【正文】 濾波方法。通過對常見的差分檢測算子和自定義的差分算子比較，可以看出后者更能增強車道線標記部分。 ，為獲得更準確的車道線邊界，本設(shè)計用融合邊緣和區(qū)域信息的方法定位車道線，并且與自適應二值化圖像比較，可以看得出前者克服虛假邊界的能力更強?；谥本€型車道線的假設(shè)，在圖像中提取特征直線時，用 hough 變換及其改進的算法和中值截距法進行提取。石家莊鐵道學院畢業(yè)設(shè)計4第 2 章 單目視覺系統(tǒng) 引言為了準確識別道路環(huán)境，,視覺導航系統(tǒng)理應獲得車輛前方道路的三維信息，,包括車輛與道路的位置關(guān)系和道路中障礙物信息。其次，,匹配點尋找困難。例如,左右視野的部分場景不匹配、 、左右視野環(huán)境光的不同都使得戶外環(huán)境下的基于像素的視野景物深度恢復困難重重， ，如今的立體視覺研究者多數(shù)簡化了這些不利因素的影響。即使這樣，雙目或者多目視覺系統(tǒng)需要的計算量仍是比較大的，,目前計算機的計算能力還不足以滿足車輛導航系統(tǒng)的實時性要求，,因此雙目或者多目視覺系統(tǒng)一般用于復雜、未知環(huán)境下低速行駛的智能車輛，并且雙目或者多目視覺系統(tǒng)也會提高系統(tǒng)成本。目前基于視覺導航的智能車輛多采用單目視覺系統(tǒng)完成道路檢測及跟蹤，,而采用多目視覺系統(tǒng)完成道路上的障礙物檢測。當采用單目視覺系統(tǒng)檢測道路時,，由于從三維的世界環(huán)境轉(zhuǎn)換到圖像的二維信息，,在這個轉(zhuǎn)換過程中，,損失了三維環(huán)境中的深度信息， ，而且這個過程是不可逆的。通常為了從單目視覺系統(tǒng)中獲得道路的三維信息，,對此提出了一些合理的假設(shè)，,如道路平坦假設(shè)、 、道路邊緣連續(xù)性假設(shè)、 、道路模型假設(shè)等。 單目視覺導航系統(tǒng)成像模型為了得到圖像中的像素和實際道路區(qū)域點的對應關(guān)系,，必須知道二維圖像信息和三維世界信息的關(guān)系模型。 。由于在道路檢測的過程中，,只需要得到石家莊鐵道學院畢業(yè)設(shè)計5道路延伸方向、車輛的偏移距離，,并不需要將道路的三維信息完全恢復，,以上的假設(shè)是可以滿足實際需要的。在攝像機成像幾何模型中最常用最簡單的是線性模型——針孔模型 [3]。下面就攝像機成像模型進行簡介紹。 。 。圖 21(a)中經(jīng)過投影中心 且垂直于圖像平面的直線為攝像機光軸 ， o 39。 。知，世界坐標系中的點 經(jīng)投影中心 點在圖像平面坐標系中的投影點為 ，可以p 39。為了避免這種倒立圖像，現(xiàn)在假定圖像平面位于 Z 軸正半軸且與投影中心 的垂直距離為焦距 f 處，此時點 經(jīng)投影中心 點在圖像平面opo坐標系中的投影點為 ，如圖 21(b)所示，可以看出 位于點 和點 之間，其投39。影大小與 完全相同，但是此時為正立的投影圖像，這種現(xiàn)象在計算機視覺中也稱39。 (a) 透視投影倒立成像圖 (b) 透視投影倒立成像圖如圖 21(b)所示 ，可以看出 位于點 和點 之間，其投影大小與 完全相同，但是此時為39。p正立的投影圖像，這種現(xiàn)象在計算機視覺中也稱為視網(wǎng)膜成像。由圖 21(a)或圖 21(b)均可以得到 點與其在圖像平面上的投影點),(zyxp或 的映射關(guān)系，由圖中幾何關(guān)系可以得到透視投影方程式(22)所示：),(39。 