彎道要素特征表達方法

PAGE44PAGE43本科生畢業(yè)論文（設計）中文題目彎道要素特征表達方法研究英文題目StudyonExpressionofCurve’sCharacteristics

吉林大學學士學位論文（設計）承諾書本人鄭重承諾：所呈交的學士學位畢業(yè)論文（設計），是本人在指導教師的指導下，獨立進行實驗、設計、調(diào)研等工作基礎上取得的成果。除文中已經(jīng)注明引用的內(nèi)容外，本論文（設計）不包含任何其他個人或集體已經(jīng)發(fā)表或撰寫的作品成果。對本人實驗或設計中做出重要貢獻的個人或集體，均已在文中以明確的方式注明。本人完全意識到本承諾書的法律結果由本人承擔。學士學位論文（設計）作者簽名：年月日摘要這些年我國交通運輸事業(yè)的不斷發(fā)展，標志標線、藍天、白云基于邊緣檢測、分水嶺算法、紋理分析等圖像識別和圖像分割技術，研究彎道路面、標志標線、藍天、白云等干擾因素的分離技術，提出彎道線形的提取方法。綜上所述，本論文以MATLAB軟件為工具，研究了彎道線形圖像預處理技術，圖像分割技術，為提取彎道線形提出了很實用的參考價值。本論文創(chuàng)新性對駕駛員在彎道的不可見線形的提取方法進行了研究，并得到了一些有實際應用價值的結論，為降低彎道上交通事故做出了努力。AbstractChina'stransportationbusinessiscontinuousdevelopmentduringtheseyears,thetypesandquantitiesoftransportarechanging,butaccidentscontinuetooccurfrequently.Surveyonalargenumberoftrafficaccidentsfoundthataccidentsatthesecornersis10%ofalltrafficaccidents.Ononehand,whenadrivertravelinginacurve,thedriverwillseethelinearportionofthevisiblethealignment.Ontheotherhand,becausetheimpactofthecornersofthesurroundinglandscape,signsandmarkings,bluesky,whitecloudsandotherinterferingfactors,thedriverobservedobstacles.Becauseofthesetwopoints,linearcurveextractionwerestudiedbasedonthethesiselementcharacteristiccurve.Specifictodoseveraljobsasfollows:1onthecurvelinearimagefiltering,de-noisingpreprocessing.2basedonedgedetection,watershedalgorithm,textureanalysis,imagerecognitionandimagesegmentationtechnology,researchbendroadsignsandmarkings,bluesky,whitecloudsandotherinterferingfactors,separationtechnology,linearcurveproposedextractionmethod.Insummary,thisthesisusesMATLABsoftwareasatooltostudythecurvelinearimagepreprocessingtechniques,imagesegmentationtechniquesforextractinglinearcurvepresentsaveryusefulreferencevalue.Inthispaper,thedriverinthecornersinnovativeinvisiblelinearextractionmethodswerestudied,andgotsomepracticalvalueconclusion,inordertoreduceaccidentsontheeffortsofthecurve.Keywords:Linearcurve,imagefiltering,edgedetection目錄TOC\o"1-2"\h\u177第1章緒論 479401.1本論文的研究意義 4280011.2彎道要素特征表達方法研究的國內(nèi)外研究現(xiàn)狀 5301391.3本論文的研究任務 629707第2章彎道線形提取的基礎理論和方法 676652.1圖像濾波去噪 7125272.2圖像增強 721392.3邊緣檢測 9188362.4邊緣連接 1213782.5小結 144537第3章彎道邊緣檢測識別 15130203.1小波去噪處理圖像 15114363.2運用Canny算子進行彎道邊緣檢測 17226623.3圖像分割提取彎道 21138993.4數(shù)學形態(tài)學處理彎道圖像 24126583.5小結 266475第4章圖像處理的彎道要素與實際比較 26209344.1彎道模型的建立 2693334.2彎道模型的圖像處理 2749834.3平坡彎道要素特征計算 28161144.4坡度彎道要素特征計算 3425414.5誤差分析 37235264.6小結 3815280第5章總結與展望 3840665.1論文的工作總結 3867965.2論文的展望 3932508參考文獻 4013778致謝 41第1章緒論1.1本論文的研究意義隨著汽車技術的快速發(fā)展，汽車已成為現(xiàn)代文明科技的標志，成為人類生活不可或缺的一部分。然而伴隨著汽車給人類帶來的舒適，大量的交通事故也隨之而來。交通安全問題的研究已成為國家中長期科技發(fā)展規(guī)劃。通過大量交通事故的調(diào)差分析發(fā)現(xiàn)，彎道的不可見線形是彎道發(fā)生交通事故的主要原因。道路是道路交通的基礎設施，彎道路面特性、彎道半徑以及周邊環(huán)境因素等影響駕駛員在彎道的駕駛狀況。一方面，駕駛員在彎道行駛時，會看到一部分彎道線形，稱為可見線形；另一方面，受彎道周圍景觀等因素影響，駕駛員難以看到障礙物遮掩的彎道線形，稱為不可見線形。由于車輛需要繼續(xù)向前行駛，但駕駛員由于不可見線形無法做出正確的駕駛行為，因而產(chǎn)生安全隱患造成交通事故的發(fā)生。在彎道行駛時，駕駛員受彎道線形條件制約，需要對彎道線形信息進行采集、分析、處理。彎道要素特征表達方法研究可以幫助駕駛員實時地獲得去除彎道干擾因素的道路線形，及時作出相應駕駛操作，對于理解彎道上交通事故發(fā)生的深層原因，同時據(jù)此采取相應防患措施有很實用的參考價值。1.2彎道要素特征表達方法研究的國內(nèi)外研究現(xiàn)狀1.2.1國外研究現(xiàn)狀國外對彎道線形提取及其要素特征方面的研究開始較早，1986年zhu和yeh發(fā)現(xiàn)相對平行的相對邊緣，并據(jù)此選擇種子點，憑借邊緣的強度和長度相近程度進行連接，使用了基于規(guī)則的系統(tǒng)。