基于道路地形图的道路识别技术研究

摘要

图像分割技术在多个领域有着重要的应用，近年来也取得了一些研究成果，特别在文本、人脸、汽车牌照以及医学图像处理上的研究较为成熟，而地形图中的道路有着其独特的特征，如道路长度较长，其宽度基本一致，灰度分布相对均匀，道路区域与背景灰度差别较大，道路图像中脉冲噪声和高斯噪声同时存在等，这使得基于这些特征的道路识别具有相当的难度。道路地形图的图像降嗓预处理效果、地形图中道路信息与背景分离的准确性、系统性，是影响道路识别的关键因素。
　　本文首先研究对比了各种图像分割技术，分析了阈值分割方法、边缘检测方法、区域分割方法等技术的主要特点。结合道路地形图像的道路特征，采用图像灰度化算法、灰度直方图均衡化算法，引入权植参数，提出了一种改进的中值滤波算法，在对图像进行对比度扩展后进行滤波去噪处理，实验表明，新方法对脉冲噪声和高斯噪声的抑制均取得了较好的效果。然后针对道路地形特征，运用改进的中值滤波、阈值分割等图像处理技术，采用图像骨架的方式提取图像特征，对道路地形图进行识别提取，并给出了一套较为完整的目标识别算法与流程。
　　最后，设计并实现了一个道路地形识别系统，实现了对道路地形目标的识别定位，验证了本文所提出算法的正确性、可靠性和可行性。系统运行结果表明，本系统针对于道路的识别速度效率较高，具有一定的实用性。

目录

声明

摘要

插图索引

附表索引

第1章 绪论

1．1 论文研究的背景及意义

1．2 道路识别技术的研究现状

1．3 道路地形图像识别

1．3．1 存在的主要问题

1．3．2 道路地形图像识别的影响因素

1．4 图像识别与处理

1．5 论文的主要工作

1．6 论文的组织结构

第2章 图像分割相关技术

2．1 图像分割概述

2．1．1 基本概念

2．1．2 图像分割在图像处理中的地位

2．1．3 图像分割算法及其分类

2．2 图像目标识别的基础概念

2．2．1 图像识别概述

2．2．2 图像识别的两种方法

2．2．3 图像识别的三个层次

2．3 基于阈值的图像分割

2．3．1 阈值化方式

2．3．2 阈值化的算法

2．3．3 阈值选择

2．4 基于边缘检测的图像分割

2．4．1 边缘检测

2．4．2 边缘连接

2．5 基于区域的图像分割

2．5．1 区域生长

2．5．2 区域分离与合并

2．6 小结

第3章 图像的预处理方法分析

3．1 图像预处理概述

3．2 图像的灰度化

3．2．1 调色板

3．2．2 灰度化

3．2．3 主要代码设计

3．3 图像的直方图修正

3．3．1 直方图定义

3．3．2 直方图均衡化

3．3．3 算法实现

3．3．4 主要代码设计

3．4 改进的中值滤波算法(IMF)降噪处理

3．4．1 均值滤波算法介绍

3．4．2 中值滤波算法介绍

3．4．3 改进的中值滤波算法设计

3．4．4 改进的中值滤波算法代码实现

3．4．5 实验分析

3．5 图像特征提取

3．5．1 颜色特征提取

3．5．2 纹理特征提取

3．5．3 形状特征提取

3．6 小结

第4章 地形中的道路图像识别

4．1 概述

4．2 地形图中道路的模型

4．3 识别的基本思想

4．4 识别算法的具体实现

4．4 图像处理过程

4．4．1 图像前期处理

4．4．2 图像灰度转换

4．4．3 图像杂质去除

4．4．4 图像灰度变换

4．5 特征提取过程

4．5．1 图像阈值分割

4．5．2 图像空穴检出

4．5．3 图像骨架

4．6 目标描述过程

4．7 小结

第5章 地形图中道路识别系统设计与实现

5．1 系统需求分析

5．2 系统设计原则

5．2．1 模块化设计原则

5．2．2 局部化、封装化设计原则

5．2．3 可扩展性设计原则

5．3 图像处理过程

5．3．1 图像描述

5．3．2 图像的显示

5．3．3 设备无关位图(DIB)

5．4 系统总体结构

5．4．1 图像处理子模块

5．4．2 特征提取子模块

5．4．3 目标描述子模块

5．4．4 软件处理流程设计

5．5 系统界面设计

5．6 小结

结论

参考文献

致谢