ZfYX?即世界坐標系中 點與其在圖像平面上投影點 或 的映射關(guān)系),(zyxp ),(39。如式(23)所示： Zfyfx???? 本章小結(jié)本章簡單介紹了兩種道路信息的獲得方法，即采用雙目或多目視覺系統(tǒng)和采用單目視覺系統(tǒng)。從三維世界坐標得到二維圖像坐標的方法中，簡要討論了單目視覺系統(tǒng)中最簡單、常用的成像幾何模型——針孔模型，由于在實際應用中，一些假設(shè)和已知一定信息的存在，該模型應用在車道線識別中是可行的。而視覺系統(tǒng)在圖像的生成、采樣、量化、傳輸、變換等過程中，由于 CCD 傳感器的噪聲、隨機大氣湍流、光學系統(tǒng)的失真等原因會造成 CCD 攝像機成像質(zhì)量的降低。為了改善視覺系統(tǒng)圖像的質(zhì)量，需要突出道路圖像中的有用信息并盡可能消除其它環(huán)境信息的干擾，因此需要對原始圖像進行圖像的預處理操作。其目的是使處理后的圖像對于某種特定的應用，比原始圖像更便于人和機器對圖像的理解和分析。其中顏色模型為 RGB 模型，圖像中的任何顏色都是通過紅(Red)、藍(Green)、綠(Blue)三種基本顏色按照不同的比例混合得到的。因此，灰度圖像每個像素只需一個字節(jié)存放灰度值，一般將白色的灰度值定義為 255，黑色的灰度值定義為0，而由黑到白之間的明亮度均勻的劃分為 256 個等級。雖然，灰度化圖像無可避免的丟失一些信息，但是對灰度圖像的處理，從其存放方式可以看出速度相對較快。于是將彩色圖像轉(zhuǎn)換為灰度圖像，下面就常用的四種方法 [34]進行簡介介紹。 ),(),(),(),(),(),( 321 jiBjifjiGjifjiRjif ???其中 為轉(zhuǎn)換后的灰度圖像在 處的灰度值。 ??),(,),(max),( jiBGjiRjif?(3)平均值法將彩色圖像中三個分量的亮度求平均，得到一個灰度圖像如式(33)所示。由于人眼對綠色的敏感度最高，對藍色敏感度最低，因此，按式(34)對 RGB 三分量進行加權(quán)平均能得到亮度較合理的灰度圖像。其它看來，感覺差別不大，原因在于所選圖像的色彩差別不是很大，選用色彩差別明顯的圖像，可以看出加權(quán)平均法混合后可以得到更符合人類視覺的灰度值。通過方法的介紹可以看出，以上的灰度化方法，并沒有更多的利用彩色圖像圖 32 圖像灰度化比較石家莊鐵道學院畢業(yè)設(shè)計11??????otherwisGRCifgray2/)(/)(5提供的色彩信息，而是大致通用的一些方法，沒有考慮到圖像的特征。 彩色通道提取灰度化彩色通道提取的主要目的是根據(jù)車道標志線的色彩信息，提取一定的顏色通道，形成突出車道標志線塊狀結(jié)構(gòu)的灰度圖像。在彩色圖像中車道標志線上的點成像后，其 R 和 G 通道的顏色值相對大于 B 通道，而瀝青表面的成像以灰色為主，其 RGB 三通道的顏色比較平均而且相對較小。 為了從提取的通道合成灰度圖像，在此將R、G 通道的顏色值相加。而低于這個閾值的像素點，則被弱化。綜上所述，其變換原理如式(35)：式中，C 表示 ——閾值；。從式(35)中可以看出，對于R、G通道顏色值較大的車道邊緣點在灰度圖像中其灰度值得到強化。從而經(jīng)過R+G處理后，得到的是車道邊界強化的灰度圖像。