他簡單地假設圖像沒有噪聲，道路和背景的高對比度，因此其適應性不是很好。1988年Lemmens將彎道提取分為分割和識別兩個步驟，先用條件均值濾波器去除噪聲的干擾，在用梯度算子檢測彎道邊緣，邊緣由概率松弛算法連接，分割后在基于路寬、長度、灰度值等彎道要素進行連接。1993年Barzohar和Cooper對彎道的中心線、寬度、邊緣強度、灰度和背景灰度級等建立了模型，對整幅圖像中每一個小窗口都進行了變大后驗估計，然后通過動態(tài)規(guī)劃在這些候選者中得到全局最優(yōu)秀的估計。1995年Heipke用一種分級式多分辨率的方法，在粗分辨率上面提取出亮線，用與Nevatia相似方法的邊緣跟蹤算子在高分辨率上提取兩邊線，使用一些簡易的規(guī)則將兩級上的結果進行合并。1996年Ruskone研究了高分辨率影像道路網(wǎng)的提取。首先，根據(jù)道路種子點的自動獲取來跟蹤道路，繼而運用道路的幾何結構特征對道路段進行編組，最后使用Snake模型把提取的道路網(wǎng)的幾何結構優(yōu)化。1996年WangFet在基于知識的公路網(wǎng)的自動提取時提出了綜合使用多波段圖像的方法。這種方法實現(xiàn)的步驟為影像平滑去噪、將三個波段的圖像Laplance增強和利用聚類算法生成二值圖像，二值圖像線狀的目標跟蹤、道路的識別還有生成道路網(wǎng)等等。1997年MeirBarzohar，MosCohen在針對彎道路段部分因為被建筑物、樹蔭遮擋形成斷裂的研究中，提出了一種穩(wěn)定的彎道路跟蹤方法，對彎道路斷裂處也可進行有效地跟蹤。這種方法在道路種子點的確定時提出使用馬爾科夫隨機模型的方法，通過道路遮蔽模型和Kalman濾波器來跟蹤連接彎道。1998年Karimi運用穩(wěn)健高斯拉普拉斯邊緣檢測方法和種子區(qū)域增長算法提取彎道，提取的結果不盡如人意。1.2.2國內(nèi)研究現(xiàn)狀國內(nèi)對彎道線形的提取及其要素特征研究較國外來說起步較晚，并且大多數(shù)研究是在國外研究的基礎上采用相似的方法，改進試驗的方法，或是增多實驗數(shù)據(jù)的數(shù)量使其更有信服力，雖然這樣，國內(nèi)的研究還是取得了相當?shù)某煽儭?000年文貢堅提出在城市影像中自動提取直的道路網(wǎng)方法。將整幅圖像進行分塊，在每一個子塊中提取檢測彎道，然后自動連接就會形成道路網(wǎng)。2005年張榮、王勇、楊蓉采用對整幅圖像進行梯度方向的統(tǒng)計的方法，因為彎道在梯度方向上變化較緩慢，所以在梯度方向統(tǒng)計時會出現(xiàn)峰值。然后又通過統(tǒng)計梯度方向的指導方向可濾波器對整幅圖進行濾波，提取出彎道。1.3本論文的研究任務1.3.1問題的提出國內(nèi)外對彎道線形提取的研究對本論文有很多可以借鑒的地方，但目前這些算法在實際應用中有很大的差異。由于算法缺乏靈活性，穩(wěn)健性，可靠性，所以只是在研究試驗階段，還有很長的距離去實現(xiàn)實用。主要原因有：因為對彎道本身來說，彎道識別主要取決于彎道與周圍景觀環(huán)境反差的大小。彎道因為某些原因會出現(xiàn)大大小小的斷裂，像是因為建筑物、樹木、藍天、白云的陰影遮蔽出現(xiàn)的不連續(xù)現(xiàn)象。這些都會對彎道的識別產(chǎn)生巨大影響。完成不同狀況下彎道的提取及要素特征的表達是比較困難的。目前的研究都是針對特定圖像資源進行試驗研究，給出相應的實驗結果。因此在課題研究中，我們應當借鑒或者是利用一些好的彎道提取方法，與實際圖像資源結合，才會得出比較好的彎道提取結果。然后根據(jù)彎道線形計算出彎道要素特征并將其與實際測量彎道要素進行比較，建立對應關系?；诘玫降膶P系，便可根據(jù)圖像處理的結果判斷對應的彎道要素特征。1.3.2主要研究內(nèi)容根據(jù)國內(nèi)外研究的現(xiàn)狀，并結合本論文課題的需要，確定本論文的主要研究內(nèi)容如下：1.綜合運用圖像處理方法對彎道圖像進行處理，提取出彎道線形；2.對所得的彎道線形進行進一步處理，得到彎道線形對應的曲率，坡度等特征要素；3.將得到的數(shù)據(jù)與實際測量的彎道要素進行比較，建立對應關系，根據(jù)對應關系便可求得車輛形式彎道的要素特征。第2章彎道線形提取的基礎理論和方法在圖像數(shù)據(jù)中，彎道道路信息是一種重要的地理信息，彎道要素特征在彎道線形識別方面具有非常重要的作用。彎道線形在圖像數(shù)據(jù)中的提取步驟一般為圖像增強，彎道邊緣檢測、邊緣的細化、修建還有邊緣的連接。在圖像增強前還應進行圖像的濾波去噪。2.1圖像濾波去噪一幅圖像在實際應用的時候有可能存在不同種類的噪聲，這些噪聲也許是在傳輸過程中產(chǎn)生的，有可能是在量化處理中產(chǎn)生的。這些噪聲在圖像上經(jīng)常會引發(fā)出較強的視覺效果，產(chǎn)生孤立像素點或者是像素塊。一般情況下的噪聲信號同要研究的對象并沒有關聯(lián)，它表現(xiàn)為沒有用處的信息形式，會擾亂圖像可觀測的信息。對數(shù)字圖像信號來說，噪聲以或大或小的極值形式出現(xiàn)，這些極值綜合影響圖像像素的真實灰度值，以暗點的形式干擾圖像，圖像質(zhì)量被極大化降低，影響圖像復原、分割、特征提取、邊緣檢測等后續(xù)工作的進行。因此要通過抑制噪聲的濾波器有效地去除目標和背景中的干擾噪聲，同時保護圖像目標的形狀、大小和特定的幾何結構特征不受影響。2.2圖像增強圖像增強是圖像處理中的基本技術之一，指把原來并不清晰的圖像變?yōu)榍逦膱D像，或者抑制圖像的某些特征而增強另外一些特征。主要目的就是改善處理后的圖像質(zhì)量，使圖像的信噪比得到增加，或者使圖像的視覺效果得到增強。圖像增強有兩類方法：空域法、頻域法?？沼蚍ň褪菍臻g域內(nèi)的像素灰度值進行運算，主要有圖像灰度變換、直方圖均衡化、直方圖修正、圖像的空域銳化還有偽彩色處理這些處理方法。圖像頻域法主要是先通過傅里葉變換把圖像從原來的空間域變?yōu)轭l率域，再濾波處理所得頻率域內(nèi)的信息，最后再通過傅立葉變換變換為原來的空間域。在空間域內(nèi)，最常使用的圖像增強方法是通過圖像對比度增強處理灰度圖像。因為灰度圖像對比度的大小是由圖像灰度級差所決定的，因此為了有更好的圖像識別效果，我們要做的就是增大圖像的灰度級差。通常采取的方法有以下四種：線性增強、非線性增強、自適應性增強和直方圖均衡化。在頻域內(nèi)，通常采用的圖像增強方法是同態(tài)增晰。在最近的十幾年內(nèi)，又出現(xiàn)了一種小波理論進行圖像增強的方法。2.2.1直方圖均衡化直方圖均衡化是圖像增強的一種方法，它實際上就是把變換后所得圖像的灰度概率p（y）變?yōu)槌?shù)c，也就是讓p（y）=c，圖像上看到的就是原圖像的灰度級增大了。直方圖均衡化能增大圖像主要部分的信息，對地物的提取有很大用處。在這里我們采用Matlab軟件對圖像進行直方圖均衡化處理。圖2.1是原始圖像，圖2.2是原始圖像的直方圖。通過直方圖我們可以看到，原圖像的灰度級主要集中在0-200范圍內(nèi)，圖像有些暗。