a c ki t i nt h i st h e s i s ，a 一2 一 沈陽工業(yè)大學(xué)碩士學(xué)位論文 m e t h o do fm a k i n gu s eo ft r a c k i n gw i n d o ww a sp u tf o r w a r da n dt h em e t h o db eu s e dt o t r a c ko b s t a c l e s f i n a l l y ，t h e f u n c t i o no f d e t e c t i n g o b s t a c l e sw a sr e a l i z e d t h er e s u l to f e x p e r i m e n t a t i o ns h o w st h a tt h es y s t e mt h a tw a sd e s i g n e dh a st h ep r o p e r t i e so fr e a lt i m e a n dr o b u s t ， k e yw o r d s ：i m a g ep r e c o n d i t i o n , i m a g es e g m e n t a t i o n ，b a c k g r o u n dd r a w i n g ， o b s t a c l ed e t e c t i o n ，o b s t a c l et r a c k i n g 一3 獨(dú)創(chuàng)性說明 本人鄭重聲明：所呈交的論文是我個(gè)人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工 作及取得的研究成果。盡我所知，除了文中特別加以標(biāo)注和致謝的地方 外，論文中不包含其他人已經(jīng)發(fā)表或撰寫的研究成果，也不包含為獲得 沈陽工業(yè)大學(xué)或其他教育機(jī)構(gòu)的學(xué)位或證書所使用過的材料。與我一同 工作的同志對(duì)本研究所做的任何貢獻(xiàn)均已在論文中做了明確的說明并表 示了謝意。 簽名：孑尚-日期：2 。占弓f 2 關(guān)于論文使用授權(quán)的說明 本人完全了解沈陽工業(yè)大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定，即： 學(xué)校有權(quán)保留送交論文的復(fù)印件，允許論文被查閱和借閱：學(xué)?？梢怨?布論文的全部或部分內(nèi)容，可以采用影印、縮印或其他復(fù)制手段保存論 文。 簽名：孑淼 導(dǎo)師簽名：蘭璽蘭生日期：絲! ! ! ! ：! = 沈陽工業(yè)大學(xué)碩士學(xué)位論文 l 緒論 1 1 課題背景 車輛智能輔助駕駛系統(tǒng)是智能交通系統(tǒng)( i n t e l l i g e n tt r a n s p o r ts y s t e m ，簡(jiǎn)稱 i t s ) 的重要組成部分。相對(duì)于激光、雷達(dá)和超聲波等傳感器，視覺信號(hào)具有探測(cè)范 圍寬、目標(biāo)信息完整、價(jià)格相對(duì)便宜，而且更符合人的認(rèn)知習(xí)慣等優(yōu)勢(shì)，特別在對(duì)道 路及車道線的探測(cè)方面，視覺信號(hào)具有無法替代的優(yōu)勢(shì)。因此，很多學(xué)者都契而不 舍地嘗試用計(jì)算機(jī)視覺技術(shù)來解決智能輔助駕駛系統(tǒng)中的輔助導(dǎo)航問題。本課題的主 要任務(wù)是對(duì)智能車輛輔助導(dǎo)航部分迸行研究。實(shí)現(xiàn)行車道路檢測(cè)、車輛跟蹤，對(duì)障礙 物體進(jìn)行檢測(cè)等功能。 1 2 國內(nèi)外研究發(fā)展?fàn)顩r 2 0 世紀(jì)8 0 年代后，日益擁擠的交通給人們帶來交通堵塞、事故頻發(fā)、環(huán)境污染 和危害人類生命財(cái)產(chǎn)等系列的困擾。為了排除這些困擾，集通訊、信息和管理于一 體的智能運(yùn)輸系統(tǒng)。1 ( i n t e l l i g e n tt r a n s p o r t a t i o ns y s t e m ，簡(jiǎn)稱i t s ) 應(yīng)運(yùn)而生。 i t s 一般由兩部分組成，即智能道路及交通控制系統(tǒng)和智能車輛。1 。 智能車輛( i n t e l l i g e n tv e h i c l e ) 又稱輪式移動(dòng)機(jī)器人( w h e e lm o b i l er o b o t ) 是一個(gè)集環(huán)境感知、規(guī)劃決策、自動(dòng)駕駛等多種功能于一體的綜合系統(tǒng)“1 。除特殊潛 在的軍用價(jià)值外，還因其在公路交通運(yùn)輸中廣闊的應(yīng)用前景受到西方國家的普遍關(guān) 注。幾個(gè)工業(yè)發(fā)達(dá)國家已相繼將智能車輛的研究納入2 0 世紀(jì)9 0 年代重點(diǎn)研究開發(fā)的 “智能運(yùn)輸系統(tǒng)”和“智能車路系統(tǒng)”( i n t e l l i g e n tv e h i c l eh i g h w a ys y s t e m s ， 簡(jiǎn)稱i v h s ) 的重要組成部分。 到目前為止，許多國內(nèi)外專家學(xué)者設(shè)計(jì)了各種算法來實(shí)現(xiàn)智能車輛的各種技術(shù)。 由文獻(xiàn) 5 可知，近幾十年來，智能車輛進(jìn)入了深入、系統(tǒng)、大規(guī)模研究階段。 自2 0 世紀(jì)8 0 年代以來，智能車輛技術(shù)取得了突破性的發(fā)展，如德國的v a m p 車輛系 統(tǒng)、美國的n a v l a b 系統(tǒng)、意大利的a r g o 系統(tǒng)。