本站小編為你精心準備了探析智能交通監(jiān)控技術參考范文，愿這些范文能點燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。

摘要:隨著社會經(jīng)濟飛速發(fā)展，汽車數(shù)量也在逐漸的增加，這樣的情況導致了我國交通行業(yè)的飛速發(fā)展。交通行業(yè)的發(fā)展為交通系統(tǒng)的完善提供了物質基礎，通過計算機采集交通信息，能夠有效的提高交通管理。在交通系統(tǒng)建立的過程中，交通監(jiān)控設備是交通系統(tǒng)重要設備，但是因為在光照、遮擋等環(huán)境中，交通監(jiān)控獲取圖像的質量有所差別，這樣的情況下對交通監(jiān)控技術提出了更高的要求。有限瘠波與壓縮感知可能克服傳統(tǒng)小波只對水平、垂直與角線三個方向敏感的問題，為監(jiān)控提供圖像的不同尺寸與不同方向的分辨率。將有限瘠波與壓縮感知技術應用在智能交通監(jiān)控中，能夠有效的提高監(jiān)控畫面的質量，從而保障我國交通系統(tǒng)的健康發(fā)展。

關鍵詞:有限瘠波;壓縮感知;智能交通監(jiān)控技術

隨著社會經(jīng)濟的發(fā)展，我國城市交通道路交通系統(tǒng)面臨的壓力逐年上漲。由于人們生活質量的提高。工業(yè)的發(fā)展、汽車行業(yè)也在不斷的發(fā)展，交通安全事故時有發(fā)生。在城市道路交通系統(tǒng)中，交通監(jiān)控是監(jiān)督來往車輛最重要的手段之一，也是交通系統(tǒng)重要的組成部分，但是交通監(jiān)控在使用的過程中往往受到外界環(huán)境的因素，呈現(xiàn)的圖像噪點較多、車牌字符的識別能力有限、視頻呈現(xiàn)也存在著相應的問題。面對這樣的情況，將計算機與相關的數(shù)學領域知識與交控監(jiān)控系統(tǒng)相結合，提高交通監(jiān)控的分辨率。本文主要是將有限瘠波和壓縮感知在交通監(jiān)控中的應用，從而提高交通監(jiān)控的質量［1］。

一、有限瘠波變換與壓縮感知

1．有限瘠波

Radon變換有限瘠波的Radon變換主要是一種離散算法，這種算法是通過二維網(wǎng)格進行直接的定義。有限瘠波Radon變換與連續(xù)Radon變換的定義的輸入圖像都是沿著歐式空間中直線的積分進行的，二者之間存在著一定的相似性。有限瘠波Radon變換是定義在輸入數(shù)字圖像中在一組特殊的直線中的素值總和［2］。可以將圖像中的素數(shù)定義為p，將整數(shù)定義的集合記為Zp，與Z*P，在此過程中二維網(wǎng)格記為:在離散網(wǎng)格中與函數(shù)整體構成的空間是12(Z2p)，那么就能對有限瘠波Radon變換定義，定義的公式:其中＜•＞表示的是模p的計算，其中Z*p表示的是斜率k所有的可能取值集合，其中Lkj，表示的是定義在Zp×Zp中的1.有限瘠波Radon變換直線，最后將曲線變?yōu)檎齼r歸一的二維計算。

2．壓縮感知

壓縮感知的方式可以進行分類器的構建工作，壓縮感知的相關理論認為信號是可以被壓縮的，或者信號在某一個感知領域較為稀疏，可以將稀疏的信號投影到一個低維的空間中，通過優(yōu)化就能夠將這些投影中高概率的信號，重新組建成原有的信號，這樣的問題證明了重構信號中包含了大量的信息，并且有效的區(qū)分出原信號，其主要實現(xiàn)的原理如圖1所示［3］:

二、交通圖像去噪概述

交通監(jiān)控實際應用時數(shù)字圖像出現(xiàn)噪點與噪聲的問題是難以規(guī)避的問題，問題出現(xiàn)的原因主要是在圖像的獲取與傳輸階段。在圖像傳感器運行的過程中，會受到外界的環(huán)境因素與自身的零件質量等影響，產生噪音與噪點。例如，感光耦合元件在獲取圖像的或城中受到光照因素以及傳感器溫度的影響，在生成圖像的過程中形成大量的噪點。然后在圖像傳輸?shù)倪^程中，受到傳輸信號的感染形成載音污染。交通監(jiān)控圖像屬于數(shù)字圖像的一種，受到車輛型號、交通標志等因素的影響，在拍攝時自身的質量存在著較大的差異，所以去噪工作是智能交通監(jiān)控圖像識別的重要環(huán)節(jié)［4］。對交通監(jiān)控圖像傳統(tǒng)的去噪法，主要使用了空間域濾波方式、頻域濾波的方式以及最優(yōu)線性濾波的方式。在傳統(tǒng)的去噪方式中使用了形態(tài)學算法、模糊算法以及邊緣增強算法。這些算法對數(shù)字圖像去噪有著通用性，但是沒有進行針對性交通圖像去噪的分析，這樣去噪的方式難以分辨去噪質量的好壞。有限瘠波Radon去噪，方式進行去噪的方式較為簡單，通過閾值的方式進行處理。有限瘠波Ra-don變換閾值去噪的方式總共分為兩種方式［5］。一種方式是將有限瘠波Radon變換當做統(tǒng)一的二維變換，使用經(jīng)典全局閾值法進行處理，其公式如下:另一種去噪的方式是通過WFRIT的方式進行去噪，主要使用較為成熟的一維小波的方法，按列對有限瘠波Radon變換進行去噪。使用使用有限瘠波Radon變換進行去噪，首先要分析交通監(jiān)控圖像中的特點，交通監(jiān)控圖像中直線特征較為明顯、幾何信息較為豐富等特點。有限瘠波Radon變換對險特征有著明顯的能量集中性，可以產生大幅值系數(shù)的變化，根據(jù)有限瘠波Radon變換增強系數(shù)的密集程度，可以對直線特征、紋理分量進行分析，明確有限瘠波Radon變換的去噪效果。其計算系數(shù)公式［6］:因為高斯隨機變量的和是高斯型變量，那么高斯白噪聲的有限瘠波Radon變換的系數(shù)相同方差的高斯噪聲。因為有限瘠波Radon變換的規(guī)劃中，按列選擇的一維正交換系數(shù)的方差沒有進行改變。高斯白噪聲的有限瘠波Radon變換系數(shù)依舊是高斯噪聲的相同方差［7］。