在經(jīng)過直方圖均衡化處理后，得到圖2.3，均衡化后直方圖如圖2.4，通過圖2.4我們看到以圖像的灰度級均勻分布在0-250的范圍內(nèi)，圖像質(zhì)量因此可以看出得到了一定程度的提高。圖2.1原圖像圖2.2原圖像直方圖圖2.3直方圖均衡化圖像圖2.4均衡化后圖像的直方圖2.2.2同態(tài)增晰同態(tài)增晰應用在圖像灰度級范圍較大，也就是黑的地方黑，而白的地方很白，同時目標的灰度級范圍卻很小，很難分清目標的灰度級層次和細節(jié)，由于常用的灰度線性變換雖然增大了目標與背景之間的反差，但是同時卻擴大了圖像的灰度級范圍，所以不使用它來處理圖片，而采用同態(tài)增晰處理圖片因為同態(tài)增晰處理后會得到比一般灰度線性變換更好的，所期望的效果。同態(tài)增晰是非線性系統(tǒng)采用廣義疊加原理，運用同態(tài)濾波處理圖像的方法，輸入應當?shù)臑V波特性函數(shù)就會得到圖像灰度級動態(tài)范圍的壓縮，這樣就會使期望的目標灰度級范圍得到擴大，突出想要得到的目標。同態(tài)增晰處理的基本流程如下：S(x,y)→Log→DFT→頻域濾波→IDFT→Exp→T(x,y)其中S(x，y)表示初始圖像；T（x，y）表示處理后的圖像；Log表示對數(shù)運算；DFT表示傅里葉變換；IDFT表示傅立葉的反向變換；EXP表示指數(shù)運算。2.2.3多尺度小波圖像增強多尺度小波圖像增強實質(zhì)是采用小波變換將圖像分成大小，位置和方向不同的幾個分量，之后變換這些分解的變量，增強想要的分量，然后采用Mallat算法在不同尺度下重新構造這些處理后的分量，就會得到增強后的圖像了。因為圖像的對比度隨著圖像灰度強度相應正比的方式變化，所以圖像的對比度和灰度梯度的模值是相關的。從圖像梯度方面可以知道，對比度低的圖像對應的灰度梯度模值也會較小，對比度高的圖像所對應的灰度梯度模值也會較大，因此我們可以通過增高灰度梯度來達到增強圖像對比度。小波變換的頻率特性非常好，能夠保證圖像梯度信息不會損失，采用小波變換的多分辨率特性就會得到所期望的圖像灰度分布，因為邊緣細節(jié)主要在高頻率帶，圖像能量主要在低頻率帶，所以可以采用合適的濾波器對圖像進行增強。2.3邊緣檢測彎道的邊緣是以圖像局部特性的不連續(xù)性的方式出現(xiàn)的，像灰度值的突變，顏色的突變，紋理結構的突變等等。邊緣實際上就是一個區(qū)域的終止與另一個區(qū)域的開端。圖像邊緣的信息在本論文中圖像的分析中非常重要，是本論文彎道圖像識別中提取彎道線形特征一個非常重要的部分。圖像的邊緣有方向和幅度兩個特性，順著邊緣方向的像素變化較平順，垂直于邊緣方向的像素則會變化很大。這樣的變化分為階躍型、房頂型和凸緣型，下圖2.5所示就是這三種類型。圖2.5這三種變化各自對應圖像不同的物理狀態(tài)。例如，階躍型的變化反映目標的深度或是反射邊界，房頂型和凸緣型對應目標表面法線方向并非連續(xù)不斷。2.3.1梯度算子梯度是圖像處理中經(jīng)常使用的一次微分方法，梯度運算如下：假設圖像為f(x,y),f(x,y)在(x,y)方向的梯度矢量為G[f(x,y)]:從公式可以看出，像素點的梯度值正比與其相近的像素灰度級的差，所以圖像變化緩慢的區(qū)域值比較小，而在圖像變化快的區(qū)域值變化卻較大。使用Matlab中根據(jù)對角方向相近像素梯度的Robert算子和加權平均后然后微分的Sobel算子可以進行靈敏的邊緣檢測克服導數(shù)運算的方向性。圖2.6是Robert算子和Sobel算子進行邊緣檢測的效果。通過圖片可以看到，Robert算子提取的邊緣對比Sobel來說邊緣較粗，且定位并不準確。圖2.6原始圖像圖2.7Robert算子檢測結果圖2.8Sobel算子檢測結果2.3.2拉普拉斯高斯算子拉普拉斯高斯算子（log）實質(zhì)是二階邊緣檢測算法。它檢測邊緣的原理是尋找圖像灰度值二階微分過零點的方法。Log的線性位移不變，它的傳遞函數(shù)在頻域空間的原點是零，所以通過拉普拉斯高斯算子濾波后的圖像平均灰度為零。拉普拉斯高斯算子邊緣檢測算法有以下三個步驟：(1)對圖像進行濾波去噪處理(2)對濾波后的圖像進行過零檢測，找到圖像的陡峭邊緣。(3)使用零灰度值再次進行二值化相連的、閉合的輪廓，去除圖像里面的點。拉普拉斯高斯算子的優(yōu)點是檢測邊緣精準，因為之前已經(jīng)對圖像進行了平滑處理，所以消除了噪聲。但拉普拉斯高斯算子的不足時在彎曲、拐點等灰度值有變化的邊緣檢測會有些差錯，檢測不到邊緣的方向。2.3.3小波邊緣檢測算子在90年代新興起的小波理論因為本身帶有的優(yōu)點，使得它在圖像處理的各個方面都得到了廣泛的應用，小波變換其中有一項應用就是在信息提取中的邊緣檢測。因為常規(guī)的傅里葉變換本身存在一定的缺點，因而基于傅立葉變換得到了小波變換。小波變換克服了傅立葉變換必須采集時域中全部的信號才能模擬一個信號語特性的缺點。小波邊緣檢測算子在大的尺度下能夠抑制噪聲，可靠地識別邊緣，在尺度小的空間能夠準確的定位，然后由粗到細的進行邊緣聚焦，獲得的邊緣檢測結果真實準確。小波邊緣檢測算子的步驟如下：(1)進行多尺度小波變換。(2)計算每個尺度下的梯度方向與梯度矢量模。(3)提取和鏈化每個尺度下的邊緣。(4)設置隊則(5)對多尺度下的邊緣進行匹配。(6)按照規(guī)則復合進行多尺度邊緣鏈。(7)輸出圖像的邊緣模型。2.4邊緣連接由于噪聲的干擾、圖像中的景物和目標灰度具有很小的對比度或是圖像里內(nèi)復雜的內(nèi)容等干擾因素造成邊緣檢測到的結果不連續(xù)，很難得到的輪廓是封閉的。然而邊緣檢測結果不理想最突出的原因是邊緣檢測過程中閾值的不恰當處理，選擇正確的閾值會確保邊緣輪廓大部分都被檢測出來卻不是全部的邊緣。本論文內(nèi)圖像分割的目的就是按照圖像灰度特征將其變成不同的區(qū)域，圖像的邊緣就是劃分區(qū)域的輪廓。所以可以連接檢測出的邊緣，保證大多數(shù)劃分的區(qū)域擁有封閉輪廓，來實現(xiàn)檢測出圖像邊緣。通常采用的邊緣檢測方法有Hough變換法，Canny邊緣檢測中的雙閾值法、局部連接的方法、圖像搜索法等。Hough變換法是通過把直線上的點的坐標變換成通過這點的直線系數(shù)域，運用的是共線和直線相交的關系，優(yōu)點是受到直線間噪聲影響很小，但缺點是采用直線或者是曲線來進行邊緣連接時會造成邊緣圖像個別邊緣點獨立。Canny邊緣檢測消除假邊緣的方法是使用雙閾值法，在消除假邊緣之前還要使用高斯濾波器將圖像變成多尺度圖像，盡管這種檢測方法產(chǎn)生的邊緣并不是完全封閉的，但是這種方法極大減少了邊緣的不連續(xù)性。局部連接邊緣檢測法一般情況下用來連接小縫隙的邊緣，同時會避免圖像孤立邊緣點的產(chǎn)生。圖像搜索法非常難以運算，本論文并不采用。2.4.1折線分裂與概率連接法折線分裂與概率連接法實質(zhì)上就是運用幾何與數(shù)學的原理來規(guī)定邊緣連接的準則，該方法步驟是：跟蹤標記檢測出來的邊緣，記錄邊緣的長度、序號、曲率等邊緣的屬性值，同時去除部分不需要的邊緣路段，這樣做的理由是彎道擁有平滑的線條，但是曲率非常大的線條不符合彎道曲率具有上限的基本準則。