图像识别及嵌入式技术在智能交通系统中的应用研究PDF电子书下载

第1章 绪论 1

1.1 研究背景及意义 1

1.2 基于图像识别理论的智能交通系统 2

1.3 智能交通系统中的图像识别相关技术研究现状 4

1.3.1 基于图像识别理论的智能泊车技术研究现状 4

1.3.2 基于图像识别理论的车牌识别技术研究现状 6

1.3.3 基于图像识别理论的车辆识别技术研究现状 8

1.4 本书的主要工作与研究成果 10

1.5 本书的整体结构安排 12

第2章 图像识别基本方法及关键技术 14

2.1 图像识别基础 14

2.1.1 图像识别的分类 14

2.1.2 图像识别方法的基本框架 16

2.2 图像预处理技术 17

2.2.1 彩色图像灰度化 17

2.2.2 灰度图像二值化 18

2.2.3 图像增强 19

2.2.4 图像去噪 21

2.2.5 图像分割 22

2.3 图像特征提取 26

2.3.1 图像特征提取的基本思想 26

2.3.2 图像特征提取方法 27

2.4 图像分类算法 32

2.4.1 有监督分类方法 32

2.4.2 无监督聚类方法 34

2.5 计算机视觉图像相关理论 34

2.5.1 计算机视觉理论的发展 34

2.5.2 计算机视觉基本理论 37

2.5.3 计算机视觉的应用 39

2.6 嵌入式系统技术 40

2.6.1 嵌入式Linux开发平台 40

2.6.2 嵌入式系统软件 42

2.7 本章小结 45

第3章 基于摄像机标定模型的智能泊车系统算法研究 46

3.1 智能泊车系统的基本框架 47

3.2 传统的智能泊车轨迹算法研究 48

3.2.1 阿克曼转向几何特性理论 49

3.2.2 侧方位泊车轨迹算法分析 50

3.2.3 垂直倒车轨迹算法分析 52

3.3 基于摄像机标定的智能泊车算法 54

3.3.1 传统摄像机标定算法 54

3.3.2 基于改进畸变模型及初值优化的摄像机标定算法 66

3.3.3 基于改进摄像机标定模型的智能泊车轨迹算法 70

3.4 实验结果与分析 78

3.4.1 采集帧率测试 78

3.4.2 泊车轨迹精度测试 80

3.5 本章小结 86

第4章 基于嵌入式技术的避障泊车系统的设计研究 88

4.1 实时可视避障泊车系统的构建 88

4.2 可视泊车系统硬件开发平台选择 91

4.3 可视泊车系统硬件架构设计 96

4.4 实时可视避障泊车系统硬件设计 97

4.4.1 电源子系统模块设计 97

4.4.2 复位系统模块设计 98

4.4.3 SDRAM子系统设计 99

4.4.4 Flash子系统 100

4.4.5 串口和JTAG调试接口 101

4.4.6 图像识别采集模块 102

4.4.7 角度信号获取模块 103

4.4.8 图像识别显示模块 103

4.5 可视泊车系统软件体系结构设计 105

4.5.1 嵌入式操作系统的选择和设计 105

4.5.2 图像识别数据采集技术选择 108

4.5.3 嵌入式图形系统技术选择 109

4.5.4 系统软件架构设计 110

4.5.5 系统软件总体流程设计 111

4.6 图像识别采集模块设计 114

4.7 实时可视避障泊车系统测试 118

4.7.1 播放器模块的测试 118

4.7.2 绘制轨迹精度测试实验 118

第5章 车牌识别关键算法研究 123

5.1 车牌识别图像预处理算法研究 124

5.1.1 车牌图像增强处理 124

5.1.2 车牌图像去噪处理 126

5.2 基于多重分形维数的车牌图像二值化 129

5.2.1 差分盒子维数算法 130

5.2.2 差分盒子维数改进算法 130

5.2.3 基于改进差分盒分形维数的灰度图像二值化 131

5.3 基于边缘检测精度的车牌定位算法 133

5.3.1 基于传统Sobel算子的图像边缘检测算法 133

5.3.2 基于Sobel算子的图像边缘检测改进算法 134

5.3.3 基于Sobel算子的车牌精确定位改进算法 135

5.4 车牌字符校正分割算法 136

5.4.1 基于Radon变换字符校正的改进算法 136

5.4.2 基于垂直投影法的车牌单字符分割改进算法 138

5.4.3 基于车牌字符边框归一化的改进算法 141

5.5 基于改进隐马尔科夫模型的车牌字符识别算法 143

5.5.1 隐马尔科夫模型 143

5.5.2 改进隐马尔科夫模型 144

5.5.3 基于隐马尔科夫模型的鲁棒性特征提取 146

5.5.4 分类器的构造和实施 147

5.6 实验结果与分析 148

5.6.1 基于改进分形维数方法的二值化测试 148

5.6.2 基于EHMM车牌字符的识别测试 149

5.6.3 多种车牌识别算法的测试结果比较 150

5.6.4 本书算法评估 150

5.7 本章小结 151

第6章 车辆识别关键技术研究 153

6.1 基于改进SIFT算子与BP网络相融合的车标识别算法 154

6.1.1 车标识别技术概述 155

6.1.2 车标特征描述子的构造 156

6.1.3 基于改进SIFT算法的车标特征提取 158

6.1.4 基于神经网络的车标识别算法 164

6.1.5 实验结果及分析 167

6.2 基于改进HOG特征与SVM分类器结合的车型识别算法 169

6.2.1 对HOG特征算法改进 170

6.2.2 基于改进HOG算法的车型图像特征提取 172

6.2.3 SVM模型训练 174

6.2.4 实验结果及分析 178

6.3 本章小结 181

第7章 总结与展望 182

7.1 本书的基础性工作 182

7.2 本书的创新性工作 183

7.3 进一步的研究工作 183

参考文献 185

作者简介及在学期间所取得的科研成果 210