智能车辆(IV)系统是近年来各国潜心研究的一个新领域，其中的视觉系需要实时检测行驶环境，确定道路的边界，使得智能车辆能够全天候的在无人驾驶或操纵的情况下自主安全平稳的行驶。采用红外摄像机获取图像是该视觉系统常用的一种方法。因此，红外图像的道路识别成为智能车辆系统的一个研究重点。本文主要针对红外道路图像的特点，对如何有效的提取出道路区域作了一定的研究。主要从三个方面研究了红外道路图像的处理算法。从点域、邻域分别探讨和实现了对道路图像的灰度拉伸、噪声平滑及突出边缘的锐化处理，使用合理的方法去掉了过亮和过暗点的影响，给出了红外道路图像的直方图预处理技术以及基于直方图分析和灰度统计的二值化算法。在对多种边缘检测方法，包括传统的Sobel算子、Laplacian边缘检测分析后，提出了一种带状边缘的检测方法。另外，本文将广义Hough变换引入到道路边缘曲线拟合中，分别探讨了直线和抛物线的道路模型的曲线拟合。由于道路的复杂性，本文对道路作了一定的假设和推理，并将这些知识同各种算法结合起来，取得了一定的效果。
关键词：图像拉伸，图像平滑，图像锐化，直方图，闽值分割，边缘检测，曲线拟合，道路识别
目 录
第一章 绪论 5
1.1问题的提出 5
1.2问题的研究背景和现状 6
1. 3本文的研究工作概述 10
1. 4本文的内容安排 10
第二章红外道路图像的预处理 11
2. 1概述 11
2. 2红外道路图像的点运算 11
2. 2.1概述 11
2. 2.2灰度直方图 12
2. 2.3灰度均衡 13
2. 3红外道路图像的邻域运算增强 15
2.3.1概述 15
2.3.2去除过亮过暗物的影响 16
2.3.3图像平滑 17
2.3.4中值滤波 18
2.3.5梯度锐化 20
2.3.6拉普拉斯锐化 22
第三章 红外道路图像的二值化 24
3.1概述 24
3.2红外道路图像的最佳阐值分割 25
3.3红外道路图像的直方图最频值法分割 28
3.3.1基于最频值法的滤波原理 29
3.3.2算法实现 30
3.4红外道路图像的目标背景最大差距法分割 31
3.5不同二值化方法的分析与比较 33
第四章 道路的边缘检测与拟合 34
4.1二值道路图像中的道路区域提取 34
4.2边缘检测 35
4.3带状边缘检测 37
4.4基于Hough变换的道路边界检测 38
4.4.1Hough变换与广义Hough变换 38
4.4.2直线路面边界提取 41
4.4.3曲线路面边界提取 44
第五章 红外图像道路识别系统及实验 47
5.1 道路识别系统的实现 47
5.1.1系统结构 47
5.1.2软硬件介绍 48
5.1 .3对道路的若干判断和假设 49
5.2实验流程 50
结束语 52
参考文献 53
*若需了解更多与协助请咨询↓→[电脑QQ][手机QQ]【数据协助】
