图像边缘检测算法及其在交通视频分割中的应用研究

摘要

边缘是图像的最基本特征之一，是图像处理最重要的初始步骤。目前，边缘检测方法日趋多样化，在应用和硬件实现方面具有独特优势的细胞神经网络，近年来成为研究图像边缘检测的热点方法。边缘信息在视频分割中有着重要的应用，合理地利用边缘信息可以得到较好的视频分割结果。
　　论文的主要工作以包括以下几个方面:
　　①针对现有灰度图像边缘检测算法中存在的边缘细节检测不理想的问题，本文提出一种基于细胞神经网络和粒子群优化算法的边缘检测方法。细胞神经网络进行边缘检测的关键是找到适合的模板参数，本文利用线性矩阵不等式和粒子群优化算法结合的方法训练细胞神经网络的模板参数。并利用该算法分别对二值和灰度图像进行边缘检测实验，结果表明本文算法的边缘检测精度优于传统算法。
　　②针对灰度图像边缘检测不能区分亮度相同但颜色不同区域的边缘以及传统彩色图像边缘检测不能有效的检测出细节边缘的问题，提出一种基于细胞神经网络的Lab颜色空间边缘检测算法。本文算法采用细胞神经网络、线性矩阵不等式和粒子群优化算法结合的方法对L通道进行边缘检测;同时采用Lab色差函数与改进sobel算法结合的方法对a和b通道进行边缘检测;最后进行图像融合，得到准确的彩色图像边缘。实验结果表明，本文算法的边缘检测精度优于参考文献算法，特别是在含有丰富细节和微小变化区域，本文算法能取得更好效果。
　　③针对使用帧间差分法进行交通视频分割时，差分图像二值化过程中阈值难以设定的问题，提出了一种自适应阈值的运动目标检测算法。首先，采用一种设定自适应阈值的方法对差分图像二值化的阈值进行设定;其次，采用基于分块的噪声滤除法对差分模板进行滤波;再次，综合边缘检测的检测结果与差分模板，获得更为精确的运动图像边缘;最后，进行区域填充得到目标掩膜，进而提取出运动目标。实验结果表明，本方法能实时有效的将运动物体从视频序列中提取出来。
　　本文提出的算法能够在Windows操作系统下的matlab开发平台环境下进行仿真实验。

目录

声明

摘要

第一章 绪论

1．1 课题背景

1．2 边缘检测研究现状

1．3 边缘检测基本应用

1．4 边缘检测的要求

1．5 论文的主要内容

第二章 基于CNN的灰度图像边缘检测算法

2．1 边缘检测基本内容

2．1．1 边缘检测基本原理

2．1．1 经典边缘检测算子

2．2 细胞神经网络模型和PSO算法

2．2．1 细胞神经网络模型

2．2．2 PSO优化算法原理

2．3 基于CNN和PSO算法的灰度图像边缘检测

2．3．1 基于CNN和PSO的灰度图像边缘检测算法流程

2．3．2 CNN模板参数的设计

2．3．3 基于PSO算法的模板参数优化

2．4 仿真结果对比和分析

2．4．1 二值图像边缘检测结果对比和分析

2．4．2 灰度图像边缘检测结果对比和分析

2．5 本章小结

第三章 基于CNN的Lab彩色图像边缘检测算法

3．1 颜色空间

3．1．1 经典颜色空间

3．1．2 颜色空间色差度量

3．2 彩色图像边缘检测算法

3．2．1 合成法

3．2．2 矢量法

3．3 基于CNN的Lab彩色图像边缘检测

3．3．1 基于CNN的Lab彩色图像边缘检测算法流程

3．3．2 亮度通道边缘检测

3．3．3 色度通道边缘检测

3．3．4 图像融合

3．4 仿真结果对比和分析

3．5 本章小结

第四章 基于边缘检测的交通视频分割算法

4．1 视频分割技术

4．2 经典视频分割算法

4．2．1 光流分割法

4．2．2 背景减法

4．2．3 帧差法

4．2．4 算法分析和比较

4．3 基于自适应阈值的三帧差分和边缘检测的交通视频分割算法

4．3．1 算法流程

4．3．2 时域分割

4．3．3 边缘检测

4．3．4 视频对象提取

4．4 仿真结果和分析

4．5 本章小结

第五章 总结与展望

5．1 工作总结

5．2 课题展望

致谢

参考文献

攻读硕士学位期间已发表的论文