基于matlab圖像處理的汽車車型識別論文(更新版)
【正文】 ize(2))。z4(m,j)=1。endx=zeros(600,1)。)。if(tktmp==tk)zb=backsum/iback。endisum=isum+double(tmp)。fortk=(zmax+zmin)/2。偽彩色增強39。圖像銳化39。imfilter(K,H,39。Hmedfilt2(J)。,title(39。level=(fmax(fmaxfmin)/2)/255。均衡化后的直方圖39。imshow(c)。subplot(222)。im=39。[name,path]=uigetfile({39。1．7輪廓提取提取車形的邊緣輪廓，如圖12。圖像經(jīng)過橫向填充和縱向填充后的效果圖如圖10。二值化車型圖像如圖6所示。在汽車車型自動識別系統(tǒng)中，從CCD攝像頭獲取的圖像中除了汽車之外還有許多其他的物體和背景，為了進(jìn)一步提取汽車特征，辨識車型，圖像分割是必需的。中值濾波恰好符合這一條件。圖像預(yù)處理功能：3．各個功能的實現(xiàn)程序及結(jié)果最后是在前兩章研究的基礎(chǔ)上，通過鏈碼跟蹤，在二值圖像中獲得汽車的輪廓圖像，通過鏈碼計算出汽車的頂部和車長的比，車高與車長的比和汽車的相對矩，再結(jié)合汽車的輪距特征，可以判別出貨車，轎車關(guān)鍵詞：背景更新 ，圖像分割 ，邊緣檢測，二值化，車型識別2．設(shè)計的內(nèi)容智能交通系統(tǒng)的出現(xiàn)，很好的緩解了這一壓力。（1）直方圖的統(tǒng)計及繪制，根據(jù)此找到圖像的閾值點； 車識別：從圖像中提取出車輛的輪廓并辨別出車型再將含有汽車的前景圖像和背景圖像進(jìn)行差分運算去除背景干擾，迭代閾值分割的方法提取到目標(biāo)車輛輪廓。jpg、（3）彩色圖像的灰度化變換等、一般灰度圖像的二值化處理等；該方法在去除脈沖噪聲、椒鹽噪聲的同時又能保留圖像邊緣細(xì)節(jié)。圖像分割的方法比較多，例如：閾值分割、邊緣增強、區(qū)域增長、二值圖像分割等。利用Sobel算子可檢測得到一幅車輛邊緣圖像(如圖7)。對每一列進(jìn)行掃描，如果在某列自上而下遇到一個亮點，記下其坐標(biāo)；然后在同一列自上而下尋找第一個亮點，記下其坐標(biāo)；最后，在同一列把i雙／t亮點之間的所有像素點改為亮點。如公式(3)，其中T為原像素值，Tf為處理后的像素值。*.bmp39。39。x=rgb2gray(im)。圖像直方圖39。)。level39。%轉(zhuǎn)換為二值圖像RGB=imread(39。imnoise(x,39。subplot(131),imshow(J)。imshow(K)。unsharp39。B=grayslice(x,7)。i=imread(39。j=imread(39。i2=medfilt2(i1,[2,2])。圖象與背景圖象相減39。ifore=0。tk=tktmp。z1=im2bw(z,double(tk)/255)。小面積區(qū)域去除后的圖像39。y=1。liebiao=j。endm=x(1,1):liebiaoend%縱向填充x(y,1)=i。(hangbiaox(1,1)50))m=x(1,1):hangbiaoendfor(n60))k=1:(a11)end(n80))%掃描汽車最左邊endend%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%end本實驗的圖像采集自視頻截圖，主要是針對的單車道汽車圖像的研究，在實際情況中，道路寬，車輛多路面交通情況復(fù)雜，路面車輛會有較多的遮擋，針對這個問題，如果能夠結(jié)合多目標(biāo)分割技術(shù)，對圖像進(jìn)行有效的分割，配合文中提出的方法，將可以實現(xiàn)多個車道，多種車型的識別?！?】陳建春．Visual C++開發(fā)GIS系統(tǒng)——開發(fā)實例剖析[MI．電子工業(yè)出版社，2000．【5】李現(xiàn)勇．Visual C++串口通信技術(shù)與工程實踐【M1．人民郵電出版社2003【6】鄔倫，劉瑜，張晶等．地理信息系統(tǒng)——原理、方法和應(yīng)用【M】．科學(xué)出版社
【7】(MATLAB版)[M].北京：電子工業(yè)出版社，2007.【8】[M].北京：科學(xué)出版社，2000：150.
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1