freepeople性欧美熟妇, 色戒完整版无删减158分钟hd, 无码精品国产vα在线观看DVD, 丰满少妇伦精品无码专区在线观看,艾栗栗与纹身男宾馆3p50分钟,国产AV片在线观看,黑人与美女高潮,18岁女RAPPERDISSSUBS,国产手机在机看影片

正文內(nèi)容

基于opencv的車型識(shí)別系統(tǒng)畢業(yè)設(shè)計(jì)(編輯修改稿)

2024-12-29 00:24 本頁面
 

【文章內(nèi)容簡介】 Sobel是邊緣檢測的算法之一使用擴(kuò)展 Sobel算子計(jì)算一階二 階三階或混合圖像差分 在 OpenCV 中運(yùn)用 cvsobel 函數(shù)如下為運(yùn)用 cvsobel 的函數(shù)算法函數(shù)程序 void cvSobel const CvArr src 輸入圖像 CvArrdst 輸出圖像 Int xorderX 方向上的差分階數(shù) Int aperture– size 3 函數(shù) cvSobel 通過對(duì)圖像用相應(yīng)的內(nèi)核進(jìn)行卷積操作來計(jì)算圖像的差分 31 31 由于 Sobel 算子結(jié)合了 Gaussian 平滑和微分所以其結(jié)果或多或少的對(duì)噪聲有一 定的魯棒性通常情況函數(shù)調(diào)用用如下參數(shù) xorder 1yorder 0aperture_size 3 或 xorder 0yorder 1aperture_size 3 來計(jì)算一階圖像差分 Sobel 算子采有如表的 31 的模板 表 31 Sobel 算子水平模板 1 2 1 0 0 0 1 2 1 表 32 Sobel算子垂直模板 1 0 1 2 0 2 1 0 1 上面圖表為對(duì)圖像像素處理的模板矩陣每個(gè)圖像像素點(diǎn)都與這個(gè)兩個(gè)模板作卷積第一個(gè)模板用于檢測水平邊緣第二個(gè)模板用于檢測豎直邊緣兩個(gè)卷積 結(jié)果的最大值即為該點(diǎn)的輸出值 Sobel 邊緣檢測算子對(duì)灰度漸變和噪聲較大的圖像處理的比較好 LOG 邊緣檢測 1LOG 邊緣檢測的一般算法 LOG 算子提取車輛圖像邊緣的方法是一種比較簡便的處理方法與其它方法比較優(yōu)于 Roberts算子和 Sobel算子的方法邊緣比較完整位置比較準(zhǔn)確與小波分析的方法比較雖然獲得的圖像質(zhì)量略有不足但其算法簡單處理速度快在流量較大路口的車輛檢測系統(tǒng)中有較高實(shí)用價(jià)值 LOG算法是一種 2階邊緣檢測方法它通過尋找圖像灰度值的中二階微分中的過零點(diǎn) Zero Crossing 來檢測邊緣點(diǎn)因?yàn)榛叶?緩變形成的邊緣經(jīng)過微分算分算子峰值兩側(cè)符號(hào)相反而原先的極值點(diǎn)對(duì)應(yīng)二階微分中的零點(diǎn)為了消除噪聲影響必須用高斯函數(shù)對(duì)圖像進(jìn)行濾波在對(duì)濾波后的的圖像求二階導(dǎo)數(shù)即按照下式計(jì)算 32 其中以為圖像 G XY 為高斯函數(shù)上述兩個(gè)處理步驟可以合成一個(gè)算子經(jīng)運(yùn)算可得 33 公式中稱為拉普拉斯高斯算子經(jīng)運(yùn)算可得 34 是關(guān)于原點(diǎn)對(duì)稱的函數(shù)其主瓣寬度為 G xy 比較符合人的視覺特 性 LoG 算法能較好地反映了視覺模型 2LoG 算法過零檢測 對(duì) G xy 簡化得到下公式 35 一般礦取值較大時(shí)趨于平滑圖像 fir 較小時(shí)則趨于脫化圖像 事實(shí)上檢測邊界就是尋找的過零點(diǎn)可用以下幾種參數(shù)表示過零點(diǎn)處灰度變化的速率 1 過零點(diǎn)處的斜率 2 二次微分峰峰差值 3 二次微分峰峰間曲線下面積絕對(duì)值之和 邊界點(diǎn)方向信息可由梯度算子給出為減小計(jì)算量在實(shí)用中可用高斯差分算子 DOG 36 34 區(qū)域分割 圖像中的區(qū)域是指一 個(gè)相互連通的具有一致的有意義屬性的像元素區(qū)域分割就是從全圖出發(fā)按有意義屬性一致的準(zhǔn)則決定每個(gè)像素的歸屬區(qū)域區(qū)域分割是圖像處理中的一項(xiàng)基本內(nèi)容也是圖像理解中關(guān)鍵的一步區(qū)域分割將原始圖像轉(zhuǎn)化為更抽象更緊湊的形式使得更高層的圖像分析和理解成為可能 