曲波去噪与阴影消除:复杂天气交通监控技术
5星 · 超过95%的资源 需积分: 50 22 浏览量
更新于2024-07-29
3
收藏 6.35MB PDF 举报
"这篇论文是天津大学的博士学位论文,作者张惊雷,导师刘正光,研究方向为检测技术与自动化装置。论文主要探讨了在复杂天气条件下,如何利用计算机视觉技术来提升交通监控系统的目標检测与跟踪能力。"
本文重点介绍了计算机视觉技术在交通监控系统中的应用,特别是在恶劣天气条件下的挑战。传统的户外监控系统易受自然光和环境干扰的影响,如雨、雪、雾等天气会导致图像质量下降。论文提出了一种新型交通监控系统,该系统旨在具备强大的噪声消除和对比度增强功能,以应对复杂天气条件。
论文的核心技术创新在于两个方面。首先,引入了基于Curvelet shrink的自适应WRAPPING算法进行图像去噪。Curvelet变换是一种多尺度图像处理技术,特别适合处理具有各向异性特征的图像,相比小波变换,它在图像去噪和增强方面表现出更优的性能。作者改进了WRAPPING算法的阈值策略,通过在窗口模板内对曲波系数进行阈值收缩,显著提高了峰值信噪比(PSNR),最高可提升8.10dB。实验表明,这种方法在PSNR提升和主观视觉效果上都优于小波硬阈值和软阈值方法,并能有效保留图像边缘。
其次,论文提出了一种基于感兴趣区的小波边缘检测算法和一种用于前景目标分割的阴影消除方法。针对计算机视觉中的阴影消除难题,论文通过2D Haar小波变换分析感兴趣区(ROI),再将其从RGB空间转换到HSI空间。阴影部分通常对应小波系数模极大值小且亮度低的区域,这种方法能有效地识别并消除目标阴影,从而提高目标检测的准确性。
在图像分割之后,论文还涉及了目标跟踪问题。通过采用基于三状态改进Kalman滤波的算法,定义最大近邻距离(MCD)模板和相关匹配准则,解决了因遮挡导致的目标丢失问题,提高了目标跟踪的鲁棒性。
关键词:交通监控、曲波、小波、图像去噪、阴影消除、车辆跟踪
这篇论文的贡献在于提供了解决复杂天气下交通监控系统图像处理和目标跟踪问题的新方法,为实际应用提供了理论和技术支持。
2021-01-06 上传
2021-05-18 上传
2017-10-27 上传
2019-03-13 上传
2021-04-18 上传
2022-12-14 上传
2021-02-16 上传
2020-03-16 上传
wang19000
- 粉丝: 0
- 资源: 2
最新资源
- Postman安装与功能详解:适用于API测试与HTTP请求
- Dart打造简易Web服务器教程:simple-server-dart
- FFmpeg 4.4 快速搭建与环境变量配置教程
- 牛顿井在围棋中的应用:利用牛顿多项式求根技术
- SpringBoot结合MySQL实现MQTT消息持久化教程
- C语言实现水仙花数输出方法详解
- Avatar_Utils库1.0.10版本发布,Python开发者必备工具
- Python爬虫实现漫画榜单数据处理与可视化分析
- 解压缩教材程序文件的正确方法
- 快速搭建Spring Boot Web项目实战指南
- Avatar Utils 1.8.1 工具包的安装与使用指南
- GatewayWorker扩展包压缩文件的下载与使用指南
- 实现饮食目标的开源Visual Basic编码程序
- 打造个性化O'RLY动物封面生成器
- Avatar_Utils库打包文件安装与使用指南
- Python端口扫描工具的设计与实现要点解析