图像处理技术在智能交通中应用的研究,是智能交通系统的重要前沿研究领域,具有十分重要的理论意义和应用价值。 图像处理技术在智能交通中的应用领域非常广阔,大体上可分为基于视觉的智能车辆导航、基于视觉的交通监控和基于视觉的交通管理三大应用领域。本文主要研究了后两大领域中的若干问题,主要包括彩色边缘检测、车牌定位、车牌字符分割、车徽分割和运动车辆的阴影检测。 彩色边缘检测在面向智能交通的图像处理技术中发挥着重要作用。目前主要存在两个问题,一是大多数算法在RGB彩色空间中实现,不能提供符合人类视觉颜色理解的边缘信息。含有色调、饱和度和亮度的颜色模型虽然更符合人对颜色的感知,但基于此颜色模型的彩色边缘检测的研究还较少,且已有算法对噪声敏感,抗噪性能差。因此,在色调、饱和度、亮度彩色空间内寻找对噪声具有鲁棒性的彩色边缘检测算法是要解决的一个问题;二是目前的彩色边缘检测算法没有考虑目标的先验知识,所求得的边缘数量较多,目标特征不易提取。因此,寻找基于目标特征的彩色边缘检测算法是要解决的又一个问题。 基于图像处理的车辆识别技术是智能交通领域的重要研究方向之一,目前的方法是基于车牌识别和车型识别,它们都存在算法的可靠性问题,而且车牌还存在易更换问题。要想可靠地识别车辆,必须最大限度地利用车辆提供的信息。因此,除了基于车牌和车型识别的车辆识别技术,是否还能找到其它的车辆识别方法是我们要解决的一个问题。车牌定位和字符分割是车牌识别系统的关键环节,但目前还存在着有待解决的难题。已有的车牌定位方法,当车牌底色与其周围颜色近似、车牌底色褪色或图像中的区域具有与车牌相似的几何和纹理特征时,有效定位率下降;而已有的字符分割方法在车牌图像质量退化时分割效果很不理想。因此,寻找更可靠的车牌定位方法与车牌字符分割方法是要解决的两个问题。 在基于视觉的交通监控中,运动车辆检测是要解决的首要问题,但阴影的存在常常使检测出现错误。因此,进行阴影检测是非常重要的。目前存在的问题是,阴影检测主要在RGB和HSV彩色空间中进行,在RGB空间中,R、G、B颜色分量