區(qū)域分割算法大致可分為兩類一是基于圖像的灰度統(tǒng)計(jì)特征通過某一約束函數(shù)選取合理的閩值進(jìn)行區(qū)域分割這類算法典型的有直方圖分析法最佳嫡自動(dòng)門限法最小 誤差法和類間方差法二是基于圖像的局部灰度梯度變化特征如邊緣檢測即先找出目標(biāo)的邊界通過某一判別標(biāo)準(zhǔn)識(shí)別出目標(biāo)邊界用邊界來表示目標(biāo)然后進(jìn)行聚類將目標(biāo)從圖像中識(shí)別出來這類方法包括自適應(yīng)閡值法模糊 C 均值法本文根據(jù)車輛圖像的特點(diǎn)和實(shí)際需要采用上述第一類基于圖像的灰度統(tǒng)計(jì)特征的閩值分割法對(duì)圖像進(jìn)行區(qū)域分割下面簡單介紹本文運(yùn)用的直方圖分析法 35 圖像的輪廓提取 識(shí)別車型需要提取汽車外部輪廓特征對(duì)二值圖像進(jìn)行輪廓跟蹤得到輪廓曲線所以首先要對(duì)上述二值化圖像進(jìn)行輪廓跟蹤輪廓跟蹤的基本方法是先根據(jù)某些嚴(yán)格的探測準(zhǔn)則找出目標(biāo)物體 輪廓上的像素再根據(jù)這些像素的某些特征用一定的跟蹤準(zhǔn)則找出目標(biāo)物體上的其它像素點(diǎn).傳統(tǒng)的串行跟蹤算法是從上到下從左到右掃描全圖找到所有以 0 黑像素 為鄰點(diǎn)的 255 白像素 按定義這些值為255 的點(diǎn)一定是邊界點(diǎn)這種算法要對(duì)每個(gè)邊界像素周圍的八個(gè)鄰點(diǎn)進(jìn)行判斷計(jì)算量較大.另一種稱為蟲隨法的搜索輪廓的思想是這樣的從白邊緣向黑色像素區(qū)走當(dāng)穿過黑像素時(shí)左轉(zhuǎn)并走向下一個(gè)像素同時(shí)始終遵循遇黑左轉(zhuǎn)遇白右轉(zhuǎn)的原則一直到回到原始出發(fā)點(diǎn)為止這樣就可以得到目標(biāo)物體的輪廓但這種方法所得到的輪廓與初始點(diǎn)有關(guān) 下面介紹的一種輪廓算法由兩部分 組成一個(gè)是計(jì)算輪廓方向序列的方法稱為 T 算法另一是計(jì)算輪廓起始點(diǎn)方法稱為 IP Initial. Point 算法輪廓算法的步驟是由這兩個(gè)算法依次交叉進(jìn)行即第一個(gè)輪廓起始點(diǎn)找到后進(jìn)行第一個(gè)輪廓方向序列的計(jì)算算完后再尋找第二個(gè)輪廓起始點(diǎn)接著計(jì)算第二個(gè)輪廓方向序列如此依次交叉的進(jìn)行計(jì)算完圖中所有輪廓為止 下面分別介紹一下輪廓方向序列及輪廓起始點(diǎn)算法 輪廓方向序列的計(jì)算 T 算法 輪廓方向序列是由輪廓起始點(diǎn)開始到輪廓上的第二點(diǎn)第三點(diǎn)直到最后一點(diǎn)再返回起始點(diǎn)為止由方向所組成的方向序列確定輪廓上一點(diǎn)走向下一點(diǎn)的方向是用最先左看規(guī)則即從進(jìn)入輪廓點(diǎn) 如 A 點(diǎn) 的方向看去 如圖 33 最先向左方向?qū)ふ胰粲龅交叶燃?jí)和 A點(diǎn)相同的鄰點(diǎn)則輪廓由 A點(diǎn)走向這一點(diǎn)若左看沒有灰度級(jí)和 A 點(diǎn)相同的鄰點(diǎn)再按向上看向右看向下看的順序?qū)ふ抑钡秸业接谢叶燃?jí)相同的點(diǎn)為止.將輪廓由 A 點(diǎn)移向該點(diǎn)若四個(gè)方向都沒有表示這個(gè)輪廓只是由一個(gè)像素 孤立點(diǎn) 構(gòu)成的 圖 33 向右看圖 輪廓起始點(diǎn)的尋找 IP 算法 為了尋找輪廓起始點(diǎn) IP 我們使用順序掃描搜索方法也就是從數(shù)字圖像的左上角 第一行第一列 的像素開始按行從左到右按列從上到下逐點(diǎn)順序掃描知道右小角最后一個(gè)像素為 止對(duì)掃描遇到的每一個(gè)像素進(jìn)行判別是否為輪廓起點(diǎn) IP如果判別每一像素是否為 IP 呢先來介紹一下掃描搜索比較表和起始點(diǎn)判別準(zhǔn)則 ①掃描搜索比較表構(gòu)成 CPL 1 僅每掃一行制一個(gè)表當(dāng)然開始掃描前表是空的. 