隨著汽車的廣泛普及以及傳統(tǒng)車輛駕駛方式存在的弊端,無人駕駛技術(shù)及其輔助技術(shù)已經(jīng)成為未來汽車的重要發(fā)展方向。無人駕駛技術(shù)作為一種新型駕駛技術(shù),在拓寬駕駛領(lǐng)域、降低交通事故、解決交通擁堵等問題方面都有著深遠(yuǎn)的影響。本文以無人駕駛為出發(fā)點(diǎn),研究機(jī)器視覺在低照度環(huán)境下車輛檢測中的應(yīng)用。無人駕駛技術(shù)落地需要滿足多種不良因素下車輛正常行駛的要求,低照度環(huán)境是最主要的不良因素之一,同時車輛是無人駕駛中最重要的檢測目標(biāo)。為了擴(kuò)展無人駕駛的應(yīng)用領(lǐng)域,本文改進(jìn)了低照度圖像增強(qiáng)算法并在此基礎(chǔ)上實(shí)現(xiàn)對車輛的檢測。本文的主要研究內(nèi)容如下:1、設(shè)計(jì)系統(tǒng)總體方案。在研究國內(nèi)外發(fā)展現(xiàn)狀的基礎(chǔ)上,設(shè)計(jì)了低照度圖像增強(qiáng)與車輛識別總體方案,包括方案的整體流程以及相關(guān)軟件、低照度圖像數(shù)據(jù)集的選取。2、提出改進(jìn)的低照度圖像增強(qiáng)算法。低照度圖像增強(qiáng)算法,能提升低照度圖像中的有用信息,進(jìn)而提升圖像質(zhì)量。本文在研究分析傳統(tǒng)低照度圖像增強(qiáng)算法的基礎(chǔ)上,通過算法原理以及低照度圖像增強(qiáng)實(shí)驗(yàn)結(jié)果對傳統(tǒng)低照度圖像增強(qiáng)算法進(jìn)行評價,結(jié)合無人駕駛領(lǐng)域內(nèi)低照度圖像增強(qiáng)算法的需求,選擇并改進(jìn)傳統(tǒng)低照度圖像增強(qiáng)算法。3、分析改進(jìn)的低照度圖像增強(qiáng)算法性能...

【文章頁數(shù)】：80 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 課題研究的背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 國內(nèi)外無人駕駛研究現(xiàn)狀
        1.2.2 國內(nèi)外低照度圖像增強(qiáng)算法研究現(xiàn)狀
        1.2.3 國內(nèi)外車輛識別研究現(xiàn)狀
    1.3 本文的研究內(nèi)容
第二章 傳統(tǒng)低照度圖像增強(qiáng)算法分析與實(shí)驗(yàn)
    2.1 直方圖均衡化
        2.1.1 直方圖均衡化的實(shí)現(xiàn)原理
        2.1.2 圖像直方圖均衡化的實(shí)驗(yàn)分析
    2.2 gamma校正
        2.2.1 gamma校正的實(shí)現(xiàn)原理
        2.2.2 gamma校正的實(shí)驗(yàn)分析
    2.3 同態(tài)濾波
        2.3.1 同態(tài)濾波的實(shí)現(xiàn)原理
        2.3.2 同態(tài)濾波濾波函數(shù)
        2.3.3 同態(tài)濾波的實(shí)驗(yàn)分析
        2.3.4 同態(tài)濾波的優(yōu)缺點(diǎn)
    2.4 空域同態(tài)濾波
        2.4.1 空域同態(tài)濾波的實(shí)現(xiàn)
        2.4.2 低通濾波器的近似實(shí)現(xiàn)
    2.5 Retinex理論
        2.5.1 Retinex實(shí)現(xiàn)原理
        2.5.2 單尺度Retinex算法
        2.5.3 多尺度Retinex算法
        2.5.4 帶顏色恢復(fù)的多尺度Retinex算法
    2.6 本章小結(jié)
第三章 低頻優(yōu)化的自適應(yīng)空域同態(tài)濾波算法
    3.1 夜間道路采集環(huán)境分析
    3.2 低照度增強(qiáng)算法條件分析
    3.3 低頻優(yōu)化的自適應(yīng)空域同態(tài)濾波
        3.3.1 低頻優(yōu)化的自適應(yīng)空域同態(tài)濾波原理
        3.3.2低頻優(yōu)化的自適應(yīng)空域同態(tài)濾波圖像增強(qiáng)實(shí)例實(shí)驗(yàn)
    3.4 算法性能評價標(biāo)準(zhǔn)
        3.4.1 圖像主觀評價指標(biāo)
        3.4.2 圖像客觀評價指標(biāo)
        3.4.3 算法最終評價指標(biāo)選擇
    3.5 實(shí)驗(yàn)對比分析
        3.5.1 各低照度增強(qiáng)算法運(yùn)算速度分析
        3.5.2 各低照度增強(qiáng)算法主觀評價指標(biāo)分析
        3.5.3 各低照度增強(qiáng)算法客觀評價指標(biāo)分析
        3.5.4 各低照度圖像增強(qiáng)算法綜合評價
    3.6 本章小結(jié)
第四章 圖像去噪與車輛識別
    4.1 圖像去噪算法分析
        4.1.1 均值濾波
        4.1.2 中值濾波
        4.1.3 頻域去噪算法
        4.1.4 雙邊濾波
        4.1.5去噪算法對比實(shí)驗(yàn)
    4.2 車輛檢測原理
        4.2.1 車輛識別技術(shù)
        4.2.2 車輛分類方法
    4.3車輛檢測實(shí)驗(yàn)
        4.3.1 支持向量機(jī)的訓(xùn)練
        4.3.2 車輛的識別
        4.3.3 熱力圖過濾錯誤檢測
    4.4 本章小結(jié)
第五章 總結(jié)與展望
    5.1 全文總結(jié)
    5.2 后續(xù)工作展望
參考文獻(xiàn)
致謝



本文編號：3860157