在智能車輛的導(dǎo)航技術(shù)方面，計(jì)算機(jī) 沈陽工業(yè)大學(xué)碩士學(xué)位論文 視覺系統(tǒng)由于其價(jià)格低廉，用途多樣，結(jié)構(gòu)簡(jiǎn)單，能方便地與其它傳感器進(jìn)行數(shù)據(jù)融 合等特點(diǎn)，有著廣泛的應(yīng)用前景，成為當(dāng)前研究的主流方向。 在文獻(xiàn) 6 中，吉林大學(xué)的鄧劍文等人針對(duì)紅旗轎車自主駕駛系統(tǒng)的視覺導(dǎo)航， 提出并實(shí)現(xiàn)了一種基于道路結(jié)構(gòu)特征的自主車輛視覺導(dǎo)航方法。文獻(xiàn) 7 中，浙江大 學(xué)張麗等人提出了一種新的基于陰影檢測(cè)的h s v 空間自適應(yīng)背景模型的車輛追蹤檢 測(cè)算法，并將其應(yīng)用于運(yùn)動(dòng)物體的分割。文獻(xiàn) 8 中，提出了一種道路邊緣識(shí)別算法。 該算法的創(chuàng)新點(diǎn)在于采用自然邊界作為道路識(shí)別的依據(jù)，同時(shí)算法也可以將白色路標(biāo) 作為識(shí)別道路邊緣的標(biāo)志。文獻(xiàn) 9 中，提出一種基于長(zhǎng)序列立體圖像處理的三維運(yùn) 動(dòng)參數(shù)估計(jì)算法，算法的核心是采用了能有效抑制噪聲的邊緣檢測(cè)模板。文獻(xiàn) 1 中， 提出了基于單目視覺的公路車道線二維重建算法和距離測(cè)量算法。文獻(xiàn) 1 0 中，研究 了采用模糊神經(jīng)網(wǎng)絡(luò)方法來實(shí)現(xiàn)j l u i v 一2 型視覺導(dǎo)航智能車輛對(duì)模糊和臟污的導(dǎo)航 路徑的識(shí)別，提出了兩種模糊神經(jīng)網(wǎng)絡(luò)模型。文獻(xiàn) 5 中，吉林大學(xué)的王榮本等人研 究了根據(jù)道路特征采用h o u g h 變換識(shí)別出道路邊界，使用感興趣區(qū)域，減少圖像處理 時(shí)間和提高道路識(shí)別的可靠性。通過j l u i v 一4 型智能車輛系統(tǒng)的高速導(dǎo)航實(shí)驗(yàn)表明 該算法具有良好的實(shí)時(shí)性、可靠性和魯棒性。文獻(xiàn) 1 1 中，介紹了采用單目視覺技術(shù) 獲取前方車輛多元信息的方法。應(yīng)用對(duì)稱性測(cè)度確認(rèn)前方車輛是否存在，利用k a l m a n 預(yù)估器進(jìn)行目標(biāo)跟蹤。 在文獻(xiàn) 1 2 中提到：針對(duì)夜間行駛和一些復(fù)雜環(huán)境，我國已經(jīng)成功研制出兩種車 輛輔助駕駛系統(tǒng)。系統(tǒng)應(yīng)用了紅外熱成像技術(shù)和微光技術(shù)，通過將機(jī)械設(shè)計(jì)和光學(xué)設(shè) 計(jì)結(jié)合，使得駕駛員可以在夜間、天氣條件惡劣或道路能見度很差的情況下輔助車輛 駕駛，從而降低了因能見度差而導(dǎo)致的交通事故發(fā)生概率，減少經(jīng)濟(jì)損失。由文獻(xiàn) 1 3 可知，吉林大學(xué)智能車輛課題組研制成功的j l u i v 一3 型a g v ，即視覺自動(dòng)導(dǎo)航系統(tǒng)， 這一系統(tǒng)可以將地面或工作面上涂設(shè)的條帶狀路標(biāo)作為路徑標(biāo)識(shí)符，運(yùn)用計(jì)算機(jī)視覺 快速識(shí)別路徑，對(duì)路徑進(jìn)行準(zhǔn)確穩(wěn)定的跟蹤：通過實(shí)時(shí)識(shí)別涂設(shè)在路面或工作面上的 特殊形狀標(biāo)識(shí)符，還可以實(shí)現(xiàn)車輛加速、減速、直角轉(zhuǎn)彎、特殊地點(diǎn)行車等運(yùn)動(dòng)狀態(tài) 控制；具有自動(dòng)避障、自動(dòng)報(bào)警、自動(dòng)上線或無線通訊等功能：并具有人工手動(dòng)遙控 駕駛和自動(dòng)行駛兩種工作方式。 沈陽、t 業(yè)大學(xué)碩士學(xué)位論文 1 3 課題的研究意義 智能車輛系統(tǒng)對(duì)于在復(fù)雜的環(huán)境下提高駕駛的智能性和安全性都有著重要的現(xiàn) 實(shí)意義。 本課題的目的在于實(shí)現(xiàn)視覺輔助導(dǎo)航中的功能。為公路障礙識(shí)別領(lǐng)域的應(yīng)用提供 一種可行的方法選擇，為車輛駕駛提供輔助手段以提高車輛駕駛的安全性。 1 4 本課題所做的工作 智能車輛系統(tǒng)包括自動(dòng)駕駛和輔助導(dǎo)航兩個(gè)重要的組成部分。而車輛輔助導(dǎo)航是 進(jìn)行智能車輛研究的基礎(chǔ)。 計(jì)算機(jī)視覺導(dǎo)航系統(tǒng)的作用包括行車道路檢測(cè)、車輛跟蹤，對(duì)障礙物體進(jìn)行檢測(cè) 等功能。 本課題針對(duì)智能車輛視覺輔助導(dǎo)航的功能進(jìn)行研究。在課題中利用智能車輛前方 唯一的視覺傳感器c c d 攝像機(jī)所采集的真實(shí)道路的長(zhǎng)序列圖像，依靠對(duì)序列圖像 中車道線及前方包括行人、車輛在內(nèi)的障礙物體的檢測(cè)與跟蹤，實(shí)現(xiàn)智能車輛的輔助 導(dǎo)航功能。 盡管視覺傳感器由于障礙物體顯像原因和光線條件改變等原因，在某些條件下會(huì) 有其局限性，但是它具有能夠提供更多目標(biāo)信息的優(yōu)點(diǎn)。將視覺手段與超聲波等手段 結(jié)合，能夠提供給駕駛?cè)藛T更多的服務(wù)。 