原文传递
显著性检测及在智能交通系统中的应用
| 论文题名： | 显著性检测及在智能交通系统中的应用 |
| 关键词： | 智能交通系统;显著性检测;特征提取;图像分割 |
| 摘要： | 在图像处理与计算机视觉中，显著性检测是现在研究的一个热点，目前已经应用到在目标检测、目标跟踪、医学图像处理等领域。本文深入研究了国内外现有的显著性检测算法，并与交通标志和车辆的检测方法结合，应用到智能交通系统中。在考虑了算法的准确性与实时性后，提出了基于显著性检测的交通标志和车辆检测系统，主要工作如下： （1）在交通标志检测中，考虑到交通标志所特有的颜色，利用改进的基于全局颜色对比的RC显著性模型来对交通标志进行检测。为了减少图像中颜色的数量来达到减少计算复杂度与去除噪声的目的，对图像进行颜色量化与平滑。然后利用基于图的图像分割将图像分割为多个区域，其中交通标志会单独位于一个区域。最后对得到的显著图在空间和颜色上进行加权和约束，即可得到交通标志所在区域。 （2）根据车辆与道路的差异性，本文选择使用背景与前景分离的显著性检测方法——BMS算法来对车辆候选区域进行提取。首先在Lab空间的三个通道上利用自适应阈值得到多个二值图，然后利用漫水填充算法从二值图得到注意图，对注意图进行线性加权得到平均注意图，进而得到车辆的候选区域。 （3）首先提取图像特征，利用多层k-means聚类得到特征聚类树，并用TF-IDF算法确定叶子结点权重。然后使用不同数量图片的图像特征库以及设置不同的参数，测试每种情况下匹配结果的准确率，选择其中正确率最高的图像库数量以及算法参数。将提取的候选区域特征送入特征聚类树并确定最相似的三张图片，判断候选区域是否为车辆区域。 （4）将交通标志与车辆检测算法应用到系统中，以模块为单位对系统进行实现。 |
| 作者： | 郭阳阳 |
| 专业： | 软件工程 |
| 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
