谢精明708088.docx
《谢精明708088.docx》由会员分享,可在线阅读,更多相关《谢精明708088.docx(16页珍藏版)》请在冰点文库上搜索。
谢精明708088
科学技术学院
SCIENCE&TECHNOLOGYCOLLEGEOF
NANCHANGUNIVERSITY
《课程设计》报告
REPORTONCURRICULUMDESIGN
题目:
基于图像处理的智能交通系统
学科部、系:
信息学科部电子系
专业班级:
08电子2班
学号:
7020908088
学生姓名:
谢精明
指导教师:
曾萍萍谢芳娟
起讫日期:
2011.11.07---2011.11.18
目录
SCIENCE&TECHNOLOGYCOLLEGEOF1
NANCHANGUNIVERSITY1
REPORTONCURRICULUMDESIGN1
摘要4
第一章引言5
1图像预处理5
第二章设计任务和设计要求8
2.1设计任务8
2.2设计要求9
第三章各个模块实现的原理和现象10
3.1运动目标的检测10
3.2运动目标跟踪11
3.3运动目标的检索13
第四章交互界面GUI设计15
4.1GUI控件设计15
4.2交互界面程序编写16
第五章结论18
摘要
图像处理(imageprocessing),用计算机对图像进行分析,以达到所需结果的技术。
又称影像处理。
基本内容图像处理一般指数字图像处理。
数字图像是指用数字摄像机、扫描仪等设备经过采样和数字化得到的一个大的二维数组,该数组的元素称为像素,其值为一整数,称为灰度值。
图像处理技术的主要内容包括图像压缩,增强和复原,匹配、描述和识别3个部分。
常见的处理有图像数字化、图像编码、图像增强、图像复原、图像分割和图像分析等。
图像处理一般指数字图像处理。
运动目标检测与跟踪分为背景提取、运动点团提取、运动点团位置提取、运动物体跟踪这几个步骤,本文对每一个步骤的各种算法做了实验分析比较研究,并提出了改进算法。
在背景提取步骤提出了改进的基于均值的背景提取算法以及减少图像像素的兴趣区提取算法。
在运动点团提取的阴影处理步骤提出了改进的基于RGB空间的阴影处理算法。
在运动点团位置提取步骤提出了改进的线段编码算法。
在运动物体跟踪步骤提出了基于预测的运动跟踪算法。
实验与分析说明本文提出的算法优于原算法。
本文还通过实验分析比较了基于灰度图像序列的运动目标检测与跟踪、基于边缘图像序列的运动目标检测与跟踪,它们都没有基于彩色图像序列的运动目标检测与跟踪效果好。
最后,本文得到了一整套运动目标检测与跟踪的方法,它们的健壮性和实时性都符合实际运用的要求。
关键字:
图像数字化、图像编码、图像增强、图像复原、图像分割和图像分析。
第一章引言
在已经进入信息时代的今天,如何快速有效地获得所需要的信息,将直接影响到人们的思维和决策。
毫无疑问,通过图像是我们获得信息的重要途径,而对图像的处理技术先进与否将决定其价值,利用计算机进行图像处理可以使我们快速准确地获得所需信息。
可喜的是,随着计算机技术的不断发展,图像处理技术已经发生了很大发展,让我们的生产生活进入了丰富多彩的时代,我国在计算机图像处理技术上还需要下很大的力气,才能赶上时代的步伐。
本文将就计算机图像处理技术的发展历程及趋势作些探讨。
1计算机图像处理
计算机图像处理是将图像信号转换成数字信号并利用计算机对其进行处理。
由于计算机的处理速度及快,且数字信号具有失真小、易保存、易传输、抗干扰能力强等特点,因而计算机图像处理的应用十分广泛,包括航空、航海、航天、遥测技术、工业自动化检测、安全识别、娱乐等各大领域。
2计算机图像处理技术的发展历程
二十世纪20年代Bartlane电缆图片传输系统(纽约和伦敦之间海底电缆)传输一幅图片所需的时间由一周多减少到3个小时之内。
50年代,在美国出现了以电子管计算机配合滚筒式、平板式绘图仪等仅具有输出功能的设备的图像处理。
60年代至70年代,计算机图像处理技术得到了快速发展,计算机图像处理已经可以用来改善图像质量,或是从图像中获得有效信息,并且能对图像进行体积压缩,便于传输和保存。
此时的计算机图像处理已经就用到了卫星遥感、医学等方面。
1964年美国喷气推进实验室对航天探测器徘徊者7号发回的月球照片由计算机进行图像处理,成功地绘制出月球表面地图,为人类探索宇宙奥妙奠定了基础;1972年由英国工程师发明的用于头颅诊断的X射线计算机断层摄影装置,也就是我们通常所说的CT(ComputerTomograph)。
其基本原理是根据人的头部截面的投影,经计算机处理来重建截面图像,由此而打开了人类医学的新大门。
1图像预处理
目前,图像预处理技术已经有比较成熟的方法可以采用.图像预处理主要是对图像进行噪声滤除,图像锐化,对比度增强和边缘检测.
