论文摘要
车身颜色识别是车辆识别系统中的一个重要辅助手段,它在交通调查、交通管理和车辆管理系统中起着重要作用。然而实际的车身颜色识别受噪声、环境光照等因素影响很大,给车身颜色识别的精度造成很大影响,甚至无法正确的识别出车身颜色。本文正是在这一背景下,对车身颜色识别中的有关问题进行了研究。图像在生成和传输过程中经常会受到脉冲噪声的干扰。对于彩色汽车图像来说,噪声不仅使图像的清晰度下降,而且使图像出现颜色失真,这必然会影响车身颜色的识别结果。因此在进行车身颜色识别之前,必须先对图像噪声进行滤除。本文根据脉冲噪声的图像特征,提出了基于排序差值脉冲噪声检测的彩色图像滤波方法。该方法在噪声检测过程中,通过对滤波窗口内像素的各颜色通道的分量值进行排序,跟据排序后相邻像素的相应分量的差值和中心像素的位置情况进行噪声点检测。根据脉冲噪声的检测结果,采用改进的自适应矢量中值滤波法对噪声图像进行滤波,自适应地调整滤波窗口的尺寸,有选择性地滤除脉冲噪声像素。试验结果表明该方法显著地提高了脉冲噪声的滤波性能。车身颜色识别区域定位是进行颜色特征信息提取的前提。本文根据识别区域和车头的位置关系,以及车头对称性等先验知识,通过OTSU二值化算法和二次投影定位车头及中轴,进而定位出识别区域。颜色特征可以用颜色空间进行表示,各颜色之间的差异可采用色差进行度量。因此彩色空间的选取和相应色差公式的计算对车身颜色识别的精度和效率是至关重要的。本文通过对多个颜色空间和对应色差公式用于颜色识别的识别精度进行比较研究,并据此找出一种实用的彩色空间模型和色差计算公式用于车身颜色识别。在此基础上,进一步探讨了如何克服光照因素影响的办法,从而进一步提高了车身颜色识别的识别精度和鲁棒性。