2 對(duì)每一行掃描從左到右逐點(diǎn)進(jìn)行判別若遇到點(diǎn)標(biāo)志為 A 將該點(diǎn)的灰度級(jí)值從表的右端依次填入表中若遇到點(diǎn)標(biāo)志是 D將表中最靠近標(biāo)志為 A的灰度級(jí)劃去若遇到點(diǎn)標(biāo)志是 D 或 I 表不變化即不填也不劃去什么 3 每一行掃描完畢表也一定是空的因?yàn)檩喞偸欠忾]的輪廓通過某一行有向下的點(diǎn) D 有向上的點(diǎn) A 即 A 點(diǎn)數(shù)一定等于 D 點(diǎn)數(shù) ②輪廓起始點(diǎn)判斷準(zhǔn)則 在掃描搜索過程中凡符合下列兩個(gè)條件的就判為輪廓起始點(diǎn) IP 1 標(biāo)志是 I 即不是已確認(rèn)過的輪廓上的點(diǎn) . 2 它的灰度級(jí)值不等于掃描搜索表中最靠近的標(biāo)記為 A 的點(diǎn)的灰度級(jí)值按照這兩種準(zhǔn)則就可以判斷輪廓起始點(diǎn).這里注意的就是一副數(shù)字圖像的左上角的點(diǎn) 第一行第一列 總認(rèn)為是第一輪廓起始點(diǎn)這是不難理解的二值化圖像輪廓提取還可以采用數(shù)學(xué)形態(tài)學(xué)的方法設(shè)圖像為 A 結(jié)構(gòu)元素為 B 圖像邊緣為 即圖像 A與 A被 B腐蝕的結(jié)果的差為圖像的邊緣本系統(tǒng)中采用如下跟蹤準(zhǔn)則對(duì)差值按照從左到右從下到上的順序搜索找到的第一 個(gè)白色點(diǎn)一定是最左下方的邊界點(diǎn)以這個(gè)邊界點(diǎn)起始假設(shè)已經(jīng)沿順時(shí)針方向環(huán)繞整個(gè)圖像一圈找到了所有的邊界點(diǎn)由于邊界是連續(xù)的所以每個(gè)邊界點(diǎn)都可以用這個(gè)邊界點(diǎn)對(duì)前個(gè)邊界點(diǎn)所張的角度來表示.所以從第一個(gè)邊界點(diǎn)開始定義初始的搜索方向?yàn)檠刈笊戏饺绻笊戏降狞c(diǎn)是白色的則為邊界點(diǎn)否則搜索方向順時(shí)針旋轉(zhuǎn) 45 度這樣一直到找到另一個(gè)白色點(diǎn)為止然后把這個(gè)白色點(diǎn)作為新的邊界點(diǎn)在當(dāng)前搜索方向的基礎(chǔ)上逆時(shí)針旋轉(zhuǎn) 90 度繼續(xù)用同樣的方法搜索下一個(gè)自點(diǎn)直到返回最初的邊界點(diǎn)為止 36 車輛的特征提取 提取特征時(shí)我們必須考慮兩個(gè)基本問題一是特征能夠較 容易地從圖像中提取其二是所選取的特征必須有利于分類也即對(duì)分類有較大的貢獻(xiàn)從外觀上看最能夠區(qū)分不同車型的是車輛的形狀因此形狀是區(qū)分車型的重要依據(jù) 7 分類識(shí)別 對(duì)于任何一個(gè)模式分類器除了希望它有盡可能高的識(shí)別率外還希望能比較準(zhǔn)確地估計(jì)它的分類結(jié)果的準(zhǔn)確性即置信度置信度的主要用途有 1 為拒識(shí)提供依據(jù) 在很多應(yīng)用場合下我們不僅希望識(shí)別率盡可能高還希望誤識(shí)率低在一定的分類器下這只能通過拒識(shí)部分樣本實(shí)現(xiàn)這樣就需要決定拒識(shí)哪一部分樣本如果拒識(shí)的樣本總是識(shí)別置信度最低的樣本系統(tǒng)的誤識(shí)率就會(huì)在拒識(shí)率一定的情況下獲得最大幅度 的下降 2 為多方案集成提供根據(jù)現(xiàn)在多方案集成是模式識(shí)別的一個(gè)重要趨勢人們已不再滿足于簡單的表決而希望能充分利用單個(gè)分類器的各種信息 其中每個(gè)分類器的置信度是一種重要信息其意義是明顯的當(dāng)多個(gè)分類器的結(jié)果不同時(shí)應(yīng)當(dāng)選擇置信度比較大的分類器的結(jié)果至少應(yīng)給予較大的權(quán)重鑒于置信度的重要地位基本上各種應(yīng)用系統(tǒng)都
點(diǎn)擊復(fù)制文檔內(nèi)容
公司管理相關(guān)推薦
文庫吧 www.dybbs8.com
備案圖片鄂ICP備17016276號(hào)-1