论文部分内容阅读
随着计算机技术的发展和人工智能的崛起,人们开始研究如何让计算机处理数字图像信息,从而产生了计算机视觉这门学科[1]。在这门新崛起的学科中,图像处理是其中的重要组成部分,而在图像处理中,图像分割技术又是其中的重中之重。图像分割是为了获取并感知目标物体的位置和存在,并进一步完成目标的识别、跟踪等任务。近年来智能交通系统在计算机视觉技术日益发展中也取得了长足发展,基于视频的车辆检测,不仅缓解了人工劳作的压力,而且在交通调控、安全驾驶、车辆统计、交通规划设计等方面,提供指导和保障的作用。这种车辆检测系统实现了自动化和智能化,并在越来越复杂和高速的交通环境下提供决策信息。车辆检测在智能交通系统中起到关键性和主导的作用。检测车辆问题就属于图像分割问题,图像分割的准确性和健壮性关系着车辆检测系统的性能。图像分割是根据人们的需要,将一幅图像中感兴趣的目标物体从图像中分割出来。例如车辆检测的过程中,通过提取车辆的边缘,获取车辆的区域面积,从而分割出车辆。这种分割主要是根据图像的纹理特征,灰度不连续,颜色变化等特征,把图像分割成不具有共同特征的区域,并在这些区域中提取感兴趣目标的技术和过程[2]。图像分割的应用相当广泛,但是到目前为止还没有出现一种能够适应所有应用的算法。本文的目的是通过采用一种改进后的Canny算子对一段行驶车辆视频中的图像进行分割,通过分割将视频图像中的感兴趣目标物体,也就是车辆提取出来。本文首先介绍了图像分割的一些基本知识,包括研究图像分割和车辆检测的意义和国内外的研究状况。其次介绍了图像分割的定义和分割算法的分类,其中简要地描述了几种常用的图像分割算法以及它们的优缺点。接着详细介绍了改进的Canny算子的图像分割算法,然后利用改进后的Canny算子对图像进行分割,并阐述其在车辆检测中的应用,最后的实验结果表明,本文提出的一种改进的Canny算子的图像分割在车辆检测中的应用算法是能够实现的,虽然还存在着一些不足之处,但是能够达到预期的效果。最后对论文的工作做出了总结,针对算法的不完善之处做出了说明,并提出了下一步的研究方向。