邊緣跟蹤不僅要跟蹤到主要的候選道路段，同時還要計算出邊緣線段的屬性值，以便對候選道路段進行編組。折線分裂法方法步驟如下：(1)找到起點和終止點，當目標區(qū)域是封閉的區(qū)域時，可以將距離最遠的兩個點當做起點和終止點。(2)檢查是不是滿足最大垂直距離小于給定的閾值，不滿足的話，從當前擬合直線最遠的的點把擬合直線分成兩個部分，然后計算，當滿足要求的話就終止計算。為了更好的連接線段，對邊緣線段進行了拆分，這樣會避免鋸齒現(xiàn)象的產(chǎn)生，同時使線段變得光滑。連接概率模型是通過灰度特性形成的約束條件將相似的度量參數(shù)表示出來，進而生成函數(shù)表達相似性的度量參數(shù)。描述編組約束條件方法為：兩線段相鄰，兩線段的共線，還有就是這兩線段不可以重疊許多同時這兩線段的對比度比較相近。伴隨著這些約束條件，提出兩條線段所具有的相似性度量參數(shù)：端點距離，重疊度，共線方向差值，共線側向距離與灰度相似性度量參數(shù)這五個參數(shù)。隨后進行的是編組道路段，這部分包含兩個步驟：首先是每兩個線段之間進行預編組；然后就是編組多條線段。每個線段都被編組后，兩條線段間的連接概率值要被計算出來，這兩條線段間的概率值要通過圖標的方式記錄表達，找到道路段中連接的概率最大且滿足連接要求的線段，在對他進行編組，根據(jù)編組生成的圖表生成共線鏈，一直這樣操作直到共線鏈統(tǒng)一沒有另外的共線鏈。完成編組后不一定產(chǎn)生的鏈全部都是正確的道路邊緣，這時需要消除一些不正確的鏈，例如:一些比較短而曲率非常大的線段，較短同時平行長的道路段的線段，孤立的短線段，長的道路段部分方向上有突變的道路段等等。通過這些方法的處理，基本就完成了彎道線形的提取，這種方法卻不可避免產(chǎn)生道路錯誤連接，非真實道路等情況的發(fā)生，如果彎道轉彎太大也并不適合采用此方法提取彎道線形。2.4.2Canny算子進行邊緣連接有些時候圖像的閾值不容易確定，為了解決這個問題，提出了利用Canny算子使用雙域值得方法進行邊緣檢測。這種方法的實質(zhì)是基于圖像像素的梯度，將模值大的定義為高頻信息，邊緣檢測這樣就屬于提取高頻信息，所以用一個高閾值進行邊緣檢測，這時有用的信息就是高閾值檢測出來的圖像邊緣。根據(jù)高閾值將低閾值對圖像進行第二次閾值化，正常情況下，高閾值是低閾值的2.5倍。所以Canny算子中非常重要的一步就是確定高閾值，通常認定整幅圖像中大概3/10的信息都是需要的，這個基礎上就可以確定低閾值點。Canny算法擁有開創(chuàng)性雙閾值選取的巨大有點，然而也伴隨著雙閾值邊緣檢測時，錯誤連接邊緣的缺點。2.5小結這章介紹了彎道線形提取的幾個方法步驟，也介紹了一些常用的算法，對彎道線形提取至關重要的就是邊緣檢測和邊緣連接。經(jīng)此提取出彎道線形后，利用Matlab處理線形得到彎道的要素特征，之后與真實彎道要素特征進行比較。所以彎道線形提取時彎道要素特征表達方法研究中非常重要的一部分。第3章彎道邊緣檢測識別3.1小波去噪處理圖像進行邊緣檢測前，我們先對圖像進行濾波去噪處理。噪聲的分布特性以及噪聲與圖像信號之間的關系是由產(chǎn)生噪聲的原因決定的。噪聲被分為的兩種形式就是根據(jù)噪聲與信號的關系確定的。兩種形式分別為：加性噪聲：如果將初始圖像的信號設為f(x,y),圖像內(nèi)含有噪聲的信號設為g(x,y),這兩種信號的關系就可以用g(x,y)=f(x,y)+n(x,y)表示。式子中n(x,y)表示的噪聲是由信道噪聲和掃描圖像過程中產(chǎn)生的，輸入信號并不影響這種噪聲。乘性噪聲：與加性噪聲不同，輸入信號影響乘性噪聲，影響此類噪聲的情況分為兩種：其中一種是只有該像素點的圖像信號影響該像素點的噪聲；另外一種是該像素點以及其領域的圖像信號都影響該像素點噪聲。在這種情況下，可以用公式g(x,y)=f(x,y)+n(x,y)f(x,y)表示輸入信號f(x,y)與輸出信號g(x,y)之間的關系。另外，噪聲根據(jù)其服從的分布被分為高斯噪聲、泊松噪聲、顆粒噪聲等幾類。在本論文中采用小波去噪手段對圖像進行去噪。小波去噪從數(shù)學角度來看，本質(zhì)就是函數(shù)逼近這樣一個方法，也就是解決由小波母函數(shù)伸縮和平移版本所展成的函數(shù)空間中，根據(jù)提出的衡量準則，尋找對原信號的最佳逼近，以完成原信號和噪聲信號的區(qū)分。也就是尋找從實際信號空間到小波函數(shù)空間的最佳映射，以便得到原信號的最佳恢復。從信號學的角度看，小波去噪是一個信號濾波的問題，而且盡管在很大程度上小波去噪可以看成是低通濾波，但是由于在去噪后還能成功地保留信號特征，所以在這一點上又優(yōu)于傳統(tǒng)的低通濾波器。由此可見，小波去噪實際上是特征提取和低通濾波功能的綜合，其流程框圖如圖所示。圖3.1下面就是利用Matlab中wpdencmp函數(shù)對圖像進行小波去噪處理的程序代碼：r=imread('C:\Users\lenove\Desktop\圖片\32788452.jpg');%輸入彩色圖像>>I=rgb2gray(r);%將彩色圖像處理成灰色圖像>>figure,imshow(I),axison;>>subplot(1,2,2);>>B2=imresize(I,0.5,'nearest');%調(diào)整圖像尺寸>>imshow(B2);>>B2=im2double(B2);>>subplot(2,2,1);imshow(B2);>>title('原圖');>>J=imnoise(B2,'gaussian',0,0.05);%含噪圖形>>subplot(2,2,2);imshow(J);>>title('含噪圖像');%設定函數(shù)wpdencmp的參數(shù)>>thr=0.1;sorh='s';>>crit='shannon';>>keepapp=0;%去噪處理>>J1=wpdencmp(J,sorh,3,'sym4',crit,thr,keepapp);>>subplot(2,2,3);imshow(J1);>>title('全局閾值去噪圖像');%對圖像進行平滑處理>>J2=medfilt2(J1);>>subplot(2,2,4);imshow(J2);>>title('第二次去噪圖像');程序運行結果如圖所示：圖3.2從上圖可以看出，經(jīng)過小波去噪后，圖像降低噪聲的同時，圖像細節(jié)信息并未受到損失，且得到的圖像較清晰。3.2運用Canny算子進行彎道邊緣檢測在對圖像去噪之后，接下來是對圖像進行增強。第二章已經(jīng)展示采用直方圖均衡化對圖像進行增強的效果，這里不再闡述。直方圖均衡化后就是對圖像進行邊緣檢測。這里我們采用Canny算子對圖像進行邊緣檢測，檢測出彎道的邊緣線形。本論文采用的Canny算子邊緣檢測雖然由于將所有像素點都進行了計算，就是無論邊緣點還是非邊緣點都計算了，因此造成該算子本身具有運算速度慢，效率低的缺點，但由于Canny算子具有邊緣檢測準確，很少有邊緣漏檢，檢測錯誤情況的發(fā)生，同時檢測的信息較多，因此Canny算子還是目前被廣泛應用于邊緣檢測。