Otsu图像分割算法及其在车型识别中应用研究

论文摘要

图像分割是模式识别和计算机视觉领域的一个重要研究方向,具有广泛的实用价值。在目标检测与分割的实际应用中,经常会遇到检测与分割后的图像轮廓模糊等情况,影响到目标检测和分割的效果以及实时应用。本文在对图像分割的国内外研究现状进行深入探讨的基础上,研究自适应Otsu图像分割算法,并将其应用在与虚拟线圈相结合的交通视频车型识别中。全文主要内容如下:1.本文在分析和总结国内外研究成果和最新研究技术的基础上,选取基于阈值图像分割技术作为研究的重点,前期进行了大量的调研分析与研究,比较各种基于阈值的图像分割技术的特点。2.针对传统二维Otsu算法得不足,本文将绝对差和平均离差引入到阈值判别函数的设计中。先统计图像目标类与背景类各自类内的绝对差,得到总体类内绝对差之和;再统计目标类和背景类两类之间的总体平均离差;然后把总体类内绝对差之和和类间总体离差的商作为阈值识别函数。实验结果表明,与其它阈值判别函数相比,通过优化新的阈值判别函数得到的二维阈值,具有了较好的分割效果,能够更好地保留了目标物的轮廓,而且计算量小。3.传统遗传算法对交叉和变异做统一的操作,对收敛性有很大影响,往往会陷入局部最优解,这是一个经典难题,目前有很多学者都针对这个问题进行研究,本文根据不同的适应度值对种群进行分类,对不同的种群采用不同的交叉方法和变异概率,即采用基于海明距离判别的交叉方式、基于动态变化的变异概率,一定程度上避免了陷入局部最优。实验结果也表明了应用改进的遗传算法所得到的最优阈值显然要好于传统遗传算法能够更早的得到最优解,也更加接近全局最优解,一定程度上克服了传统GA算法的“早熟”问题。4.通过对图像采集卡采集到的视频序列的车道位置设置虚拟线圈,提出了一种基于多帧考虑的线圈区域内灰度变化来检测车辆的到达,并运用Otsu算法对特定区域运动的车辆进行目标提取,获得车辆的几何特征,通过对几何特征的分析,从而实现的对车型的识别。实验表明了该方案能够较为准确地识别出到达检测区域的车辆车型,系统的实时性也能够得到一定的保障。

论文目录

• 摘要
• ABSTRACT
• 致谢
• 第一章 绪论
• 1.1 课题依据与意义
• 1.2 图像分割研究综述
• 1.2.1 基于聚类的分割
• 1.2.2 纹理分割
• 1.2.3 基于图论的图像分割方法
• 1.2.4 彩色图像分割方法
• 1.2.5 其他图像分割方法
• 1.3 本文主要工作及结构安排
• 第二章 图像分割基本算法原理
• 2.1 引言
• 2.2 图像分割基本理论
• 2.2.1 图像分割定义
• 2.2.2 图像分割基本方法
• 2.3 阈值图像分割方法
• 2.3.1 最小误差阈值选取法
• 2.3.2 迭代阈值选取法
• 2.3.3 最大熵自动阈值法
• 2.3.4 Otsu 算法
• 2.3.5 实验结果
• 2.4 视频对象分割
• 2.4.1 视频对象分割提取基本概念
• 2.4.2 视频分割与图像分割的关系
• 2.4.3 视频对象分割分类
• 2.4.4 背景差法运动目标分割方法
• 2.5 本章小结
• 第三章 自适应二维Otsu 图像分割算法
• 3.1 引言
• 3.2 遗传算法的基本原理及实现过程
• 3.2.1 遗传算法基本理论
• 3.2.2 遗传算法的实现步骤
• 3.3 自适应遗传算法
• 3.3.1 改进的自适应遗传算法及其算子
• 3.3.2 性能测试
• 3.4 改进的二维Otsu 图像分割算法
• 3.4.1 传统的二维Otsu 算法
• 3.4.2 改进的思路与进展
• 3.4.3 算法的实现
• 3.5 基于自适应遗传算法的阈值向量求解方法
• 3.6 实验结果分析
• 3.7 本章小结
• 第四章 基于Otsu 图像分割算法的车型识别系统
• 4.1 引言
• 4.2 运动车辆检测
• 4.2.1 摄像头安装
• 4.2.2 虚拟线圈及检测区域的设置
• 4.2.3 车辆检测
• 4.2.4 车辆检测结果
• 4.2.5 车辆闯红灯检测
• 4.3 基于Otsu 算法的运动车辆提取
• 4.4 车型识别方法
• 4.4.1 车型分类
• 4.4.2 车辆特征
• 4.4.3 车型的判决
• 4.5 实验结果
• 4.6 本章小结
• 第五章 总结与展望
• 参考文献
• 攻读硕士学位期间参与的科研项目
• 攻读硕士学位期间发表的学术论文