论文部分内容阅读
随着智能交通系统的快速发展,车辆特征的识别越来越受到人们的重视,为了更好的实现道路交通的智能管理,车牌、车身颜色、车型等相关识别技术相继出现,其中车牌识别技术已经非常成熟,但并不能满足如今复杂多变的交通路况,雾天和高光照环境下采集的图像会出现颜色失真,无法提取出车辆真实的颜色。在此情况下,本文提出了一种基于去雾和高光修复的车辆颜色识别算法来辅助管理车辆交通,该设计是应用于高速公路收费口、小区出入口以及停车场收费口等处实现对车辆颜色信息的采集和提取,对复杂环境中提取的图像进行处理以实现颜色识别准确的目的。首先本文介绍了基于去雾和高光修复的车辆颜色识别算法的整体流程,包括图像预处理的过程和几种典型颜色空间的原理,并给出车辆颜色识别的整体流程图;其次,对雾化的车辆图像进行颜色识别的研究,本文在暗通道先验理论基础上提出了一种基于大气耗散模型的图像去雾方法,结合大气光散射模型和大气耗散函数实现图像的去雾处理,此外为了防止背景颜色的干扰,提出了基于权重分块的颜色识别方法,利用HSV颜色空间直方图统计完成车身颜色的识别,实验表明,经过去雾处理后的车辆颜色识别算法能有效的缓解背景颜色的干扰,并清晰的恢复出雾化的图像,增加了颜色识别的准确率;最后,针对受高光影响的车辆图像提出了一种基于改进Criminisi理论和车辆轮廓的高光修复算法修复高光图像,该算法利用YUV空间亮度显著性检测方法提取出受光照影响的区域,并对传统Criminisi算法进行改进,结合车辆轮廓信息实现车辆高光区域的填充,完成颜色信息的修复,实验表明,高光修复算法对受光照影响的车辆图像有很好的修复效果,颜色识别准确率增加了 8.7%。本文主要对复杂环境中采集的车辆图像进行颜色处理和识别的研究,针对雾天和高光环境的干扰,本文提出了一种基于去雾和高光修复的车辆颜色识别算法。该算法采用权重分块方法减少背景颜色的干扰,通过大气耗散函数模型恢复雾化图像中的颜色信息;采用YUV空间高光自动检测方法提取出高光区域,通过改进传统Criminisi算法结合车辆轮廓信息去除高光对图像的影响,本文提出的车辆颜色识别算法在提高颜色识别准确率的同时,增加了算法的鲁棒性,具有实际的背景意义。