由于本課題實(shí)驗(yàn)設(shè)備的限制，而且本課題的目的是通過機(jī)器視覺來識(shí)別障礙物 體，課題的實(shí)現(xiàn)是利用視覺的方法對(duì)c c d 攝像機(jī)采集的圖像序列中障礙物體進(jìn)行判 別，并對(duì)車輛駕駛提供輔助手段。 本課題設(shè)計(jì)公路障礙識(shí)別系統(tǒng)的目的在于為智能車輛輔助導(dǎo)航的實(shí)現(xiàn)提供一種 可行的選擇，利用圖像識(shí)別的算法實(shí)現(xiàn)對(duì)公路中障礙物體的識(shí)別及跟蹤，并對(duì)障礙物 體的運(yùn)動(dòng)狀態(tài)進(jìn)行分析，估算出障礙物體相對(duì)于裝載系統(tǒng)的車輛的速度、距離，為車 輛的安全行駛提供支持。 本課題具體實(shí)現(xiàn)了公路障礙識(shí)別系統(tǒng)的各個(gè)部分，這些部分包括：背景提取，車 道識(shí)別，障礙物體識(shí)別，障礙物體跟蹤，障礙物體距離、速度測(cè)量。針對(duì)以上部分， 沈陽工業(yè)大學(xué)碩士學(xué)位論文 提出及采用了相應(yīng)的算法和技術(shù)，這些算法和技術(shù)如下： ( 1 ) 圖像處理的第一步是通過預(yù)處理來改善圖像。預(yù)處理中的主要方法是圖像 增強(qiáng)。 圖像增強(qiáng)包括“：對(duì)比度增強(qiáng)，圖像平滑，圖像銳化，偽彩色和假偽彩色增強(qiáng)等 技術(shù)。 圖像增強(qiáng)的方法基本上分為空間域處理和頻域處理兩大類?？臻g域處理是在原圖 像上直接進(jìn)行數(shù)據(jù)運(yùn)算。它又可以分為兩類，一類是在像素點(diǎn)鄰域有關(guān)的圖像域迸行， 稱為局部運(yùn)算。另一類是對(duì)圖像進(jìn)行逐點(diǎn)運(yùn)算，稱為點(diǎn)運(yùn)算。頻域處理是在圖像的某 種頻率域中對(duì)圖像的變換值進(jìn)行某種運(yùn)算處理，然后變換回空域。 在本課題中利用了圖像平滑技術(shù)中的中值濾波技術(shù)對(duì)圖像質(zhì)量進(jìn)行改善。 ( 2 ) 對(duì)于背景提取，本課題提出了一種對(duì)幀圖像取局部平均值的方法，利用該 方法，可以將車道中的背景和障礙物體有效的分離出來。 ( 3 ) 在車道識(shí)別部分，本課題采用了最小二乘法進(jìn)行直線擬合，可以將車輛所 在車道有效的允割開來。 ( 4 ) 障礙物體識(shí)別，可以根據(jù)目標(biāo)占道路的寬度、目標(biāo)占障礙物體檢測(cè)判斷窗 口面積的比例與預(yù)設(shè)的閾值比較來識(shí)別。課題設(shè)計(jì)的方法可以將包括行人、車輛在內(nèi) 的各種障礙物體提取出來。 ( 5 ) 障礙物體距離測(cè)量屬于單目測(cè)距，為實(shí)現(xiàn)此功能，課題采用了一種現(xiàn)有算 法并利用該算法中的公式推導(dǎo)出距離。 ( 6 ) 對(duì)于障礙物體跟蹤功能的實(shí)現(xiàn)，實(shí)現(xiàn)的方法是利用上一被處理幀圖像中障 礙物體的位置，在當(dāng)前被處理幀圖像中設(shè)置跟蹤窗口，并在窗口范圍內(nèi)進(jìn)行檢測(cè)。 ( 7 ) 相對(duì)速度利用距離測(cè)量的結(jié)果求出，具體實(shí)現(xiàn)為系統(tǒng)處理的相鄰兩幀圖像 中同一障礙物體的距離差除以此兩幀圖像被采集相距離的時(shí)間。 本課題預(yù)期實(shí)現(xiàn)對(duì)公路上包括車輛、行人在內(nèi)的障礙物體的識(shí)別和跟蹤，并對(duì)障 礙物體的距離和相對(duì)速度進(jìn)行測(cè)定。 1 5 課題中的難點(diǎn)及解決辦法 本課題的實(shí)際步驟是圖像去噪、背景提取、車道識(shí)剮、障礙物體定位及跟蹤、障 4 。 沈陽工業(yè)大學(xué)碩士學(xué)位論文 礙物體距離及相對(duì)速度測(cè)量。如下幾點(diǎn)是本課題研究的重點(diǎn)： ( 1 ) 背景提取 目前背景提取分為針對(duì)靜止背景的提取以及針對(duì)運(yùn)動(dòng)背景的提取，本課題實(shí)現(xiàn)的 系統(tǒng)針對(duì)運(yùn)動(dòng)背景進(jìn)行處理。 常用的背景提取方法主要包括幀間差分法及背景差分法”1 。 幀問差分法是對(duì)相鄰兩幀圖像進(jìn)行差分，該方法就有較強(qiáng)的適應(yīng)性，但是對(duì)進(jìn)行 差分的兩幀圖像的選取間隔和物體運(yùn)動(dòng)的速度有很強(qiáng)的關(guān)聯(lián)性。 背景差分法，即先選取一幀圖像作為參考圖像，再用當(dāng)前幀圖像和參考圖像做差 分，如果參考圖像選取適當(dāng)，就能比較準(zhǔn)確地分割出運(yùn)動(dòng)物體。 本課題提出一種背景提取方法，其意義在于：縮小了圖像處理范圍，最主要的是 本方法由于將提取平均值的范圍進(jìn)行限定，最大限度地排除了道路之外區(qū)域及包括車 輛在內(nèi)的路面物體對(duì)背景提取的影響，因此保證了路面背景提取的精度。 ( 2 ) 車道識(shí)別 圖像背景提取處理之后，從圖片上看，路面區(qū)域的標(biāo)識(shí)和車輛已經(jīng)從道路背景中 明顯的分離出來，但是要通過計(jì)算機(jī)對(duì)公路中目標(biāo)進(jìn)行識(shí)別和跟蹤則必須先將待識(shí)別 區(qū)域識(shí)別出來，這要求首先識(shí)別并提取出車輛所在車道。 ( 3 ) 障礙物體測(cè)距及跟蹤 完成車道識(shí)別后，判斷出障礙物體所在位置并測(cè)量障礙物體相對(duì)公路障礙識(shí)別系 統(tǒng)所在車輛的距離。然后應(yīng)用某種手段對(duì)車輛進(jìn)行跟蹤。 ( 4 ) 障礙物體相對(duì)速度判定 設(shè)計(jì)公路障礙識(shí)別系統(tǒng)的最終目的在于為車輛行駛提供預(yù)警，使得載有系統(tǒng)的車 輛得以有效地避開障礙，避免交通事故的發(fā)生。因此，系統(tǒng)必須能夠得到障礙物體的 相對(duì)速度，并結(jié)合障礙物體的距離判斷是否給出預(yù)警。 在本課題中，需要解決的主要難點(diǎn)和解決方案如下： ( 1 ) 背景提取 本課題中，由于攝像桃所攝的序列圖像中包括了很復(fù)雜的背景，比如：樹木、建 筑、標(biāo)識(shí)牌等。這些物體給圖像分析帶來了困難。為了將圖像中障礙物體提取出來， 首先應(yīng)該對(duì)圖像進(jìn)行處理，將感興趣區(qū)域路面從己進(jìn)行去噪處理的灰度圖像中分離出 沈陽工業(yè)大學(xué)碩士學(xué)位論文 來。 解決方法：由于攝像機(jī)所攝圖像中，正下方某一區(qū)域總是為路面，所以本課題的 解決方法將此區(qū)域作為提取背景的依據(jù)并設(shè)定閾值進(jìn)行分割來得到背景。 ( 2 ) 障礙物體測(cè)距 公路障礙識(shí)別系統(tǒng)需要在識(shí)別出物體后，對(duì)物體距離進(jìn)行測(cè)量。而圖像處理的分 析對(duì)象為二維圖像，因此，系統(tǒng)需要將物體在圖像中的坐標(biāo)換算為現(xiàn)實(shí)世界的三維坐 標(biāo)。 解決方案：在分離出的車道范圍內(nèi)從下至上進(jìn)行掃描，將符合某一閩值的行認(rèn)為 是可能的物體底部所在行。課題采用了已有的一種單目測(cè)距方法，該方法應(yīng)用了車道 線二維重建來實(shí)現(xiàn)目標(biāo)距離的測(cè)量。測(cè)距的正確實(shí)現(xiàn)是障礙物體相對(duì)速度計(jì)算得到正 確結(jié)果的前提。本課題利用該單目測(cè)距方法對(duì)圖像中的障礙物體進(jìn)行距離估算，取得 了較好的結(jié)果。 ( 3 ) 障礙物體跟蹤 本課題的目的是不僅要將物體識(shí)別出來，而且要分析得出障礙物體的連續(xù)運(yùn)動(dòng)狀 態(tài)，為車輛提供物體參數(shù)，為車輛安全行駛提供支持。為此對(duì)圖像的分析必須針對(duì)連 續(xù)的圖像幀而不是處于靜態(tài)的某一幀。 解決方案：以上一處理幀圖像中障礙物體的底為基準(zhǔn)，在當(dāng)前被處理幀圖像中的 當(dāng)前車道范圍內(nèi)建立一梯形跟蹤窗v l 。然后在當(dāng)前被處理幀中該窗口范圍內(nèi)檢測(cè)物 體。 ( 4 ) 障礙物體相對(duì)速度的判定 公路障礙識(shí)別系統(tǒng)不僅要對(duì)障礙物體距離進(jìn)行判斷，而且要對(duì)障礙物體的相對(duì)速 度進(jìn)行判斷。利用這兩個(gè)指標(biāo)對(duì)處于預(yù)餐范圍內(nèi)( 即相對(duì)速度和距離達(dá)到某一閾值) 的障礙物體進(jìn)行報(bào)警。 解決方案：利用物體在被處理的相鄰兩幀圖像中的距離差即物體在當(dāng)前被處理幀 中距離減去前一被處理幀中距離的結(jié)果除以這兩幀圖像被采集的時(shí)間間隔得出。 1 6 論文內(nèi)容安排 論文包括四章，主要內(nèi)容如下： 沈陽工業(yè)大學(xué)碩士學(xué)位論文 ( 1 ) 第一章，對(duì)智能車輛和車輛輔助導(dǎo)航技術(shù)進(jìn)行簡(jiǎn)單介紹，分析了相關(guān)技術(shù) 的國內(nèi)外情況，并提出了本課題將要進(jìn)行的工作和課題中存在的難點(diǎn)，初步介紹了解 決這些難點(diǎn)的方法。 ( 2 ) 第二章，介紹了課題中用到的理論和相關(guān)知識(shí)。 ( 3 ) 第三章，對(duì)課題要實(shí)現(xiàn)的公路障礙識(shí)別系統(tǒng)進(jìn)行設(shè)計(jì)。 ( 4 ) 第四章，對(duì)公路障礙識(shí)別系統(tǒng)進(jìn)行了模擬實(shí)驗(yàn)。 沈陽工業(yè)大學(xué)碩士學(xué)位論文 2 課題相關(guān)理論及技術(shù) 2 i 智能車輛技術(shù) 2 i 1 智能車輛技術(shù)內(nèi)容簡(jiǎn)介 智能車輛開發(fā)應(yīng)該包括如下功能：駕駛員打盹報(bào)警，提供安全補(bǔ)救措施來控制車 輛運(yùn)行，幫助駕駛員避免在公路上碰撞，在某種情況下，還可以暫時(shí)接管駕駛員對(duì)車 輛的控制權(quán)。 智能車輛技術(shù)功能層次可以分為三層“，即智能感知預(yù)警系統(tǒng)、輔助駕駛系統(tǒng) 和車輛自動(dòng)駕駛系統(tǒng)。 ( 1 ) 智能感知預(yù)警系統(tǒng)，利用各種傳感器信息對(duì)車輛自身、車輛行駛所在的周 邊環(huán)境和駕駛員本身狀態(tài)進(jìn)行感知，在確定存在危險(xiǎn)時(shí)，做出預(yù)警。 ( 2 ) 輔助駕駛系統(tǒng)，利用智能感知系統(tǒng)得到的信息，進(jìn)行決策規(guī)劃，給駕駛員 提出駕駛建議或部分代替駕駛員進(jìn)行車輛控制。 ( 3 ) 車輛自動(dòng)駕駛系統(tǒng)，這是智能車輛技術(shù)的最高層次，它由車載計(jì)算機(jī)完全 自動(dòng)地實(shí)現(xiàn)車輛操作功能。 具體來說，智能車輛開發(fā)主要包括以下諸系統(tǒng)的實(shí)現(xiàn)“： ( i ) 后碰撞( 追尾) 避讓系統(tǒng)，該系統(tǒng)能判斷前方車輛和物體存在，并探測(cè)其 速度，為車輛報(bào)警。 ( 2 ) 避讓系統(tǒng)，對(duì)車道前方目標(biāo)速度進(jìn)行探測(cè)，給要變更車道車輛的駕駛員提 供報(bào)警和相關(guān)駕駛幫助信息，減少發(fā)生碰撞的可能性。 ( 3 ) 道路變更和交叉道口碰撞避讓系統(tǒng)，該系統(tǒng)檢測(cè)車道的位置，車輛間相對(duì) 速度，車輛本身速度，為駕駛員提供報(bào)警和勸告，該系統(tǒng)還可以為附近車輛指出潛在 的碰撞可能性。 ( 4 ) 橫向碰撞避讓系統(tǒng)，該系統(tǒng)能夠檢測(cè)各個(gè)車輛的橫向位置，橫向的相對(duì)速 度，通過通信裝置給有關(guān)駕駛員提供輔助勸告。該系統(tǒng)還應(yīng)該能夠采取適當(dāng)措施，防 止碰撞發(fā)生。 ( 5 ) 鐵路道口避讓系統(tǒng)，當(dāng)車輛行駛到的道口有不安全隱患時(shí)，提供報(bào)警。 一r 一 沈陽工業(yè)大學(xué)碩士學(xué)位論文 ( 6 ) 視力增強(qiáng)系統(tǒng)，利用紅外線雷達(dá)，減少因視力所限導(dǎo)致事故的可能性。 ( 7 ) 自動(dòng)碰撞識(shí)別系統(tǒng)，檢測(cè)車輛的位置和碰撞的程度，并自動(dòng)向附近公共安 全站點(diǎn)發(fā)出準(zhǔn)確檢測(cè)到的車輛碰撞信息，以利急救和疏導(dǎo)交通。 ( 8 ) 駕駛員和乘員保護(hù)系統(tǒng)，提供先進(jìn)的碰撞防護(hù)裝置，給駕駛員和成員以保 護(hù)，將車輛內(nèi)人員的損傷減少到最低程度。 一個(gè)真正具有應(yīng)用價(jià)值的智能車輛系統(tǒng)必須同時(shí)具備實(shí)時(shí)性、魯棒性、實(shí)用性這 3 個(gè)技術(shù)特點(diǎn)“1 。這也是智能車輛研究必須解決的3 個(gè)重點(diǎn)課題。 ( 1 ) 實(shí)時(shí)性，要求系統(tǒng)的數(shù)據(jù)處理必須與車體的高速行駛同步進(jìn)行。 ( 2 ) 魯棒性，要求智能車輛對(duì)不同的道路環(huán)境( 如高速公路、市區(qū)標(biāo)準(zhǔn)公路、 普通公路) ，復(fù)雜的路面狀況( 路面及車道線的寬度、顏色、紋理、動(dòng)態(tài)隨機(jī)障礙與 車流) 以及變化的氣候條件( 日照及景物陰影、黃昏與夜晚、陰天與雨雪等) 均具有 良好的適應(yīng)性。這是智能車輛系統(tǒng)研究的難點(diǎn)所在。 ( 3 ) 實(shí)用性，要求智能車輛系統(tǒng)在體積與成本等方面能夠被普通汽車用戶接受。 上述技術(shù)的要求構(gòu)成了智能車輛系統(tǒng)研究所涉及的傳感器信息處理、車體精密定 位、行為規(guī)劃與決策、自動(dòng)駕駛與安全監(jiān)控、綜合集成等主要關(guān)鍵技術(shù)。 2 1 2 智能車輛系統(tǒng)的關(guān)鍵支持技術(shù) 智能車輛系統(tǒng)有以下關(guān)鍵支持技術(shù)“”： ( 1 ) 計(jì)算機(jī)視覺技術(shù) 計(jì)算機(jī)視覺技術(shù)是智能車輛領(lǐng)域發(fā)展晟快的技術(shù)之一。 與其它傳感器相比，機(jī)器視覺具有檢測(cè)信息量大、能夠遙測(cè)等優(yōu)點(diǎn)。但數(shù)據(jù)處理 量大，容易導(dǎo)致系統(tǒng)的實(shí)時(shí)性問題。解決方法是采用更高性能的硬件或提出新的視覺 方法。 ( 2 ) 雷達(dá)技術(shù) 雷達(dá)技術(shù)可以輕松解決視覺技術(shù)在深度信息方面的難題。利用雷達(dá)技術(shù)可以锝到 車輛周圍的深度信息，從而可以準(zhǔn)確地發(fā)現(xiàn)車輛周圍包括車輛和行人在內(nèi)的障礙物。 在準(zhǔn)確提供遠(yuǎn)距離的車輛及障礙信息上，雷達(dá)具有其獨(dú)有的優(yōu)勢(shì)。雷達(dá)在車輛防 撞系統(tǒng)中具有廣闊的應(yīng)用前景。雷達(dá)系統(tǒng)一般和視覺系統(tǒng)共同應(yīng)用在智能車輛上，通 沈陽工業(yè)大學(xué)碩士學(xué)位論文 過兩種傳感器的融合，可以得到更為準(zhǔn)確的路面信息。 到目前為止，在車載雷達(dá)系統(tǒng)關(guān)于探測(cè)前方障礙物體方面已經(jīng)做了大量研究?，F(xiàn) 在雷達(dá)方面的研究已經(jīng)相對(duì)成熟，主要工作已經(jīng)轉(zhuǎn)到降低工業(yè)成本和增強(qiáng)功能方面。 ( 3 ) 磁性導(dǎo)航技術(shù) 磁性導(dǎo)航技術(shù)源自a g v s a u t o g u i d e dv e h i c l es y s t e m 的地下埋線的導(dǎo)航方式中 的磁性導(dǎo)航技術(shù)。它通過在車道上埋設(shè)磁性標(biāo)志來給車輛提供車道的邊界信息。 該技術(shù)優(yōu)點(diǎn)在于具有良好的環(huán)境適應(yīng)性，對(duì)各種氣象條件和光照條件具有良好的 適應(yīng)性。 不足之處在于需要對(duì)現(xiàn)有道路設(shè)施做出較大改動(dòng)，成本較高。而且由于該技術(shù)無 法預(yù)知車道前方的障礙，所以不能單獨(dú)使用；另外，該技術(shù)中使用的磁性參照物所設(shè) 定的路性固定，可變性差。目前，在工業(yè)生產(chǎn)中廣泛使用的a g v s 大多采用這種磁性 導(dǎo)航的導(dǎo)航方式。 ( 4 ) 高精度的數(shù)字地圖和g p s 技術(shù) 高精度的數(shù)字地圖是智能導(dǎo)航的有力工具。智能車輛可以通過g p s 獲得自身所處 的位置，然后根據(jù)數(shù)字地圖確定自身的車道位置和目的地的關(guān)系，據(jù)此規(guī)劃最優(yōu)行駛 路線。該技術(shù)用來實(shí)現(xiàn)車輛導(dǎo)航和定位跟蹤。 