Canny認為好的邊緣具有三個主要特點，分別是：很少情況下有錯誤標記非邊緣點以及漏標真正的邊緣點；邊緣點被檢測出來后發(fā)現(xiàn)幾乎全在真實的邊緣點中心附近；邊緣相應是單值的。在使用Canny算子進行邊緣檢測的同時，還采用Sobel算子、Robert算子、Prewitt算子以及l(fā)og算子對圖像進行了邊緣檢測，以便進行比較分析。下面是采用這幾種算子對圖像進行邊緣檢測的Matlab程序代碼：r=imread('C:\Users\lenove\Desktop\圖片\32788452.jpg');>>q=rgb2gray(r);>>figure,imshow(q),axison;>Inimuitools\private\initSizeat73Inimshowat262>>subplot(1,2,2);>>I=imresize(q,0.5,'nearest');>>imshow(q);>>imshow(I);>>BW1=edge(I,'sobel');>>BW2=edge(I,'roberts');>>BW3=edge(I,'prewitt');>>BW4=edge(I,'log');>>BW5=edge(I,'canny');>>h=fspecial('gaussian',5);>>BW6=edge(I,'canny');>>subplot(2,3,1),imshow(BW1);>>title('sobel邊緣檢測');>>subplot(2,3,2),imshow(BW1);>>title('roberts邊緣檢測');>>subplot(2,3,2),imshow(BW2);>>title('roberts邊緣檢測');>>subplot(2,3,3),imshow(BW3)>>title('prewitt邊緣檢測')>>subplot(2,3,4),imshow(BW4);>>title('log邊緣檢測');>>subplot(2,3,5),imshow(BW5);>>title('canny邊緣檢測');>>subplot(2,3,6),imshow(BW6);>>title('gaussian&canny邊緣檢測');程序運行結果如圖所示：圖3.3從圖像中可以看出，Canny算子進行邊緣檢測后的效果更好，勾畫出的邊緣連續(xù)性很好。Canny邊緣檢測算子使用的是高斯函數(shù)的一階微分，這是因為它能夠在噪聲抑制和邊緣檢測之間尋找出良好的平衡，下面是該算法的計算步驟：(1)使用高斯濾波器對圖像進行濾波，目的是消除圖像中的干擾噪聲。(2)為了得到圖像中每個像素的梯度信息，使用高斯函數(shù)中的一階微分濾波處理圖像。(3)得到梯度信息后，對圖像梯度進行“非極大抑制”處理，定義梯度方向為屬于四個區(qū)中的一個，為了決定局部的最大值，使用不一樣的接近的像素來對圖像各個區(qū)進行比較。下圖為這四個區(qū)和它們對應的比較方向：4321x1234圖3.4四個區(qū)及對應的比較方向例如：假如中心像素x的梯度方向屬于第四區(qū)，就將x的梯度值和它左上及右下相鄰的像素梯度值比較處理，就會得出x的梯度值是否為局部極大值。如果x的梯度值沒有它的左上及右下的梯度值大，將像素x的灰度值設置為零，這樣就可以將大部分的非邊緣點消除掉，這個操作過程就是“非極大抑制”的操作。(4)運用雙閾值算法檢測和連接邊緣。選擇兩個閾值，通過高閾值就可以得到一個含有很少假的邊緣的邊緣圖像，然而同時得到的邊緣圖像會有不閉合的情況發(fā)生，這是由于閾值較高的緣故，所以采用另外一個低閾值來解決這一現(xiàn)象。高閾值的圖像中，邊緣被連接成輪廓，在輪廓端點重合時，canny算子就在端點八鄰域中找到一個符合的低閾值的點，基于此點，就會得到新的邊緣，最后整幅圖像中多有邊緣點都被連接重合。3.3圖像分割提取彎道圖形分割是為了將圖像空間分為一些人們想要的區(qū)域，例如為了安全監(jiān)測處理圖像時，將人臉分割出來就對其十分重要；二本論文課題很重要一部分就是將彎道從圖像中提取出來，所以使用圖像分割技術將彎道分割出來，對以后的彎道要素特征提取表達是非常重要的一步?？梢酝ㄟ^把每一個像素或是運用規(guī)定區(qū)域中圖像的信息來研究圖像分割。3.3.1圖像分割原理目前人們常利用圖像中想提取的目標同目標背景之間在灰度特性上差異來進行閾值分割，圖像這是被分為擁有不同灰度級的兩類區(qū)域，即目標和背景之間的組合，為了將圖像中每個像素點屬于目標區(qū)域還是背景區(qū)域分清，我們選取一個合適的閾值，這樣會產(chǎn)生對應圖像對應的二值圖像。閾值分割圖像基本原理如下所示：其中，Z為閾值，表示圖像f(x,y)中灰度級范圍內(nèi)任意一個灰度值的集合，，、是所選出來的目標及目標背景的灰度級?？梢钥闯觯撝档倪x取對將目標從復雜背景中分辨出來且形狀完整的提取出來十分重要。本論文采取閾值選取方法中類間方差閾值分割法，來對彎道圖像進行圖像分割。3.3.2類間方差閾值分割法處理圖像類間方差閾值分割最早由Ostu提出，在判決分析最小二乘法原理基礎上推導出來的，該分割法在閾值選取上方便可靠。利用MAtlab采用類間方差閾值分割法處理彎道圖像的程序代碼如下：r=imread('C:\Users\lenove\Desktop\32788452.jpg');>>I=rgb2gray(r);%讀取圖像>>figure,imshow(I),axison;%繪制原圖Warning:Imageistoobigtofitonscreen;displayingat67%>Inimuitools\private\initSizeat73Inimshowat262>>subplot(1,2,2);>>B2=imresize(I,0.5,'nearest');%調(diào)整圖像大小>>imshow(B2);>>count=imhist(B2);%直方圖統(tǒng)計>>[r,t]=size(B2);%直方圖矩陣大小>>N=r*t;%圖像像素個數(shù)>>L=190;%指定圖像灰度級為190級>>count=count/N;%各級灰度出現(xiàn)概率>>fori=2:Lifcount(i)~=0st=i-1;breakendend%上面的循環(huán)語句用來尋找出概率不是0的最小灰度值>>fori=L:-1:1ifcount(i)~=0;nd=i-1;breakendend%實現(xiàn)找到出現(xiàn)概率不是0的最大灰度值>>f=count(st+1:nd+1);>>p=st;q=nd-st;%p和q非別是灰度的起始值和結束值>>u=0;>>fori=1:q;u=u+f(i)*(p+i-1);ua(i)=u;end%計算圖像的平均灰度值>>fori=1:q;w(i)=sum(f(1:i));end%計算出選擇不同k值時，A區(qū)域的概率d=(u*w-ua).^2./(w.