交通場景中車輛運動陰影檢測與車牌陰影去除方法研究.pdf

1、智能交通（Intelligent Traffic, IT）作為快速發(fā)展的城市交通現代化管理的重要手段，受到極大關注，同時它也與互聯(lián)網一道成為未來現代化城市交通的發(fā)展方向。作為智能交通系統(tǒng)的一項關鍵技術，車輛的目標跟蹤技術直接影響到系統(tǒng)對車輛行為的判斷、分析和處理。在交通視頻中陰影是普遍存在的，無論是白天的陽光照射，還是夜晚的照明設備照射，都會產生陰影。盡管在實際應用中這些陰影的作用是多樣的，比如有時陰影可以作為一種有用信息對車輛的檢測算

2、法進行支撐，但大多數情況下陰影被認為是對車輛目標跟蹤、分割和信息統(tǒng)計的一種干擾，陰影的出現通常會極大地干擾車輛目標幾何形狀參數的提取和度量，以及對目標的跟蹤、識別和判斷。如何有效地檢測和去除交通場景中陰影成為智能交通領域的一個熱點和難點問題。
　　本文首先對交通場景中存在的陰影問題進行介紹，并對陰影的數字圖像特征進行深入分析，同時對現有陰影檢測和去除方法進行歸納和總結，在此基礎上對交通場景中車輛運動陰影與車牌陰影的檢測和去除方法進

3、行研究。主要創(chuàng)新點表現在以下兩個方面：
　　1.提出一種基于零樹小波掩模的交通場景運動車輛陰影檢測與去除方法，首先將含有噪聲的運動前景圖像轉換到HSV顏色空間，然后對S通道和V通道進行多級下采樣小波變換，通過構造運動前景的零樹小波掩模，將不同尺度子帶間的系數相關聯(lián)，使各精細尺度子帶掩模的值能夠得到父子帶系數的指導和校正，提高了子帶自適應閾值的準確性；進一步通過結合陰影的顏色特征，提高了判斷區(qū)域車輛與陰影的區(qū)分度。所提出方法很好的解

4、決了傳統(tǒng)方法對強陰影以及車輛、背景和陰影灰度相似情況下易產生誤判的問題，提高了陰影和車輛區(qū)域的區(qū)分精度。
　　2.在交通場景中，車牌上的陰影容易對車牌識別算法產生影響，從而導致車牌識別錯誤率的提高。針對靜態(tài)單幅圖像的車牌陰影問題，提出一種結合K-means聚類和RGB顏色補償的車牌陰影去除方法。該方法首先將車牌的RGB顏色進行歸一化處理，然后將灰度的二值化問題轉換為多維空間內的分類問題。有效地解決了傳統(tǒng)的全局閾值難以正確區(qū)分字符和