2 2 在圖像增強(qiáng)中平滑處理的應(yīng)用 有些圖像由于采集或復(fù)制等方面的原因，導(dǎo)致圖像質(zhì)量下降。如果直接對(duì)圖像進(jìn) 行識(shí)別，可能導(dǎo)致識(shí)別出現(xiàn)偏差甚至錯(cuò)誤，因此，必須在識(shí)別之前對(duì)圖像進(jìn)行改善。 圖像增強(qiáng)的目的就在于此。 圖像增強(qiáng)技術(shù)通常有兩類方法：空間域法和頻率域法?？沼蚴侵笀D像平面本身， 此類方法是直接對(duì)圖像中的像素進(jìn)行處理：另一類是頻域法，此類方法是將圖像看作 波，然后利用信號(hào)處理中的手段對(duì)圖像波進(jìn)行處理?？沼蚣夹g(shù)是基于灰度級(jí)映射變換； 頻域技術(shù)的基礎(chǔ)是卷積定理。 圖像增強(qiáng)包括對(duì)比度增強(qiáng)，圖像的頻域處理增強(qiáng)，圖像平滑，圖像銳化，偽彩色 和假偽彩色增強(qiáng)等技術(shù)。 在本課題中應(yīng)用了圖像平滑處理中的中值濾波對(duì)圖像進(jìn)行預(yù)處理。 一1 0 沈陽工業(yè)大學(xué)碩士學(xué)位論文 圖像的平滑是一種實(shí)用的數(shù)字圖像處理技術(shù)，主要目的是為了減少圖像的噪聲。 噪聲并不限于人眼所能看得見的失真和變形，有些噪聲只有在進(jìn)行圖像處理時(shí)才可以 發(fā)現(xiàn)。圖像的常見噪聲主要有加性噪聲、乘性噪聲和量化噪聲等。圖像中的噪聲往往 和信號(hào)交織在一起，尤其是乘性噪聲，如果平滑不當(dāng)，就會(huì)使圖像本身的細(xì)節(jié)如邊界 輪廓、線條等變得模糊不清，如何既平滑掉噪聲又盡量保持圖像細(xì)節(jié)，是圖像平滑的 主要研究任務(wù)。 一般情況下。減少噪聲的方法可以在空間域或頻率域進(jìn)行處理。空間域可以用鄰 域平均、空間低通濾波、多圖像平均、中值濾波等方法來減少噪聲。在頻率域，由于 噪聲頻譜通常在高頻部分，因此可以采用各種形式的低通濾波器的方法減少噪聲“”。 2 2 1 鄰域平均法 鄰域平均法的基本原理是：選中圖像中的一個(gè)小的區(qū)域，求該區(qū)域內(nèi)中心點(diǎn)的鄰 域內(nèi)的點(diǎn)的像素平均值，再把這一平均值賦予該中心點(diǎn)。假定有一幅n a n 的圖像 f ( x ，y ) ，平滑處理后得到一幅圖像g ( x ，力。g ( x ，y ) 由式( 2 1 ) 決定： g ( 工，y ) = 百1 ，( f ，_ ，) o v i ( ，k s ( 2 1 ) 式中：石，戶o ，1 ，2 ，肛l ： 孓一( 五力點(diǎn)鄰域中的點(diǎn)的坐標(biāo)的集合，鄰域不包括( 墨y ) 點(diǎn)； 卜集合內(nèi)坐標(biāo)點(diǎn)的總數(shù)。 鄰域可分為四鄰域和八鄰域兩種。四鄰域取點(diǎn)( 焉p 的上、下、左、右四個(gè)點(diǎn)， 而常用的八鄰域還要另取點(diǎn)( 五y ) 的左上、右上、左下、右下四個(gè)點(diǎn)。 鄰域平均法能夠有效的抑制尖峰噪聲。但是會(huì)造成圖像細(xì)節(jié)模糊。為解決這一問 題，可以采用閾值法：設(shè)定閾值乃當(dāng)g ( x ，y ) 大于或等于，時(shí)，g ( x ，y ) = g ( x ，y ) ；當(dāng) g ( x ，y ) 小于，時(shí)，g ( x ，y ) = f ( x ，y ) 。閩值，根據(jù)尖峰干擾的大小來設(shè)定。 沈陽工業(yè)大學(xué)碩士學(xué)位論文 2 2 2 中值濾波 中值濾波是種典型的低通濾波器，它的目的是在保護(hù)圖像邊緣的同時(shí)去除噪 聲。所謂中值濾波，就是指把以某像素點(diǎn)( 置j ，) 為中心的窗口內(nèi)的所有像素的灰度 值按從大到小的順序排列，將中值( 若窗口中有偶數(shù)個(gè)像素，則中值取中間兩個(gè)像素 灰度值的平均值) 作為灰度值賦給像素點(diǎn)( 王，) 。 雖然中值濾波能夠在一定程度上克服鄰域平均法導(dǎo)致的圖像細(xì)節(jié)的模糊，但是也 會(huì)對(duì)圖像的細(xì)節(jié)產(chǎn)生影響。但是因?yàn)樵肼暥酁榧夥甯蓴_，中值濾波能夠去除尖峰干擾 而不會(huì)破壞邊緣。 對(duì)于一些圖中細(xì)線多、細(xì)節(jié)多的圖像不宜采用中值濾波，而是應(yīng)該采用加權(quán)中值 濾波。加權(quán)中值濾波法的具體實(shí)現(xiàn)是：把窗口內(nèi)各像素加權(quán)，如果某一像素加權(quán)值為 w ，即是將窗口像素灰度排隊(duì)時(shí)該像素重復(fù)w 個(gè)。例如一維1 3 窗口可使中間像素的 權(quán)值w = 3 ，左右像素權(quán)值各為w = 2 ，然后將得到的7 個(gè)值按大小排隊(duì)，最后取中值。 中值濾波適用于有散粒噪聲而細(xì)節(jié)不太多的圖像“。 2 2 3 其它方法 除了鄰域平均法和中值濾波法，圖像平滑處理還有選擇平均法和多幅平均法。 ( 1 ) 選擇平均法 選擇平均法需要對(duì)原圖像的邊緣有先驗(yàn)知識(shí)。例如已大體知道圖像某一區(qū)域存在 斷裂，而該斷裂方向是水平的，則可選擇水平邊緣模板進(jìn)行平滑。如： ( 2 ) 多幅平均法 多幅平均法是去除尖峰干擾的一種有效方法。該方法的實(shí)現(xiàn)手段是將同一幅圖像 重復(fù)拍攝或重復(fù)傳送多次。獲得的圖像廠( x ，y ) 為圖像，( x ，y ) 與相加性噪聲”( x ，y ) 的 合成： 一1 2 1；llj d o d o d o l i i 力 x 烈 沈陽工業(yè)大學(xué)碩士學(xué)位論文 ，( x ，y ) = f ( x ，y ) + n ( x ，y ) ( 2 2 ) 若n ( x ，y ) 為零均值白噪聲，方差為盯：( x ，y ) ，圳酹進(jìn)行疊加。