*(1-w));%求出不同k值時類間方差[y,tp]=max(d);%求出最大方差對應的灰度級th=tp+p;ifth<=160th=tp+p;elseth=160;End%根據(jù)具體情況適當修正門限Y1=zeros(r,t);fori=1:rforj=1:tX1(i,j)=double(B2(i,j));endendfori=1:rforj=1:tif(X1(i,j)>=th)Y1(i,j)=X1(i,j);elseY1(i,j)=0;endendend%上面的代碼實現(xiàn)分割>>figure,imshow(Y1);程序運行結果如圖：圖3.5原始灰度圖像圖3.6灰度門限分割的圖像通過圖片可以看出，圖像中有兩大部分為白色，即天空和道路此時為一個灰度級，因此可以通過截取圖像二分之一，留下圖像下面的二分之一，得到的圖像顯示除了護欄，圖像彎道線形此時就顯現(xiàn)出來了。如下圖所示：圖3.73.4數(shù)學形態(tài)學處理彎道圖像數(shù)學形態(tài)學(MathematicalMorphology)由法國巴黎礦業(yè)學院博士生賽拉(J.Serra)和導師馬瑟榮在1964年提出，目前廣泛應用在文字識別、牌照識別、圖像編碼、計算機視覺、醫(yī)學圖像處理等圖像處理領域。其主要處理二值圖像。因為二值圖像擁有處理起來相較而言簡單的特殊性質(zhì)，所以在圖像處理過程中，圖像經(jīng)常被轉化為二值圖像。3.4.1數(shù)學形態(tài)學基本原理數(shù)學形態(tài)學的基本思想是為了分析和識別圖像，用帶有一定形態(tài)的結構元素去度量和提取圖像中的對應形狀，也就是利用結構元素去收集圖像的信息。圖像每個部分之間的相互關系是在圖像結構元素不斷移動過程中考察出來的，以便懂得圖像每個部分之間的結構特征。數(shù)學形態(tài)學模仿人類視覺特點進行探測，例如，人的視覺中的注意力集中，就是人總是最先觀察到自己最感興趣的物體或是結構特點。從某種角度上來說，數(shù)學形態(tài)學進行圖像處理是基于幾何學的，因為該處理方法主要研究的是圖像的幾何結構，包括目標的宏觀性質(zhì)以及微觀性質(zhì)。例如分析物體，研究它的形狀時，就是研究物體的宏觀結構特征；對礦石顆粒的分布進行研究時，研究的就是物體圍觀的結構特征。數(shù)學形態(tài)學基本算法有腐蝕、膨脹、開啟以及閉合。由于前面處理的圖像中還存有護欄等小的非彎道邊緣物體，因而我們采用數(shù)學形態(tài)學中的腐蝕、膨脹運算處理圖像，達到提取彎道線形的目的。3.4.2腐蝕、膨脹運算處理彎道圖像首先采用Matlab軟件中的Imerode對圖像進行腐蝕處理，運行程序代碼如下：>>I=imread('C:\Users\lenove\Desktop\\%1RE}G4Q[YVEG0~{~LM)@9L.jpg');>>se=strel('ball',5,5);>>I2=imerode(I,se);>>figure,imshow(I2);程序運行結果如圖所示：圖3.8從圖像可以看出，腐蝕處理后，彎道幾乎被提取出來，但邊緣不是很好，所以下一步采用數(shù)學形態(tài)學中膨脹運算對圖像進行處理，以便得到良好的彎道線形。下面是采用Matlab軟件中的imdilate函數(shù)對圖像進行膨脹處理的程序代碼：>>se=strel('ball',5,5);>>I3=imdilate(I2,se);>>imshow(I3);圖3.9從上圖可以看出，經(jīng)膨脹處理后圖像中彎道的邊緣更好。3.4.3邊緣檢測提取線形經(jīng)上述處理后，我們將圖像處理到只有彎道和背景，下一步，采用前面提到的Canny算子進行邊緣檢測，將彎道線形提取出來。Canny算子邊緣檢測結果如圖：圖3.10如圖所示，再經(jīng)Canny算子進行邊緣檢測后，就將彎道的線形提取表達出來。3.5小結本章首先采用采用了圖像濾波技術對所拍攝的彎道圖像進行了濾波處理，消除了圖像拍攝過程中所不可避免引入的噪聲，在此之后運用了圖像分割技術中的類間方差閾值分割法處理彎道圖像，將想要提取的目標，即彎道與背景分割出來。再經(jīng)數(shù)學形態(tài)學中的膨脹，腐蝕運算方法對圖像進一步處理。最后采用邊緣檢測算子中的Canny算子對彎道圖像進行邊緣檢測，這樣將就得到了想要的彎道線形。為下面的彎道線形曲率的計算以及與真實彎道要素之間的比較打下基礎。第4章圖像處理的彎道要素與實際比較4.1彎道模型的建立建立模型是科學學習中常用的一種方法,人們?yōu)榱似湎胍_到的目的，會建立模型來描述描述其認識的對象，這種描述可以是定性的，同時也可以是定量的；有時候使用具體的實物或其他形象化的手段，有時候也采用抽象的表達形式。描述模型方法就是以研究模型來揭示原型的形態(tài)、特征和本質(zhì)的方法。它是連接理論和應用的橋梁。模型有物理模型、概念模型、數(shù)學模型這三類。而本課題是由于難以在實際彎道不同距離拍攝到相應的圖像而建立模型的，所以采用的是物理模型。也就是采用彎道物理模型建立的方法進行圖像拍攝，進而推到在實際彎道上對應的關系。本文首先建立了平坡彎道，采用路寬為70mm，半徑曲率分別為25、20、17的彎道模型，同時模擬實際道路在彎道拐角處由于障礙物有一部分線形難以看到，然后由遠及近進行拍攝，拍攝距離分別為200mm、150mm、100mm。這樣就得到了不同情況下的彎道圖像，為下一步的圖像處理提供素材資料。4.2彎道模型的圖像處理前文已提到處理彎道圖像，提取彎道線形的操作手段，所以接下來省略提取彎道線形的過程，直接展示拍攝彎道模型所得到的圖像處理結果：圖4.1200mm彎道原圖圖4.2200mm彎道線形圖4.3150mm彎道原圖圖4.4150mm彎道線形圖4.5100mm彎道原圖圖4.6100mm彎道線形從圖像處理得到的彎道線形可以看到，當由遠及近靠近彎道時，視覺上所看到的彎道曲率并不相同，因而駕駛員難以客觀的了解彎道真實的曲率，以便進行相應駕駛操作，安全通過彎道。所以客觀上計算出彎道實際曲率，對彎道要素特征的研究很有意義，也是下一步的研究任務。4.3平坡彎道要素特征計算計算平坡彎道要素特征中的曲率，首先要做的是采集到圖像處理后彎道線形的像素坐標點，這里采用find函數(shù)尋找到像素坐標點，程序運行代碼如下：>>r=imread('C:\Users\lenove\Desktop\{VRLG{4])N_(L)]%)}Z(@8L.jpg');>>I=rgb2gray(r);>>figure,imshow(I),axison;>>[x,y,z]=find(I);這樣就得到了彎道曲線的像素坐標點，之后采用MAtlab中曲線擬合工具(CurveFittingTool)將彎道線形坐標點進行4階指數(shù)曲線擬合，得到曲率為25的彎道不同距離下的指數(shù)曲線：圖4.7200mm彎道的曲線圖曲線方程為：f(x)=p1*x^4+p2*x^3+p3*x^2+p4*x+p5其中：p1=-4.014e-006(-4.209e-006,-3.819e-006)p2=0.002523(0.002415,0.002631)p3=-0.5819(-0.6036,-0.5602)p4=59.56(57.69,61.43)p5=-2128(-2186,-2069)圖4.8150mm彎道的曲線圖曲線方程為f(x)=p1*x^4+p2*x^3+p3*x^2+p4*x+p5其中：p1=8.995e-008(-3.91e-007,5.709e-007)p2=0.000223(5.273e-005,0.0003934)p3=-0.08727(-0.1086,-0.0659)p4=11.66(10.55,12.78)p5=-303.2(-323.5,-282.9)圖4.9100mm彎道的曲線圖曲線方程為：f(x)=p1*x^4+p2*x^3+p3*x^2+p4*x+p5其中：p1=-1.14e-005(-1.329e-005,-9.518e-006)p2=0.004881(0.004114,0.005648)p3=-0.7831(-0.8973,-0.6689)p4=58.62(51.27,65.96)p5=-1585(-1757,-1413)經(jīng)過上述的數(shù)據(jù)可以得到結論，當通過圖像處理后，距離彎道不同距離下的曲線圖若如圖所示，方程式與上述方程接近，則可判定當前彎道曲率為25。