《02-4交通监控系统》由会员分享，可在线阅读，更多相关《02-4交通监控系统（60页珍藏版）》请在金锄头文库上搜索。
1、第二章 交通监控系统,本章内容,色度学基础与颜色模型,1,图像增强与平滑,2,图像锐化,3,图像的频域处理,4,数学形态学,5,图像增强与平滑,2,色度学基础与颜色模型,1,色度学基础与颜色模型,1,视频交通信息采集与处理技术,6,色度学基础与颜色模型,色度学基础在计算机上显示一幅彩色图像时，每一个像素的颜色是通过三种基本颜色（即红、绿、蓝）合成的，即最常见的RGB颜色模型。要理解颜色模型， 首先应了解人的视觉系统。,色度学基础与颜色模型,灰度模型在灰度图像中，像素灰度级用8 bit表示，所以每个像素都是介于黑色和白色之间的256（28=256）种灰度中的一种。,色度学基础与颜色模型,三色原理
2、在人的视觉系统中存在着杆状细胞和锥状细胞两种感光细胞。杆状细胞为暗视器官，锥状细胞是明视器官在照度足够高时起作用，并能分别辨颜色。锥状细胞将电磁光谱的可见部分分为三个波段：红、绿、蓝。根据人眼的结构，所有颜色都可看作是三种基本颜色R表示红（Red）、 G表示绿（Green)和B表示蓝（Blue)按照不同的比例组合而成。,色度学基础与颜色模型,颜色模型：为了科学地定量描述和使用颜色，人们提出了各种颜色模型。面向硬件设备的最常用彩色模型是RGB模型。面向彩色处理的HSI模型。面向印刷工业的CMYK模型面向电视信号传输的YUV模型。,色度学基础与颜色模型,RGB模型RGB模型用三维空间中的一个点来表
3、示一种颜色。每个点有三个分量，分别代表该点颜色的红、绿、蓝亮度值， 亮度值限定在0, 1。,RGB模型单位立方体,色度学基础与颜色模型,HSI模型H表示色调(Hue)S表示饱和度(Saturation) I表示亮度(Intensity)。模型的建立基于两个重要的事实 I分量与图像的彩色信息无关 H和S分量与人感受颜色的方式是紧密相联的。,色度学基础与颜色模型,饱和度是指颜色的鲜明程度，饱和度越高，颜色越深。饱和度参数是色相环的原点（圆心）到彩色点的半径的长度。,色相环,色度学基础与颜色模型,亮度是指光波作用于物体上所发生的效应，反射系数越大，物体的亮度愈大。 HSI模型的三个属性定义了一个三维
4、柱形空间。,柱形彩色空间,色度学基础与颜色模型,RGB转换到HSI,色度学基础与颜色模型,HSI转换到RGB,H0，120,H120，240,H240，360,色度学基础与颜色模型,YUV电视信号彩色坐标系统PAL制式将R、G、B三色信号改组成Y、U、V信号， 其中Y信号表示亮度，U、V信号是色差信号。,色度学基础与颜色模型,Lab表色系Lab 颜色由亮度分量L 和a、b两个色度分量组成。a在的正向数值越大表示越红，在负向的数值越大则表示越绿。b在的正向数值越大表示越黄，在负向的数值越大表示越蓝。Lab颜色与设备无关， 无论使用何种设备（如显示器、打印机、计算机或扫描仪）创建或输出图像，这种模
5、型都能生成一致的颜色。,色度学基础与颜色模型,式中X0、Y0、Z0为标准白色对应的X、Y、Z值。,图像增强与平滑,直方图表示图像中具有某种灰度级的像素的个数，反映了图像中每种灰度出现的频率灰度直方图的横坐标是灰度级，纵坐标是该灰度级出现的频度，它是图像最基本的统计特征。,图像增强与平滑,注意单位,图像增强与平滑,灰 度 变 换假定原图像f(x, y)的灰度范围为a, b，希望变换后图像g(x, y)的灰度范围扩展至c, d，则线性变换可表示为,图像增强与平滑,图像噪声噪声可以理解为“妨碍人们感觉器官对所接收的信源信息理解的因素”。产生原因由光和电的基本性质所引起的噪声。电器的机械运动产生的噪声
6、。元器件材料本身引起的噪声。系统内部设备电路所引起的噪声。,图像增强与平滑,图像增强与平滑,去除噪声(时空相关性)模板操作卷积运算中值滤波其他去噪技术,图像增强与平滑,模板操作：常见的平滑算法是将原图中的一个像素的灰度值和它周围邻近8个像素的灰度值相加，然后将求得的平均值作为新图像中该像素的灰度值。可用如下方法来表示该操作,1/9模板,图像增强与平滑,邻域平均法,图像增强与平滑,原始图像 邻域平均后的结果,图像增强与平滑,卷积运算,图像增强与平滑,中值滤波中值滤波是一种非线性信号处理方法，与其对应的中值滤波器也就是一种非线性滤波器。原理：中值滤波就是用一个奇数点的移动窗口， 将窗口中心点的值用