其結(jié)果是信號(hào) f ( x ，y ) 累加而隨機(jī)噪聲n ( x ，y ) 并不增大，從而達(dá)到圖像平滑的目的。 貼，加面1 善u 廠( ) ( 2 3 ) g ( t y ) 的期望即為廠( x ，y ) ，而g ( x ，y ) 的方差盯，2 = 萬1 盯：，顯然，當(dāng) 繼是增加， g ( x ，y ) 越是接近于f ( x ，y ) ，而噪聲的方差明顯減小。由于信號(hào)得以增強(qiáng)，故噪聲也 相對(duì)減小了。 2 3 圖像閾值分割技術(shù) 本課題在背景提取部分，利用了闞值方法。在此對(duì)圖像分割中閾值分割方法加以 介紹。 2 3 1 圖像分割技術(shù)簡(jiǎn)介 圖像分割是把圖像中的目標(biāo)分成許多感興趣的區(qū)域與圖像中的各種物體目標(biāo)相 對(duì)應(yīng)3 。 圖像分割是圖像處理中圖像理解和分析的前一步驟。所以正確的圖像分割決定了 圖像理解和分析的精確性甚至正確性。 多年來人們對(duì)圖像提出了不同的解釋和表達(dá)，借助集合概念對(duì)圖像分割可給出如 下定義3 ： 令集合曰代表整個(gè)圖像區(qū)域，對(duì)曰的分割可看作將月分成個(gè)滿足下列五個(gè)條件 的非空子集( 子區(qū)域) r 。，r 2 r ，： n ( 1 ) u r = r ： 沈陽工業(yè)大學(xué)碩士學(xué)位論文 ( 2 ) 對(duì)所有的f 平q ，j ，有月。n r ，= g ； ( 3 ) 對(duì)i = 1 , 2 ，有p ( r ，) = t r u e ； ( 4 ) 對(duì)i j ，有e ( r ，u r ，) = f a l s e ； ( 5 ) 對(duì)i = 1 , 2 ，n ，r 是連通區(qū)域。 式中：p ( r 。) 是對(duì)所有在集合r i 中元素的邏輯謂詞，a 代表空集。 經(jīng)典的圖像分割方法主要有兩大類，一類是基于邊緣的圖像分割，另一類按區(qū)域 內(nèi)特征的相似度進(jìn)行圖像分割。隨著計(jì)算機(jī)處理能力的提高，很多方法不斷涌現(xiàn)，如 基于彩色分量分割、紋理圖像分割。所使用的數(shù)學(xué)工具和分析手段也是不斷地?cái)U(kuò)展， 從時(shí)域信號(hào)到頻域信號(hào)處理，小波變換目前也被更多地應(yīng)用到圖像分割中。 閾值法是最基本的圖像分割方法之一，被應(yīng)用于很多領(lǐng)域，閨值分割法是一種基 于區(qū)域的圖像分割技術(shù)，其基本原理是：通過設(shè)定不同的特征閩值，把圖像的像素點(diǎn) 分為若干類。常用的特征包括：直接來自原始圖像的灰度或彩色特征；由原始灰度或 彩色值變換得到的特征。簡(jiǎn)單來說，對(duì)灰度圖像的取閾值分割就是先確定一個(gè)處于圖 像灰度取值范圍內(nèi)的灰度閾值，然后將圖像中各個(gè)像素的灰度值都與這個(gè)閾值相比 較，并根據(jù)比較結(jié)果將對(duì)應(yīng)的像素分割為兩類：灰度值大于、等于閾值的像素為一類， 灰度值小于閾值的像素為另一類。這兩類像素一般分屬圖像中的兩類區(qū)域，所以達(dá)到 了區(qū)域分割的目的。 基于邊緣的分割方法是將圖像中所要求分割的目標(biāo)邊緣提取出來，利用邊緣信息 將圖像分成許多感興趣區(qū)域。物體的邊緣在數(shù)字圖像中是通過其灰度值的不連續(xù)性而 反映出來的。因此可以通過微分運(yùn)算來求得信號(hào)的變化率，以達(dá)到定位物體邊緣的目 的“。 基于邊緣的分割方法的難點(diǎn)?！痹谟谶吘墮z測(cè)時(shí)抗噪性和檢測(cè)精度的矛盾，若提高 檢測(cè)精度，則噪聲產(chǎn)生的偽邊緣會(huì)導(dǎo)致不合理的輪廓；若提高抗噪性，則會(huì)產(chǎn)生輪廓 漏檢和位置偏差。為此，人們提出各種多尺度邊緣檢測(cè)方法，根據(jù)實(shí)際問題設(shè)計(jì)多尺 度邊緣信息的結(jié)合方案，以較好地兼顧抗嗓性和檢測(cè)精度。 邊緣檢測(cè)方法是人們研究得比較多的一種方法，它通過檢測(cè)圖像中不同區(qū)域的邊 緣來達(dá)到分割圖像的目的。很多的邊緣檢測(cè)算法是基于圖像的灰度函數(shù)求導(dǎo)和在圖像 一1 4 沈陽工業(yè)大學(xué)碩士學(xué)位論文 中匹配特定的邊緣模型這兩種方法。 基于邊緣的分割方法大致可分為五類3 ：基于像素屬性的邊緣檢測(cè)方法；基于變 形模板的邊緣檢測(cè)方法：基于數(shù)學(xué)形態(tài)學(xué)的邊緣檢測(cè)方法；基于代價(jià)函數(shù)的邊緣檢測(cè) 方法；基于邊緣流的檢測(cè)方法。 區(qū)域分割方法主要是根據(jù)區(qū)域內(nèi)像素的相似性來進(jìn)行分類。它又分為并行區(qū)域分 割方法和串行區(qū)域分割方法。并行區(qū)域分割方法又包括閾值法、聚類法和連通區(qū)域標(biāo) 記法等，串行區(qū)域分割法包括區(qū)域生長(zhǎng)和分裂合并等。 2 3 2 閾值分割技術(shù) 閾值分割是一種區(qū)域分割技術(shù)，將灰度圖像依據(jù)主觀愿望分成兩個(gè)或多個(gè)灰度區(qū) 間。閩值分割方法主要利用了圖像中要提取的目標(biāo)物體和背景灰度上的差異。該方法 通過選取一個(gè)合適的閩值，并判斷圖像中每一個(gè)像素點(diǎn)的灰度值是否滿足閾值的要 求，確定該像素點(diǎn)屬于目標(biāo)區(qū)域還是背景區(qū)域。由于目標(biāo)和背景以及不同目標(biāo)之間的 灰度級(jí)別有明顯的差別，因此，在圖像的灰度直方圖中會(huì)有明顯的峰值。