用MATLAB 對彩色通道提取法對道路圖像進行仿真如圖33： (23)石家莊鐵道學院畢業(yè)設(shè)計12圖33 彩色通道提取灰度化從圖33 中可以看出，車道邊緣部分在灰度圖像中得到了有效的增強，由于255表示灰度圖像中的白色，因此圖中車道標記部分基本都被染成了白色，起到了增強邊界的作用。 圖像灰度變換道路圖像灰度化后，灰度值通常只是集中在某個范圍，為使圖像的動態(tài)范圍加大，圖像對比度擴展，清晰度提高，特征明顯，進行圖像灰度變換 [6]是必要的。 圖像灰度線性變換首先，介紹線性變換。基本原理如式(36)：令原始圖像 的灰度范圍為 [a,b]，線性變換后的圖像),(jif的灰度范圍為 [a39。]， 和 之間存在下列關(guān)系：),(39。 ),(),(39。39。 ajifabjif ????另外一種情況，圖像中大部分像素的灰度值在[a,b]范圍內(nèi)，少部分像素在小于a 和大于 b 的區(qū)間。39。39。39。和 b39。不過，有時為了某種特殊的應用，這種“犧牲”是值得的。但是在道路圖像處理中，壓縮區(qū)間范圍的不確定性，沒有得到很好的解決，因此該方法是今后進一步研究的重點。,b39。jif )ln,lnl,39。39。 aabajif ????這一變換擴展了輸入圖像的中低灰度區(qū)域的對比度，而壓縮了高灰度值?；叶茸儞Q法圖像對比度增強的結(jié)果用 MATLAB 仿真如圖 34：圖 34 灰度線性變換 (38) (37) 石家莊鐵道學院畢業(yè)設(shè)計14通過此例可以看出雖然灰度線性變換可以增強圖像的對比度，但是對于一些道路圖像增強效果是不明顯的。因此若對直方圖均衡化，可以預見圖像對比度能夠得到較大程度的增強。 基于直方圖的灰度變換直方圖是表達一幅圖像灰度級分布情況的統(tǒng)計圖，表示出具有某一灰度的像素數(shù)，并不表示像素在圖像的具體位置。對于數(shù)字圖像irin有如式(39)、式(310)所示關(guān)系： nrpiii?)( 110??kii其中式中， ——圖像的第 級灰度值；iri——圖像中第 級灰度的像素個數(shù)；ink——為圖像對應的總灰度級數(shù)。直方圖均衡化增強了靠近直方圖極大值附近的亮度的對比度，減少了極小值附近的對比度。由于變換函數(shù)需要滿足 2 個條件：TrS),(?(1) 范 圍 內(nèi) 是 個 單 調(diào) 函 數(shù) 。有對 )(r可以證明 r 的累積分布函數(shù)滿足上述兩個條件，能將 r 的分布轉(zhuǎn)換為 s 的均勻分布。在主觀評價上，可以看出經(jīng)過變換之后突出了原圖像的細節(jié)，將使其具有更好的邊緣檢測效果。圖 35 直方圖均衡化石家莊鐵道學院畢業(yè)設(shè)計16 圖像濾波任何一幅未經(jīng)處理的原始圖像，都存在著一定程度的噪聲干擾。在進行進一步的邊緣檢測、圖像分割、特征提取、模式識別等處理之前，采用適當?shù)姆椒ūM量減少噪聲的干擾就顯的非常重要的。然后再變換),(vuF ),(yxG到圖像的空間域，形成處理后的圖像,即頻域處理法。因此，本設(shè)計采用空間域圖像濾波處理方法。 線性平滑濾波 圖像平滑濾波處理分為線性濾波與非線性濾波，線性濾波方法提出較早且具有較完備的理論基礎(chǔ)。MS，窗口在水平和垂直兩個方向上都必須為奇數(shù)，否則圖像會產(chǎn)生偏移。7?9該算法在去除麻點噪聲方面比較有效，但它不能區(qū)分有效信號和噪聲信號，噪聲和圖像細節(jié)同時被削弱。