7、窗口内各点的中值代替。假设窗口内有五点，其值为80、 90、 200、 110和120， 那么此窗口内各点的中值即为110。,图像增强与平滑,其他去噪技术空间域低通滤波,频率域低通滤波,图像增强与平滑,多幅图像平均法把针对一目标物(景物)在相同条件下，把作M次重复摄取的图像相加，取平均值作为输出图像，便可对图像中的噪声进行平滑。,图像增强与平滑,要明确的一点是：没有一种十全十美的去除噪声方法，应根据处理目的，通过实际试验选择合适的方法。,图像锐化,微分法Sobel算子拉普拉斯运算,基于模板算法,图像锐化,梯度的幅度用Gf(x, y)表示， 并由下式算出:,上式可以近似为Gf(x, y)=f(i
8、, j)-f(i+1, j)2+f(i, j)-f(i, j+1)212,1.微分法,图像锐化,上式可简化成为Gf(x, y)=|f(i, j)-f(i+1, j) |+f(i, j)-f(i, j+1) |,图像锐化,以上梯度法又称为水平垂直差分法。另一种梯度法叫做罗伯特梯度法,其数学表达式为Gf(x, y)=f(i, j)-f(i+1, j+1)2+f(i+1, j)-f(i, j+1)212 近似为Gf(x, y)=|f(i, j)-f(i+1, j+1) |+|f(i+1, j)-f(i, j+1),图像锐化,二值图像 梯度运算结果,Sobel算子：采用梯度微分锐化图像，同时会使噪声、
9、条纹等得到增强， Sobel算子则在一定程度上克服了这个问题。Sobel算子法的基本原理是： 计算33窗口的灰度， 将其作为变换后图像f(i, j)的灰度。,图像锐化,式中：,图像锐化,常用的梯度算子,图像锐化,3.拉普拉斯运算,图像锐化,频域处理,傅立叶变换小波变换小波包分析,频域处理,频域世界与频域变换,任意波形可分解为正弦波的加权和,时域和频域之间的变换可用数学公式表示如下：,为能同时表示信号的振幅和相位，通常采用复数表示法，上式可用复数表示为,完成这种变换，一般采用的方法是线性正交变换。,频域处理,傅立叶变换 把输入信号作傅立叶变换，该信号就被变换到频域上信号，即得到了构成该输入信号的
10、频谱，频谱反映了该输入信号由哪些频率构成。这是一种分析与处理一维信号的重要手段。,频域处理,小波变换傅立叶变换提供了有关频率域的信息，但有关时间的局部化信息却基本丢失。小波变换是通过缩放母小波的宽度来获得信号的频率特征， 通过平移母小波来获得信号的时间信息。对母小波的缩放和平移操作是为了计算小波系数，这些小波系数反映了小波和局部信号之间的相关程度。,频域处理,像傅立叶分析一样，小波分析就是把一个信号分解为将母小波经过缩放和平移之后的一系列小波,（a） 正弦波曲线； (b) 小波曲线,变化剧烈的信号，用不规则的小波进行分析比用平滑的正弦波更好，即用小波更能描述信号的局部特征。,频域处理,小波分解
11、示意图,多级信号分解示意图（a） 信号分解； (b) 小波分数； （c）小波分解树,频域处理,小波重构：将信号的小波分解的分量进行处理后，根据需要把信号恢复出来，也就是利用信号的小波分解的系数还原出原始信号，这一过程称为小波重构。,小波重构示意图,频域处理,多层小波分解和重构示意图,频域处理,小波包分析将信号分解为近似部分与细节部分，近似部分又可以分解成第二层近似与细节，可以这样重复下去。对于一个N层分解来说， 有N+1个分解信号的途径。而小波包分析的细节与近似部分一样，也可以分解，对于N层分解，它产生2N个不同的途径。,频域处理,数学形态学,数学形态学的基本运算有4个膨胀（或扩张）腐蚀（或侵
12、蚀）开启闭合,数学形态学,腐蚀与膨胀示意图,数学形态学,开启:先对图像进行腐蚀然后膨胀闭合:先对图像进行膨胀然后腐蚀膨胀和腐蚀并不为互逆运算,视频交通信息采集与处理技术,交通信息采集与处理的精确化和自动化是衡量高速公路监控系统智能化水平的重要标志基于图像处理和智能识别技术的交通信息采集已得到广泛的应用：交通流检测技术车牌识别系统闯红灯抓拍系统车辆逆行抓拍系统,视频交通流检测技术原理与方法,通过软件在有车道显示的视频图像上设置虚拟车道检测器初始化视频序列存储视频图像处理检测输出,视频交通信息采集与处理技术,初始化进行初始化参数设定，如图像的采集帧率、阈值、检测线和检测区域。,视频交通信息采集与处理技术,视频序列存储系统将数字化的视频序列存入内存以便于进行下一步的视频图像处理。,视频交通信息采集与处理技术,视频图像处理图像预处理，去除噪声干扰图像分割参数计算,视频交通信息采集与处理技术,后处理根据系统设定要求，进行交通流参数统计、分析、数据处理。,视频交通信息采集与处理技术,检测输出输出检测结果，作为监控系统分析、决策的基础数据。,
