等级公路上相对运动目标的快速分割方法研究

摘要

本文是“雾天等级公路景物识别方法的研究”项目的一个重要组成部分，该项目由图像滤波、目标分割、摄像机定标和目标跟踪四个模块组成。在解决图像识别和场景描述等问题的过程中，涉及到模式识别、人工智能及计算机视觉等现代信息科学和技术众多领域。 本文主要从事图像目标快速分割方法的研究工作，待分割目标有汽车、车道线等。本课题具有目标和背景都在运动、背景复杂以及实时性要求高等特点。 本文首先研究了较为传统的分割方法对本课题的有效性，如阈值法、区域生长法、边缘检测法，并改进相关算法，取得如下成果： 1.使用自适应阈值分割方法对图像进行处理，得到经验公式。该算法能够适应外界光照强度的变化，在分割行车标记时，运行速度及分割准确性均能满足实时要求； 2.采用改进的区域生长算法进行图像分割，利用投影直方图获得种子点，通过对生长准则的改进，成功地将汽车、行车标记等目标分割出来，且算法速度得到改善； 3.根据行车标记确定感兴趣区域。在此区域内，利用阈值分割法可得到汽车等多个目标，这样既可节省处理时间，又能保证分割的准确率。将此分割结果与车道线图像融合到一起，即可得到最终的输出结果。 本文还就采用曲线进化算法进行图像分割的问题展开了研究，并用水平集方法实现C-V偏微分方程的改进算法。将此算法应用在等级公路场景图像上，曲线已开始进化，只是收敛速度很慢。使用简单背景的图像对算法进行了测试，结果表明，曲线快速向目标边缘方向进化，并最终停止在目标边缘处，目标分割获得成功。 总之，本文所作的工作只是一个初步的研究工作，无论在传统分割方面还是在曲线进化方面都有待于进一步去研究。

目录

文摘

英文文摘

独创性声明和学位论文版权使用授权书

第一章绪论

1.1引言

1.2图像分割的研究现状

1.3本文任务及其特点

1.4本文的主要内容

第二章基于传统方法的图像分割

2.1阈值法

2.1.1固定阈值分割

2.1.2基于空间划分的动态多阈值分割

2.1.3自适应阈值分割

2.2区域生长法

2.2.1区域生长的基本思想

2.2.2数学形态学的腐蚀和膨胀算法[39][40]

2.2.3区域生长基本算法

2.2.4种子点的自适应选取策略

2.2.5自适应生长策略

2.3边缘检测法

2.3.1边缘的基本概念

2.3.2微分边缘检测算子

2.3.3边缘检测基本算法

2.3.4基本边缘检测算法的改进

2.3.5短小边缘的消除

2.4感兴趣区域的获得

第三章基于曲线进化的图像分割

3.1曲线进化概述

3.1.1水平集理论

3.1.2曲线进化快速算法

3.1.3基于曲线进化的图像分割

3.2 Mumford-Shah图像分割模型

3.2.1 Mumford-Shah模型简介

3.2.2基于水平集求解简化M-S图像分割模型的C-V方法

3.2.3 C-V分割方程存在的缺陷

3.3对C-V图像分割方程的改进——全局优化算法

3.3.1对C-V微分方程的改进

3.3.2改进方程的数值解法

3.4使用水平集求解曲线进化方程的关键

3.4.1符号距离函数的获得

3.4.2主动轮廓线的更新

3.5实验结果及分析

3.5.1对等级公路场景的分割

3.5.2将C-V改进算法应用于简单背景图像

第四章方案评述及系统实现

4.1方案评述

4.1.1传统分割方法

4.1.2曲线进化方法

4.2系统实现

4.2.1系统整体框架

4.2.2系统的软件实现

第五章总结与展望

5.1本文工作总结

5.2设想与展望

参考文献

发表论文和参加科研情况

致谢