發(fā)布時間：2021-06-23 10:23

　　近年來,隨著我國交通事業(yè)的不斷發(fā)展,路網規(guī)模不斷擴張,對交通管理的要求也越來越高,而交通量數據是交通管理的基礎。傳統(tǒng)的交通量采集方法存在成本高、安裝部署及維護復雜、覆蓋面積小等缺點。隨著遙感圖像分辨率的提高,其包含的地物特征更加豐富,而且遙感圖像具有成本低、覆蓋面積廣等優(yōu)點,為交通量檢測提供了新的途徑。但是目前的遙感圖像處理方法存在一些問題亟待解決。首先,目前道路提取方法效率較低,耗時較長,且與道路具有相似特征的區(qū)域不易被區(qū)分,導致虛警的發(fā)生;其次,傳統(tǒng)方法依賴于最佳閾值的選擇,對于不同來源的遙感圖像,車輛識別算法的準確率低,導致交通指標計算結果誤差較大;最后,車速估算方法自動化程度不高,在圖像處理過程中需要人工輔助,費時費力。針對上述問題,本文提出了基于遙感圖像處理的交通量檢測與分析方法。本文旨在從遙感圖像中自動化提取交通量數據;通過超像素分割和特征提取方法構建超像素詞袋,提取圖像特征向量用于訓練支持向量機,從而進行道路區(qū)域提取;基于深度學習方法結合公開數據集,識別圖像中車輛;基于圖像匹配進行全色圖像與多光譜圖像車輛模板匹配,計算位移和車速,進行交通量分析。本文的主要研究內容如下:（... 

【文章來源】：上海交通大學上海市 211工程院校 985工程院校 教育部直屬院校

【文章頁數】：77 頁

【學位級別】：碩士

【部分圖文】：

基于遙感圖像處理的交通量檢測與分析平臺應用場景Fig.2-1Applicationsceneoftrafficdetectionandanalysisplatformbasedonremotesensingimageprocessing

基于遙感圖像處理的交通量檢測與分析-10-進行處理，采用特征提取和深度學習結合的方法，提取出目標區(qū)域，并自動化識別車輛目標，提出基于圖像匹配的車速估算策略。本文方法有效的解決了上述存在的多個問題，幫助用戶高效準確的獲取流量、車速、車輛分布等基礎道路信息，提升交通管理和服務質量。2.2基于遙感圖像處理的交通量檢測與分析方法框架基于2.1小節(jié)的應用場景，本文提出基于遙感圖像處理的交通量檢測與分析方法框架。圖2-2基于遙感圖像處理的交通量檢測與分析方法框架Fig.2-2Frameworkoftrafficdetectionandanalysisplatformbasedonremotesensingimageprocessing如圖2-2所示，方法分為三層，分別是道路提娶車輛識別、交通量計算與分析。（1）道路提取層道路提取層主要負責遙感圖像的輸入和道路區(qū)域的輸出，對遙感圖像進行預處理，并提取出感興趣區(qū)域。本文目的是對交通量進行檢測和分析，道路提取減少了遙感圖像中其他區(qū)域的干擾，同時減少了圖像大小，降低了圖像處理的時間。首先對遙感圖像進行預處理，

基于遙感圖像處理的交通量檢測與分析-16-圖3-1LBP值計算方法Fig.3-1CalculationmethodofLBP如圖3-1所示，所示的LBP算子定義在3×3的區(qū)域內，以中間點為基準，與其周圍8個像素點進行比較，若周圍像素點比中間點的值大，則標記位1，否則標記位0，最終會得到一個8位二進制數，將二進制轉換為十進制即為中心像素點的LBP值，總共會有256種結果，由于是對比相對大小，因此其對亮度變化不敏感。LBP特征圖譜通常不直接應用于分類識別，因為LBP特征與位置有關，直接采用LBP特征圖譜會由于沒有對準導致誤差。本文采用LBP特征統(tǒng)計直方圖來描述圖像紋理特征，首先用超像素分割方法將圖像劃分為多個子區(qū)域，分別計算各子區(qū)域的LBP特征值，然后對每個子區(qū)域統(tǒng)計LBP特征值出現頻率，并做歸一化處理，這樣每個子區(qū)域可以由一個統(tǒng)計直方圖表示。除了紋理特征外，本文還考慮顏色特征作為道路提取的特征。顏色特征以直方圖形式進行描述，顏色直方圖采用HSV顏色空間，統(tǒng)計不同區(qū)間的顏色在圖像中的出現頻率，適合描述不考慮物體空間位置的圖像。3.3SVM分類器訓練本文提出一種基于超像素分割的改進算法，來提高道路區(qū)域提取的精確度和效率。算法分為兩步，第一步是確定訓練集圖片的特征選擇，即構造SVM分類器的輸入，過程如下。

【參考文獻】：
期刊論文
[1]遙感圖像道路提取方法綜述[J]. 張永宏,何靜,闞希,夏廣浩,朱靈龍,葛濤濤.  計算機工程與應用. 2018(13)
[2]基于手機信令的道路交通流量狀態(tài)識別及預測[J]. 胡斌杰,詹益旺.  移動通信. 2015(10)
[3]一種高分辨率可見光遙感影像中車輛目標檢測方法[J]. 谷正氣,李健,張勇,夏威,羅倫.  測繪通報. 2015(01)
[4]基于視頻檢測技術的交通車流量研究[J]. 張虹波,匡銀虎.  計算機與現代化. 2014(12)
[5]從高分辨率遙感影像中提取道路信息的方法綜述及展望[J]. 項皓東.  測繪與空間地理信息. 2013(08)
[6]紋理與幾何特征在道路提取中的應用[J]. 馬歡,楚恒,王汝言.  計算機與現代化. 2012(07)
[7]高分辨率衛(wèi)星影像車輛檢測研究進展[J]. 劉珠妹,劉亞嵐,譚衢霖,任玉環(huán).  遙感技術與應用. 2012(01)

碩士論文
[1]基于高分辨率遙感圖像的車輛分類識別研究[D]. 楊強.北京交通大學 2017
[2]基于光學衛(wèi)星影像的車輛識別和速度估算研究[D]. 劉超超.北京交通大學 2015
[3]基于SVM和均值平移的紅外車輛目標跟蹤算法研究[D]. 周燕.浙江師范大學 2012



本文編號：3244764