通過同樣的處理，可以得到曲率為20的彎道不同距離下的曲線圖為：圖4.10200mm彎道的曲線圖曲線方程為f(x)=p1*x^4+p2*x^3+p3*x^2+p4*x+p5其中p1=1.254e-005(5.136e-006,1.994e-005)p2=-0.002825(-0.004554,-0.001096)p3=0.196(0.05143,0.3406)p4=-1.492(-6.589,3.606)p5=-23.4(-86.98,40.18)圖4.11150mm彎道的曲線圖曲線方程為f(x)=p1*x^4+p2*x^3+p3*x^2+p4*x+p5其中p1=5.432e-006(-5.762e-006,1.663e-005)p2=-0.002908(-0.007257,0.001441)p3=0.5241(-0.1022,1.15)p4=-36.21(-75.84,3.408)p5=841.4(-87.6,1770)依照這種辦法，建立曲率為17的彎道模型，然后對其不同距離進行拍攝，得到彎道圖像，處理得到的彎道圖像，得到彎道線形，對彎道線形進一步處理分析，得到其曲線圖及曲線4階方程如下：圖4.12200mm彎道的曲線曲線方程為f(x)=p1*x^4+p2*x^3+p3*x^2+p4*x+p5其中p1=1.359e-005(1.074e-005,1.644e-005)p2=-0.008051(-0.009715,-0.006387)p3=1.744(1.381,2.106)p4=-160.8(-195.7,-126)p5=5305(4054,6555)圖4.13150mm彎道的曲線曲線方程為f(x)=p1*x^4+p2*x^3+p3*x^2+p4*x+p5其中p1=-2.181e-005(-2.802e-005,-1.56e-005)p2=0.00545(0.003949,0.00695)p3=-0.5116(-0.6448,-0.3784)p4=24.45(19.31,29.59)p5=-436.6(-509.3,-363.9)圖4.14100mm的彎道曲線曲線方程為f(x)=p1*x^4+p2*x^3+p3*x^2+p4*x+p5其中p1=-5.476e-006(-6.997e-006,-3.955e-006)p2=0.002802(0.002068,0.003535)p3=-0.5378(-0.6692,-0.4064)p4=48.5(38.14,58.86)p5=-1683(-1986,-1380)經(jīng)過上述一系列的計算，從得到的圖像和結果可以找到不同曲率下的彎道對應的不同4階曲線圖，及其對應的公式，因此拍攝得到的彎道圖像當通過電腦處理后，可通過其對應的曲線圖及公式判斷其彎道曲率。4.4坡度彎道要素特征計算上節(jié)介紹了平坡彎道要素特征的計算及其對應的曲線圖和公式，但實際生活中的彎道并不是全部的沒有坡度，因此有必要研究不同坡度下的彎道要素特征，得到相應的規(guī)律以便判斷彎道的坡度及曲率。為了研究坡度彎道的要素特征，建立了具有坡度的彎道模型。建立的彎道模型坡度為，曲率為17，路寬為70mm，模擬汽車中的拍照系統(tǒng)對彎道模型進行拍攝，且拍攝距離由遠及近，得到彎道圖像。仿照對平坡彎道的處理，對坡度彎道進行邊緣檢測，得到不同距離下的彎道線形，如圖所示：圖4.15200mm彎道的線形圖4.16150mm彎道的線形圖4.17100mm彎道的線形從這些圖像上看到，隨著距離的改變，視覺上的彎道有所不同，然后應當處理這些彎道線形圖像，使用find函數(shù)求出二值圖像非零帶點像素坐標值，再次使用Matlab中曲線擬合工具（CurveFittingTool）擬合曲線，并算出其相應的曲線階數(shù)方程。距離200mm的曲線擬合結果為：圖4.18因為其彎曲程度較大，擬合的曲線方程階數(shù)也相應的變大，這里采用7階指數(shù)擬合曲線:曲線方程為f(x)=p1*x^7+p2*x^6+p3*x^5+p4*x^4+p5*x^3+p6*x^2+p7*x+p8其中p1=1.122e-011(9.433e-012,1.3e-011)p2=-6.452e-009(-7.343e-009,-5.561e-009)p3=1.517e-006(1.341e-006,1.693e-006)p4=-0.0001877(-0.0002051,-0.0001703)p5=0.01311(0.0122,0.01401)p6=-0.5129(-0.5363,-0.4896)p7=10.24(9.986,10.49)p8=39.94(39.17,40.71)距離彎道150mm的曲線擬合結果是：圖4.19同樣，其曲線方程為7階指數(shù)方程：f(x)=p1*x^7+p2*x^6+p3*x^5+p4*x^4+p5*x^3+p6*x^2+p7*x+p8其中p1=-1.09e-011(-3.821e-011,1.641e-011)p2=3.709e-009(-6.084e-009,1.35e-008)p3=-4.373e-007(-1.825e-006,9.504e-007)p4=1.159e-005(-8.704e-005,0.0001102)p5=0.001996(-0.001688,0.005681)p6=-0.2105(-0.2797,-0.1414)p7=8.149(7.587,8.711)p8=46.3(44.89,47.71)距離彎道100mm的曲線擬合結果為：圖4.20由于其曲線彎曲程度較小，因而采用4階指數(shù)方程表示該曲線：f(x)=p1*x^4+p2*x^3+p3*x^2+p4*x+p5其中p1=6.596e-007(-1.049e-007,1.424e-006)p2=0.0001541(1.547e-005,0.0002927)p3=-0.05929(-0.06744,-0.05114)p4=5.549(5.376,5.721)p5=48.51(47.46,49.57)根據(jù)上面的曲線圖及曲線方程，就可得到對應的關系，當彎道圖像處理后得到的結果與上述相符合是，便可判斷對應的彎道特征要素為坡度，曲率為17。若對大量的坡度彎道進行圖像處理與計算分析，便可建立對應的數(shù)據(jù)庫。當汽車行駛行駛在彎道上時，便可通過圖像處理手段，得到當前行駛的彎道對應的曲線圖及曲線方程，便可據(jù)此求得當前行駛彎道的要素特征。4.5誤差分析上面進行的圖像處理與計算分析雖然較好的建立了彎道要素特征關系，但結果并不能完全表達彎道要素特征，這是由于圖像處理操作等原因造成結果與實際會有一定的誤差。