發(fā)布時間：2023-11-04 10:50

　　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,無人駕駛技術及其輔助技術已經(jīng)成為未來汽車的重要發(fā)展方向。無人駕駛技術作為一種新型駕駛技術,在拓寬駕駛領域、降低交通事故、解決交通擁堵等問題方面都有著深遠的影響。本文以無人駕駛為出發(fā)點,研究機器視覺在低照度環(huán)境下車輛檢測中的應用。無人駕駛技術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。為了擴展無人駕駛的應用領域,本文改進了低照度圖像增強算法并在此基礎上實現(xiàn)對車輛的檢測。本文的主要研究內(nèi)容如下:1、設計系統(tǒng)總體方案。在研究國內(nèi)外發(fā)展現(xiàn)狀的基礎上,設計了低照度圖像增強與車輛識別總體方案,包括方案的整體流程以及相關軟件、低照度圖像數(shù)據(jù)集的選取。2、提出改進的低照度圖像增強算法。低照度圖像增強算法,能提升低照度圖像中的有用信息,進而提升圖像質(zhì)量。本文在研究分析傳統(tǒng)低照度圖像增強算法的基礎上,通過算法原理以及低照度圖像增強實驗結(jié)果對傳統(tǒng)低照度圖像增強算法進行評價,結(jié)合無人駕駛領域內(nèi)低照度圖像增強算法的需求,選擇并改進傳統(tǒng)低照度圖像增強算法。3、分析改進的低照度圖像增強算法性能...

【文章頁數(shù)】：80 頁

【學位級別】：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)低照度圖像增強算法分析與實驗
    2.1 直方圖均衡化
        2.1.1 直方圖均衡化的實現(xiàn)原理
        2.1.2 圖像直方圖均衡化的實驗分析
    2.2 gamma校正
        2.2.1 gamma校正的實現(xiàn)原理
        2.2.2 gamma校正的實驗分析
    2.3 同態(tài)濾波
        2.3.1 同態(tài)濾波的實現(xiàn)原理
        2.3.2 同態(tài)濾波濾波函數(shù)
        2.3.3 同態(tài)濾波的實驗分析
        2.3.4 同態(tài)濾波的優(yōu)缺點
    2.4 空域同態(tài)濾波
        2.4.1 空域同態(tài)濾波的實現(xiàn)
        2.4.2 低通濾波器的近似實現(xiàn)
    2.5 Retinex理論
        2.5.1 Retinex實現(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 低照度增強算法條件分析
    3.3 低頻優(yōu)化的自適應空域同態(tài)濾波
        3.3.1 低頻優(yōu)化的自適應空域同態(tài)濾波原理
        3.3.2低頻優(yōu)化的自適應空域同態(tài)濾波圖像增強實例實驗
    3.4 算法性能評價標準
        3.4.1 圖像主觀評價指標
        3.4.2 圖像客觀評價指標
        3.4.3 算法最終評價指標選擇
    3.5 實驗對比分析
        3.5.1 各低照度增強算法運算速度分析
        3.5.2 各低照度增強算法主觀評價指標分析
        3.5.3 各低照度增強算法客觀評價指標分析
        3.5.4 各低照度圖像增強算法綜合評價
    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去噪算法對比實驗
    4.2 車輛檢測原理
        4.2.1 車輛識別技術
        4.2.2 車輛分類方法
    4.3車輛檢測實驗
        4.3.1 支持向量機的訓練
        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
致謝



本文編號：3860157