|
 
- UID
- 864567
|
其中，P为对所有集合Ri中元素的逻辑谓词，Ф则代表空集。文中使用大津法作为阈值分割法。大津法(Ostu)是大津于1979年提出，对图像I，记T为前景与背景的分割阈值，前景点数占图像比例为w0，平均灰度为u0；背景点数占图像比例为w1，平均灰度为u1。图像的总平均灰度为uT=w0×u0+w1×u1。从最小灰度值到最大灰度值遍历T，当T使方差值σ2=w0×(u0-uT)2+w1×(u1-uT)2最大时，T即为分割的最佳阈值。方差是灰度分布均匀性的一种度量，方差值越大，说明构成图像的两部分差别越大，当部分前景错分为背景或部分背景错分为前景都会导致两部分差别变小，因此使方差最大的分割意味着错分概率最小。直接用大津法计算量较大，因此在实现时采用等价公式σ2=w0×w1×(u0-u1)2。完成车辆分割后，再进行图像形态学处理，进而完成矩形框标记。
2 实验结果与分析
选取固定摄像机获取的一段城市道路交通视频作为研究对象。首先采用图像分割技术，只选取黄线附近的大致区域，得到检测带，从而减少数据量，提高处理速度。实际情况中，由于光线影响以及人为划定的黄线存在偏差，会造成图像中的黄线不一定为严格意义上的直线。在用Hough变换标定黄线时会造成图1右侧所示的情况：两条黄线并非完整直线，而是由直线段连接而成。通过连接距离最远的端点即可得到道路中两条黄线。而Hough变换后，就可以得到所有线段的端点，即用十字标出的端点。再用Matlab在图中标定出黄线的位置，如图1所示。
图1(b)中两条直色线即为用上述方法标定的黄线。黄线标定后，这两者之间即为黄线区域，通过判断这个区域内是否有车辆，即可判断是否有车辆压线，达到检测目的。由图可以看出，图中有车辆存在压黄线的行为。确定黄线位置后，需要在图中用矩形框标出车辆位置，图2为车辆分割结果，图3即为处理结果。
|
|
