基于边缘检测的路径边识别技术研究

毕业答辩答辩人：指导老师：戴媛媛藏娴一、绪论二、图像预处理三、边缘检测四、路径识别五、算法实现六、论文总结CONTENTS基于边缘检测的路径识别技术研究一、绪论研究背景A智能驾驶汽车中的视觉导航和障碍物检测B人工智能在图像识别领域的研究C视觉导航在轮式机器人中的应用二、图像预处理1.图像噪声图像噪声是图像生成中由于各种因素影响在图像信息中参杂的不可预测，不可控制的随机信号。图像噪声会影响到图像的后续处理，因此滤除图像噪声是图像处理前极其重要的工作。图像噪声与信号分析中的噪声一样，符合噪声一般的统计特性，主要的类型有高斯噪声、瑞利噪声、脉冲噪声（椒盐噪声）。常见图像噪声原图像椒盐噪声高斯噪声2.图像噪声滤出滤除图像噪声经典方法是空间滤波。空间滤波器由一个邻域对该邻域包围的图像像素执行的预定义操作组成。从定义中看出，滤波器也是一个模板，类似于算子。滤波器产生一个新像素，新像素的坐标位于邻域的中心处。滤波器遍历整幅图像，就会生成新的经过滤波的图像。如果在图像上执行的是线性操作，就称为线性空间滤波，否则就称为非线性空间滤波3.噪声滤波方法邻域平均法即对模板邻域求平均值，并赋予中心像素

3X3邻域模板椒盐噪声平均滤波加权平均法的基本思想是待定像素点的值与邻域内其他像素点的值随着位置关系不同而不同，代表是高斯滤波

高斯滤波的3X3邻域模板椒盐噪声高斯滤波中值滤波的思想继承于一维信号处理。其基本方法是用一个含奇数个窗口的滑动模板遍历图像，用模板中的中值替换中心窗口的像素灰度值。椒盐噪声中值滤波三、边缘检测1.基于梯度的边缘检测2.经典边缘检测（1）Roberts算子Roberts算子利用对角线相邻像素差逼近梯度，对于水平和垂直边缘检测好于斜边。但是算子对噪声响应明显。

（3）LoG算子LoG算子在定义域内的和为零，所以它与图像卷积不会改变图像整体的动态范围，由于其形状类似墨西哥草帽，故也被称为“墨西哥草帽”算子

（4）其他算子现在边缘检测算种类繁多，很多科研人员根据不同的应用场合与需求，开发特点的边缘检测算子。SUSAN检测就是一种低层次图像处理最小核值相似区算法。它的原理是用一个圆形模板遍历图像，通过比较模板其他像素与核像素灰度值的差值与给定阈值的关系，确定一个核值相似区USAN。沈俊边缘检，基于小波分析的边缘检测从频域场分析边缘特性，神经网络算法进行边缘检测和特征识别。（5）Canny边缘检测算子边缘检测的三条准则信噪比准则：也称为低错误率，即非边缘像素误检的概率要低，要没有伪响应。检测的边缘必须尽可能是真实边缘边缘点很好定位：已定位边缘要尽可能接近真实边缘。检测器标记为边缘的点，与实际真实的边缘中心之间距离应该最小单一边缘响应：对真实的边缘点，检测器仅应返回一个点。真实边缘周围的局部最大数应该最小。（6）Canny边缘检测的具体方法Step1.高斯滤波器平滑图像Step2.梯度方向和梯度幅值的计算Step3.非极大值抑制Step4.双阈值处理和边缘连接Canny边缘检测首先确定优化目标，为了达成目标，给出数学可行算法，在边缘检测算法中是一种非常优秀的边缘检测器本文即采用Canny算法做边缘检测（7）Canny边缘检测在路劲边界的效果四、路径识别1.识别道路的选择按车道形状分类：直道、普通弯道、大S弯道、直道入弯道、弯道入直道、急弯道。本文识别用路径选择常见和有代表性的直道。分析道路特征可知，直道和大转弯路径都有直线或者近似直线。这些线条在边缘检测阶段可以很容易被提取，有边缘信息之后，可以基于一种算法快速提取识别路径2.直线检测—Houg