造成結果誤差的原因有自然原因，也會有人為原因。自然原因包括：彎道兩邊輪廓與臨界點灰度級接近，難以區(qū)分，造成圖像處理得到的彎道線形產(chǎn)生偏差；由于藍天、白云等自然景物造成彎道路面變暗，彎道周圍背景變得明亮，造成圖像分割時難以將彎道與背景很好的分割；彎道兩側輪廓并不是很好的線形，根據(jù)提取的彎道線形不會得到正確的曲線方程等等原因。人為原因包括：根據(jù)彎道線形的曲線圖采用的曲線方程并必能良好的表達彎道線形；彎道距離計算的并不是很準確等。這些誤差共同影響彎道要素特征的表達結果，減少或避免這些誤差，將得到更好的結果。4.6小結本章首先建立彎道模型，采集彎道模型真實的彎道要素特征，隨后在彎道模型上進行彎道圖像采集。通過先前的處理手段得到彎道線形。通過find函數(shù)對得到的彎道線形進行了坐標采集，進而根據(jù)坐標求得彎道線形對應的曲線圖及曲線方程，在大量的試驗下，建立了曲線圖及曲線方程與真實彎道要素特征的對應關系。根據(jù)對應關系，便可通過圖像處理等操作手段獲取車輛形勢下真實的彎道要素特征。第5章總結與展望5.1論文的工作總結交通事故一直是人們研究的主題，而避免彎道上交通事故的發(fā)生則可極大地減少交通事故所帶來的損失與傷亡。為了減少駕駛員由于彎道不可見線形的影響而引發(fā)交通事故，本文創(chuàng)新性的對彎道線形的提取與彎道要素特征進行了研究。具體做了以下幾方面的工作：1.介紹了圖像濾波去噪、圖像分割、邊緣檢測、數(shù)學形態(tài)學等圖像處理技術的基本原理，對進一步處理彎道圖像，提取彎道線形做出了奠基石的作用2.詳細介紹了通過圖像濾波去除彎道中的噪聲，通過圖像分割技術將彎道與背景分隔開來，然后通過Canny算子邊緣檢測技術提取彎道等一系列操作代碼與圖像處理結果，達到提取彎道線形的目的。3.采用彎道模型建立的手段，通過彎道模型圖像處理得到不同曲率下對應的彎道圖像像素坐標，建立了對應的關系，進而根據(jù)圖像處理后得到彎道線形的像素坐標求得相應的曲線圖及曲線方程。據(jù)此便可推斷汽車所行駛彎道的曲率，完成彎道要素特征研究的目的。5.2論文的展望本論文主要做了兩方面的工作，一是對彎道線形進行了提取處理，二是根據(jù)彎道模型研究處理得到不同彎道曲率對應的像素坐標，繼而反向推理，得到不同彎道圖像要素對應的像素坐標，就可查找到其對應的彎道曲率，且本論文的諸多研究成果都是建立在第一手實驗數(shù)據(jù)上，保證了結論的客觀性與可靠性。盡管如此，由于客觀條件的限制，導致沒有對實際彎道的多方面圖像進行處理，以便根據(jù)實際彎道的圖像處理結果得到更加有信服力的結果。今后如果條件允許的話，應當多在實際彎道上進行試驗，得到彎道要素特征更加全面的研究。參考文獻[1]ZhuML,PSYeh.Automaticroadnetworkextractiononaerialphotographs.ComputerVisionandPetternRecognition.IEEEComputerSocietyPress.1986.[2]劉芳.遙感影像中道路自動提取方法研究.北京建筑工程學院.2006年.[3]葉發(fā)茂.高分辨率遙感影像提取道路的方法綜述與思考.國土資源遙感.2006年.[4]周明月.基于小波變換的圖像混合去噪算法.長春工業(yè)大學學報（自然科學版）.2008年.[5]郝文化.MATLAB圖形圖像處理應用教程.中國水利水電出版社.2003年.[6]謝建林.基于小波變換的金相圖像邊緣檢測.中國科技博覽.2008年.[7]顧強.數(shù)字化無人機航空像片拼接技術研究.影像技術.2009年.[8]柏春嵐.Matlab在圖像邊緣提取中的應用.科技信息.2009年.[9]林曉梅.空間域圖像去噪方法.長春工業(yè)大學學報（自然科學版）.2004年.[10]尉世強.基于小波的圖像閾值去噪方法.青島大學.2006年.[11]胡艷.基于小波變換和形態(tài)學的織物疵點邊緣檢測.測試技術學報.2009年.[12]鄧潔.基于HPF融合與數(shù)學形態(tài)學的ETM＋遙感影像道路提取.石家莊學院學報.2012年.致謝本論文是在孫文財老師的悉心指導和幫助下完成的。孫文財老師在剛開始選課題時給予我指導建議，當研究課題遇到困難時，又毫不耐煩地指導和點撥我，我的論文的完成離不開孫老師啟發(fā)與指點。孫老師謙遜和藹的態(tài)度令我十分感動，孫老師對我的關愛難以言表，在此表示我深深的謝意。

畢業(yè)論文（設計）原創(chuàng)性聲明本人所呈交的畢業(yè)論文（設計）是我在導師的指導下進行的研究工作及取得的研究成果。據(jù)我所知，除文中已經(jīng)注明引用的內(nèi)容外，本論文（設計）不包含其他個人已經(jīng)發(fā)表或撰寫過的研究成果。對本論文（設計）的研究做出重要貢獻的個人和集體，均已在文中作了明確說明并表示謝意。作者簽名：日期：畢業(yè)論文（設計）授權使用說明本論文（設計）作者完全了解**學院有關保留、使用畢業(yè)論文（設計）的規(guī)定，學校有權保留論文（設計）并向相關部門送交論文（設計）的電子版和紙質(zhì)版。有權將論文（設計）用于非贏利目的的少量復制并允許論文（設計）進入學校圖書館被查閱。學?？梢怨颊撐模ㄔO計）的全部或部分內(nèi)容。保密的論文（設計）在解密后適用本規(guī)定。

作者簽名：指導教師簽名：日期：日期：

注意事項1.設計（論文）的內(nèi)容包括：1）封面（按教務處制定的標準封面格式制作）2）原創(chuàng)性聲明3）中文摘要（300字左右）、關鍵詞4）外文摘要、關鍵詞5）目次頁（附件不統(tǒng)一編入）6）論文主體部分：引言（或緒論）、正文、結論7）參考文獻8）致謝9）附錄（對論文支持必要時）2.論文字數(shù)要求：理工類設計（論文）正文字數(shù)不少于1萬字（不包括圖紙、程序清單等），文科類論文正文字數(shù)不少于1.2萬字。3.附件包括：任務書、開題報告、外文譯文、譯文原文（復印件）。4.文字、圖表要求：1）文字通順，語言流暢，書寫字跡工整，打印字體及大小符合要求，無錯別字，不準請他人代寫2）工程設計類題目的圖紙，要求部分用尺規(guī)繪制，部分用計算機繪制，所有圖紙應符合國家技術標準規(guī)范。圖表整潔，布局合理，文字注釋必須使用工程字書寫，不準用徒手畫3）畢業(yè)論文須用A4單面打印，論文50頁以上的雙面打印4）圖表應繪制于無格子的頁面上5）軟件工程類課題應有程序清單，并提供電子文檔5.裝訂順序1）設計（論文）2）附件：按照任務書、開題報告、外文譯文、譯文原文（復印件）次序裝訂3）其它目錄第一章總論11、項目名稱及承辦單位12、編制依據(jù)43、編制原則54、項目概況65、結論6第二章項目提出的背景及必要性81、項目提出的背景82、項目建設的必要性9第三章項目性質(zhì)及建設規(guī)模131、項目性質(zhì)132、建設規(guī)模13第四章項目建設地點及建設條件171、項目建設地點172、項目建設條件17第五章項目建設方案251、建設原則252、建設內(nèi)容253、工程項目實施33第六章節(jié)水與節(jié)能措