噪声滤除运动目标识别的任务就是把物体的轮廓从背景中分离出来,根据特征值与目标样本库中的图像进行匹配运算,以达到识别目标的目的.由于拍摄环境和设备质量等多种因素,使数字化后的图像不可避免的带有各种噪声,为了减少噪声对物体轮廓提取的影响,噪声滤除是图像预处理中的第一步.如果这种噪声发生模型预先知道,针对这种噪声模型设计滤波(一般为频率区域内的滤波),就能够有效地消除噪声,这样的处理叫做图像复原.但是,通常噪声发生的机理往往是未知的,而且即使知道了产生机理,有时也不能对此有效地进行数学上的模型化.在这样的场合,可采用根据噪声所具有的一般性质进行噪声消除的平滑性.由于图像的噪声常常表现为一些孤立的像素点,其像素灰度和周围点有显著差别,灰度的陡性变化比较大,所以可以用邻域平均、中值滤波、高斯低通滤波等方法来抑制噪声.对于邻域平均法,如果把求灰度平均值的邻域取得太大,或者反复进行若干次操作,则会使图像模糊,图像的质量也会随之降低.中值滤波不仅能有效滤除图像中的孤立噪声点,与邻域平均法相比还能有效保护边界信息.图像中有一些非常有价值的像素点也表现出与噪声相似的特性.比如图像中物体轮廓的边缘点,如果处理不好就会造成物体边缘模糊,不利于物体和背景的分离,对最终的目标识别带来新的干扰.
第二章设计任务和设计要求
2.1设计任务
给定一段交通监控视频,请结合本课程学习内容实现以下功能:
1、运动目标(车辆)检测
检测出所有给定场景下出现的车辆,不同车辆用不同颜色的外接矩形标示。
2、运动目标跟踪
第i帧第(i+1)帧
车辆检测之后,确立相邻帧之间车辆的对应关系。
3、运动目标的检索
将某帧图像中的某个车辆作为查询图像,返回该车辆所出现的所有帧号。
查询图像:
返回结果:
45464748495051
4、给定时间段内的车流量
给定某个时间段(或该时间段对应的帧号),求取通过的车辆个数。
2.2设计要求
编写程序代码,要做到简单而功能齐全,然后将各任务程序整合为一个系统,编译出交互界面。
第三章各个模块实现的原理和现象
3.1运动目标的检测
3.1.1基本思想
要找出一个目标之前,必须对检测图像分割出目标即车辆,为了目标的完好,还需进行必要的处理如开运算或闭运算。
为了使图像的噪声降到最低值,还有必要对图像进行中值滤波处理。
然后根据实际图像设定一个阀值,遍历整个图像,以兴趣值大于该阀值点为候选点,阀值的选择应以候选点中包括需要的特征点,而又不包含过多的非特征点。
再选一个一定大小的窗口,以该窗口遍历灰度图像,在此过程中取窗口中兴趣值最大的候选点作为特征点。
以及对目标标明计数,并找出目标的边界,然后用不同颜色的线连接起边界的四个点,即对目标外接矩形框,从而实现了目标的检测。
3.1.2程序流程图
3.1.3具体的程序见附录一
3.1.4图像处理后的结果
图图像的检测
3.2运动目标跟踪
3.2.1基本思想
使用子特征(如物体上可辨别的点或线)来初始化跟踪任务,其跟踪过程包括特征提取和特征匹配两个过程,该跟踪方法不是将运动区域作为作为整体来跟踪,而是跟踪具有不变性质的特点。
Polana与Nelson的文章中将每个车辆用一个矩形封闭框封闭起来,矩形框的质心被选择作为跟踪的特征。
在跟踪过程中若两车出现相互遮挡时,只要质心的速度能被区分开来也可以成功的跟踪。
该方法的优点是实现简单,即场景中存在部分遮挡,只要跟踪物体的一些特征点仍可以顺利跟踪。
这种算法的难点是对某个运动目标如何确定其具有代表性的特征。
3.2.2具体程序代码见附录一
3.2.3图像处理后的结果
运动目标跟踪
3.3运动目标的检索
3.3.1基本思想
视频流图像内容检索根据捕获到的图像对实际物体和场景做出有意义的判定,并对其行为进行理解与描述,实现“视觉智能”。
本文针对图像颜色分布特征,提出对图像进行子块分割和合理的区域划分方法来对不同子块和区域分别进行颜色特征提取,并给出利用离散余弦变换和奇异值分解进行颜色特征提取和降维操作算法。
提出自相似特征编码方法,将编码空间由灰度空间扩展到彩色空间,充分体现了图像的颜色自相似特征。
采用中心扩散算法,能够在保证一定程度匹配误差的基础上有效缩短计算时间,增强算法的可行性,通过对自相似特征编码进行奇异值分解的方法提取特征向量来实现图像检索。
3.3.2程序流程图
3.3.3具体程序代码见附录二
3.3.4图像处理后的结果
图检索图像
图:
检索结果
第四章交互界面GUI设计
4.1GUI控件设计
结合所要实现的功能,相应的添加按钮和图像显示窗口。
界面设计如下图
图GUI图形界面
4.2交互界面程序编写
读入图像:
functionreadFrame_Callback(hObject,eventdata,handles)
[filename,pathname]=uigetfile(...