比如，當(dāng)一 幅圖像只有目標(biāo)和背景兩部分時(shí)，如果這兩個(gè)部分在灰度直方圖中的分布大小接近并 且均值相距足夠遠(yuǎn)，而且兩部分的均方差也足夠小，則直方圖應(yīng)為較明顯的雙峰?！?類似地，如果圖像中有多個(gè)灰度分布的目標(biāo)，則直方圖有可能表現(xiàn)為較明顯的多峰。 一般來說，閾值分割可以分為3 步： ( 1 ) 確定圖像分割的閾值； ( 2 ) 將閾值和像素值比較； ( 3 ) 根據(jù)比較結(jié)果把像素歸類。 在以上的3 個(gè)步驟中，最為重要的是第一步。如果能夠確定一個(gè)合適的閩值，就 可以保證圖像能夠得以正確地分割。 要將圖像中具有各種灰度值的像素分成多類，那么需要選取一系列閾值進(jìn)行分 類。根據(jù)閾值選取的個(gè)數(shù)，可將閾值分割分為單閾值分割和多閾值分割。其中，單閾 值分割方法只用一個(gè)閾值對(duì)圖像進(jìn)行分割，而多閾值分割法則是利用多個(gè)閾值對(duì)圖像 進(jìn)行分割。 ( 1 ) 閩值方法 沈陽工業(yè)大學(xué)碩士學(xué)位論文 假設(shè)原始圖像為f ( x ，y ) ，選取的閾值為r ，則單閾值方法分割后的圖像g ( x ，y ) 可 以由式( 2 4 ) 表示： g c z ，y ，= ： f ( x ，y ) t f ( x ，y ) t ( 2 ) 多闕值分割 在多閾值分割情況下，分割后的圖像可表示為 ( 2 4 ) g ( x ，y ) = ( 瓦f ( x ，_ y ) 正+ l ；k = 0 , 1 ，2 ，k ) ( 2 5 ) 式中：t o ，五，瓦，瓦+ 。多閾值分割所選取的一系列分割閾值： 七一分割后賦予圖像各區(qū)域的不同標(biāo)號(hào)。 使用閾值法對(duì)圖像進(jìn)行分割時(shí)，閾值的選取成為能否正確分割的關(guān)鍵。若將閾 值設(shè)定過高，則過多的目標(biāo)區(qū)域?qū)⒈粍澐譃楸尘?，相反如果閾值選取過低，則過多的 目標(biāo)區(qū)域被劃分為目標(biāo)區(qū)。對(duì)闡值分割的研究已有幾十年的歷史。到目前為止，已經(jīng) 有多種閾值選取的方法被國內(nèi)外專家提出。 如果將局部閾值看作是全局閾值的一般情況，全局閾值則是最簡(jiǎn)單的圖像分割方 法。對(duì)圖像分割往往存在一個(gè)最佳閾值。最佳全局閩值的確定常用的有以下幾種方法： ( 1 ) 實(shí)驗(yàn)法 在分割前知道待分割圖像的一些特征，試驗(yàn)不同的閾值，看是否滿足已知特征。 ( 2 ) 直方圖法 當(dāng)圖像的直方圖存在雙峰時(shí)可以采取直方圖雙峰之間的谷點(diǎn)作為閾值。 ( 3 ) 最小誤差法 最小誤差法屬于最優(yōu)化問題，假定圖像的背景與前景的灰度分布都是正態(tài)分布 的，則最佳閾值通過灰度分布圖中前景和背景分布曲線的交點(diǎn)確定。 目前，常用的閾值分割方法有最優(yōu)閾值法?！?、分水嶺算法等方法。 ( 1 ) 最優(yōu)閩值法 沈陽工業(yè)大學(xué)碩士學(xué)位論文 最優(yōu)閩值法就是找出一個(gè)閾值，使得利用該閩值進(jìn)行圖像分割所造成的誤分割率 最小。 ( 2 ) 分水嶺算法 分水嶺( w a t e r s h e d ) 算法不同于簡(jiǎn)單地直接在最佳闊值分割，它可以被視作一 種特殊的自適應(yīng)迭代閾值分割算法。分水嶺變換分割法最初被b e u c h e rl a n t u 8 j o u l ( 1 9 7 9 ，1 9 8 1 ) 提出，看起來接近于區(qū)域增長(zhǎng)法。第一個(gè)實(shí)用的運(yùn)算法則被v i n c e n t ( 1 9 9 0 ) 提出。v i n c e n t 和s o l l l e ( 1 9 9 1 ) 使這一算法被實(shí)際應(yīng)用。3 。 傳統(tǒng)的分水嶺方法模擬一個(gè)水浸入的過程“3 。首先，將圖像像素的灰度看作高度， 圖像中不同灰度值的區(qū)域分別被看作山峰和山谷盆地，盆地的邊緣被稱作分水嶺。通 過如下方式可以得到分水嶺：將一幅圖像逐漸沉入一個(gè)湖中，圖像中灰度值最低的點(diǎn) 首先進(jìn)水，然后水逐漸浸入整個(gè)山谷盆地。當(dāng)水位達(dá)到盆地的邊緣高度就將溢出，這 時(shí)在水溢出處建立堤壩，如此直到整個(gè)圖像沉入水中，所建立的堤壩就成為分開盆地 的分水嶺。圖像最初是在一個(gè)灰度值上二值化?；叶戎蛋褕D像分割成正確數(shù)目的物體， 但它們的邊界偏向物體內(nèi)部。隨后閾值逐漸增加，每一次增加1 個(gè)灰度級(jí)，物體的邊 界將隨著閾值增加而擴(kuò)展。當(dāng)邊界相互接觸時(shí)，初次接觸的點(diǎn)變成了相鄰物體間的最 終邊界。這個(gè)過程在閾值達(dá)到背景灰度級(jí)之前終止，也就是說，當(dāng)物體被恰當(dāng)?shù)姆指?并且邊界被正確的確定時(shí)，分割停止。 閾值法是一種傳統(tǒng)的圖像分割方法，因其實(shí)現(xiàn)簡(jiǎn)單、計(jì)算量小、性能較穩(wěn)定而成 為圖像分割中最基本和應(yīng)用最廣泛的分割技術(shù)，己被應(yīng)用于很多的領(lǐng)域。到目前為止， 雖然已經(jīng)有很多種閾值方法被提出，但至今還未能找到一種通用的閡值選取方法。實(shí) 際的算法一定要根據(jù)實(shí)際情況適當(dāng)?shù)剡x擇，并適當(dāng)?shù)男薷拈撝?，只有這樣，分割的結(jié) 果才能讓人滿意。 在本課題中，背景提取的目的在于將圖像中背景分割出來。課題中背景提取的結(jié) 果將圖像分為兩類，即前景和背景。所以課題采用閾值分割技術(shù)中的單閾值法。 2 4