原文传递
多特征融合的图像匹配方法及在智能交通系统中的应用
| 论文题名： | 多特征融合的图像匹配方法及在智能交通系统中的应用 |
| 关键词： | 智能交通系统;图像匹配;特征融合;边缘集合;显著性区域检测 |
| 摘要： | 在计算机视觉中，图像匹配是一大重要分支，广泛应用在目标识别、目标跟踪、卫星遥感、图像释义等领域。本文深入研究了国内外现有经典图像匹配算法，并应用在智能交通系统（ITS）中的车辆跟踪领域，将含有阴影、光线、伪目标等干扰因素的复杂背景因素纳入考虑，兼顾跟踪的实时性和准确性，提出了一套适应实际道路环境的车辆跟踪系统，主要工作是： （1）在图像预处理阶段，根据格式塔心理学，连续被包围物体更趋向于是前景目标的原理，使用一种简单高效的显著性区域检测方法—BMS模型，利用Lab空间设备无关性的优势，先将原始图像转换到Lab空间，在三个通道中分别不断地采样划分阈值得到二值图，对二值图用漫水填充（FloodFill）算法获得注意图，对注意图线性组合得到平均注意图，初步分离目标和背景，减少了后续处理的计算量。 （2）针对道路机动车辆的特性，在两帧图像相减得到的差分图像中提取水平差分边缘特征集合，构成车辆描述子，并定义了相邻帧中判定为同一车辆的方法，实现车辆跟踪，避免全局搜索特征点的巨大计算量，检测出车辆同时能排除行人、非机动车辆等伪目标，以及阴影、车灯光线等大部分背景干扰因素。 （3）建立历史关联模板，只对未匹配成功的水平差分边缘特征集合继续抽取SIFT特征，与历史模板匹配，针对车辆左右对称的空间特性容易出现的误匹配，提出一种基于邻近特征点夹角一致性约束的匹配提纯方法，对成功匹配的特征点根据进一步筛选提纯，避免车辆由于遮挡等因素跟踪丢失后重现时被误判为新目标的情况，增强了跟踪的连续性。 |
| 作者： | 罗媺 |
| 专业： | 计算机技术 |
| 导师： | 孙涵 |
| 授予学位： | 硕士 |
| 授予学位单位： | 南京航空航天大学 |
| 学位年度： | 2017 |
| 正文语种： | 中文 |
检索历史
应用推荐