{'*.bmp;*.jpg;*.png;*.jpeg','ImageFiles(*.bmp,*.jpg,*.png,*.jpeg)'},...
'Pickanimage');
Path=[pathnamefilename];
I=imread(Path);
axes(handles.axes1);
imshow(I);
handles.Fistfigure=I;
guidata(hObject,handles);
获取图像:
functionCaptureCar_Callback(hObject,eventdata,handles)
StartPos=get(handles.axes1,'position');
[X,Y]=MousePickup;
Xmin=min(floor(X));
Xmax=max(floor(X));
Ymin=min(floor(Y));
Ymax=max(floor(Y));
Rect
(1)=floor((Ymin+Ymax)/2);
Rect
(2)=floor((Xmin+Xmax)/2);
handles.Rect=Rect;
guidata(hObject,handles);
清屏:
functionpushbutton1_Callback(hObject,eventdata,handles)
clc;
closeFigure1;
closeFigure2;
closeFigure3;
closeFigure4;
视频跟踪:
carData=main();
handles.carData=carData;
guidata(hObject,handles);
检索:
functionIntrieval_Callback(hObject,eventdata,handles)%¼ìË÷
RectNew=handles.Rect;
carDataNew=handles.carData;
F=handles.Fistfigure;
F=rgb2gray(F);
fori=1:
length(carDataNew)
if~(F-rgb2gray(carDataNew(i).RGBfigure))
D=carDataNew(i).figure;
N=D(RectNew
(1),RectNew
(2));
end
end
ifN~=0
x=0;
figure,
forX=1:
length(carDataNew)
[r,c]=find(carDataNew(X).figure==N);
r=min(c(:
));
ifr>0
x=x+1;
I=carDataNew(X).RGBfigure;
str=num2str(X);
subplot(5,6,x);imshow(I);title(str);
holdon,
plotCar(carDataNew(X).figure,N,0);
holdoff,
end
end
else
disp('ûÓÐÕÒµ½');
end
退出:
functionexit_Callback(hObject,eventdata,handles)
close;
closeFigure1;
closeFigure2;
closeFigure3;
closeFigure4;
第五章结论
运动目标检测和跟踪是基于彩色图像序列、灰度图像序列还是边缘图像序列的问题。
在运动点团提取时,彩色图像序列并没有比灰度图像有更多的信息,但是灰度图像序列无法处理阴影。
边缘图像序列无需处理阴影,然而其仅保留了物体边缘的信息,物体内部为空,加剧了物体分裂的情况。
因此,采用彩色图像序列做运动目标检测和跟踪,无需在处理之前将其转换成灰度图像或者边缘图像。
根据实验比较分析,我们得到了一整套运动目标检测和跟踪的最佳的算法和参数:
背景提取采用改进的基于均值的背景提取算法;背景提取同时提取兴趣区;运动点团提取采用欧氏距离背景差法;阴影处理使用改进的基于RGB空间的阴影处理算法;运动点团位置提取采用改进的线段编码算法;运动跟踪采用基于预测的运动跟踪算法。
整套方法有很好的健壮性,但在车辆太密的时候效果不是很理想,可以在这方面继续加以研究改进,例如可以在运动跟踪步骤里结合模式识别技术以提高在车辆太密时的跟踪效果。
接下来可以继续研究运动目标检测和跟踪的后续处理步骤,例如摄像头标定、车型识别、车牌识别、道路事件检测等等,所有这些共同构成智能交通系统,这是一个很有应用前景的研究领域。
另外,本文研究的是单一摄像头且摄像头固定的情况,多摄像头和摄像头随运动物体运动情况下的运动目标检测和跟踪都是可进一步研究的方向。
参考文献(三号宋体加粗)
[1]章毓晋.图像处理和分析教程.北京:
人民邮电出版社,2009
[2]孙即祥.图像分析:
科学出版社,2005
[3]李朝晖.数字图像处理及应用.北京:
机械工业出版社,2005
[4]冈萨雷斯.数字图像处理:
电子工业出版社,2005.9
[5]贾永红.数字图像处理.武汉:
武汉大学出版社,2004
[6]夏良正.数字图像处理.南京:
东南大学出版社,2005
课程设计成绩评定表
专业:
班级:
学号:
姓名:
课题名称
方案、结论与改可进之处
指导教师评语
建议成绩:
指导教师:
课程小组评定
评定成绩:
课程负责人:
时间:
2011年月日