可以根據(jù)需要進行修正，為了使),(yxw處理后的圖像的平均灰度值不變，模板中的各個系數(shù)之和為 1。 非線性平滑濾波 理論和實驗證明，雖然線性濾波具有良好的抑制噪聲能力，但是對圖像平滑會造成圖像中的細節(jié)信息損失，從而使處理后的圖像產(chǎn)生模糊。中值濾波的基本思想是用像素點鄰域灰度值的中值來代替該像素點的灰度值，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節(jié)，在一定條件下可以克服線性濾波所帶來的圖像細節(jié)模糊問題，同時在實際運算過程中并不需要圖像的統(tǒng)計特征，也給計算帶來不少方便，數(shù)學表示為式(314)： ??),(),(yxfSmedianyxf?式中， 為 ——當前點的鄰域。而中值濾波，可以看出對圖像邊緣有保護作用，且去噪聲的同時可以較好地保留邊緣的銳度和圖像的細節(jié)。但在實際應用中，窗口大小選擇要適宜，因為從圖 37 中可以看出，隨著窗口的擴大，也可能破壞了圖像的某些細節(jié)，從仿真結(jié)果中以選擇 模板中值濾波為宜。一般有白色標記的車道線對路面而言有較強的邊緣，體現(xiàn)在灰度或紋理結(jié)構(gòu)等信息。由于 CCD 攝像機傳感器具有低頻特性,所以圖像中的邊緣灰度值的變化不是瞬間的,而是跨越一定距離的，圖 39 分別給出了這兩種邊緣的示意圖及相應的一階方向?qū)?shù)和二階方向?qū)D 38 濾波比較Comment [微微微微1]: 這里用公式編寫人名行嗎？石家莊鐵道學院畢業(yè)設(shè)計20數(shù)。如如 ,這幾算 子 等算 子 和算 子 、算 子 、算 子 、 CanyLogewitSoblRertsPr種邊緣檢測算子的共同特點都是以梯度為基礎(chǔ)的，首先介紹圖像梯度的概念。對于一幅副圖像 ，它的梯度定義為一個向),(yxf量如式(315)： ?????????yfGxfx][),(其幅值如式(316)： 2/1)()yxfmag?該向量的方向角為式(317)： )rctn(),(xyG??數(shù)字圖像的離散性，計算 時，常用差分來代替微分，為計算方便，常用yx和小區(qū)域模板和圖像卷積來近似計算梯度值。設(shè)圖像的模板鄰域如圖 310所示：(315)(317)(316) 理想信號 實際信號 一階導數(shù) 二階導數(shù)石家莊鐵道學院畢業(yè)設(shè)計211Z23456789 圖 310 圖像的鄰域邊緣檢測算子用如圖 311 所示模板，來近似計算圖像 對 的Roberts ),(yxf和偏導數(shù)： 1 00 1 59ZGx??0 11 0 68ZGy??圖 311 邊緣檢測算子Roberts邊緣檢測算子用如圖 312 所示模板，來近似計算圖像 對 的偏Sobel ),(yxf和導數(shù)： 圖 312 邊緣檢測算子Sobel 邊緣檢測算子用如圖 313 所示模板，來近似計算圖像 對 的ewitPr ),(yxf和偏導數(shù)： )()( 321987 ZZGx ???? )()(741963ZZGy ???? 圖 313 邊緣檢測算子ewitPr邊緣檢測算子是二階導數(shù)算子，它是一個標量，是無方向的，因而只需一Log個模板就行了。根據(jù)這三條準則， 給出了三條準則的表達式，CanyMATLAB 中集成了上述邊緣檢測算子函數(shù)，仿真邊緣檢測圖像如圖