三、有限瘠波變換好壓縮感知技術在車牌字符識別中應用

1．車牌字符識別中出現(xiàn)的問題

在智能交通監(jiān)控中車牌字符的識別是目前智能交通監(jiān)控中的重要研究內容。目前對車牌字符的識別技術有了極大的提高，首先尋找最優(yōu)特征描述算子對車牌進行描述，然后使用神經(jīng)網(wǎng)絡、支持向量機等模式是被方式與分類器設計進行結合。但是因為車牌字符的復雜性特征，容易受到外界因素的遮擋以及噪聲因素等影響，車牌識別仍然存在著一定的困難。主要表現(xiàn)在幾個方面:第一，圖像信息量較低，因為目前車牌自動識別系統(tǒng)呈像技術為灰色圖像，這種圖像容易導致灰度級相似區(qū)域受到干擾。第二，車牌字符的識別度較低，字符分割將整個車牌區(qū)域劃分成為單個的字符區(qū)域，方便圖像的識別。但是因為車牌字符出現(xiàn)模糊、粘連等問題，嚴重阻礙了字符的分割。第三，光照度的影響，在自然光線下，光照會存在或多或少不均勻的問題，在強光的照射下，車牌表面對自然光的反光也不均勻，導致呈像變色或者是褪色。而且在夜間，車牌字符會受到車前照燈的影響，降低了車牌的對比度，增加了車牌字符識別的難度［8］。

2.有限瘠波變換與壓縮感知方式提取車牌字符的思路

首先要提取包括字符在內的圖像，希望能夠找出可以最大化不同字符圖像間的差異性。提取圖像中的線特征，能夠快速的完成圖像識別問題。使用有限瘠波變換的方式，能夠準確快速的提取圖像中的線特征，從而達到對圖像高效描述的問題，目前使用有限瘠波變換已經(jīng)廣泛的應用在字符圖像分類識別中，所以將這種方式應用在交通監(jiān)控中，可以對車牌字符進行高效的提取，人類視覺感知神經(jīng)元是視覺形成的關鍵，神經(jīng)細胞在對外界刺激作出反應的過程中，編碼的稀疏性是一個重要的約束條件。這樣就可以實現(xiàn)使用較少的資源，獲得較多信息的目的。自然圖像通過稀疏編碼后，得到的函數(shù)與視覺系統(tǒng)初級皮層的反應有著相似性，所以通過壓縮感知和對數(shù)字字典進行分類，是較為符合人類視覺系統(tǒng)以及人類識別習慣［9］。車牌字符識別的關鍵性因素是圖像識別數(shù)據(jù)庫的建立，目前通過字體識別庫通過不斷的完善與發(fā)展，已經(jīng)趨于成熟，但是目前國內車牌字符識別數(shù)據(jù)庫中存在著一些問題。字符集不完善，車牌字符主要組成的部分有省、直轄市以及其他特使機構的簡稱，其中包括英文字母以及數(shù)字組成，字符的類別較少。存在結構相似的字體，例如數(shù)字中的“2”與字母中的“Z”，數(shù)字中的“0”與字母中的“O”等，這樣的情況為車牌字符增加了相應的難度。在使用有限瘠波進行車牌字符識別中，使用的車牌字體庫是公安部的標準車輛字符，對車牌字符中的10個數(shù)字圖像進行亮度分量工作。使用平移、加躁以及遮擋等方式，對不同情況下車牌字符可能出現(xiàn)的字符圖像進行分析，如圖2所示:第一行數(shù)字是經(jīng)過平移后得到的字符圖像;第二行數(shù)字是使用加躁處理后得到的字符圖像;最后一行是遮擋情況下數(shù)字處理的圖像。本文字符庫中的數(shù)字“2”圖像的有限瘠波系數(shù)與有限瘠波系數(shù)的絕對值進行了相應的對比，對比結果如圖3所示:通過圖片能夠觀察到有限瘠波有著較強的方向集中性，在系數(shù)矩陣中大的幅值僅在少數(shù)列上存在。因為有限瘠波系數(shù)的進一步集中，可以得出系數(shù)分布集中有著共性而不是個性。

3．壓縮感知在交通監(jiān)控視頻編碼中的應用

交通監(jiān)控視頻有空間相似性與實踐相似性的特征，交通監(jiān)控視頻與其他視頻相比，因為交通監(jiān)控食品中包括了大量的城市道路信息，監(jiān)控制品的區(qū)域之間有著較高的自相擬性，交通道路部分的灰度以及紋理有著近似性。來往車輛的型號有著極高的相似性，導致交通監(jiān)控視頻圖像內容有著較大的空間相似性。在固定編碼器中圖像塊的大小大致是M=16，采樣值的選取要圖像塊中進行，使用三次插值參考圖像。將搜索范圍設定為8，通過JM12.4進行編碼工作，主要對經(jīng)過塊進行匹配，從而得到殘差信號。在交通監(jiān)控視頻中對每一幀進行幀內編碼工作，主要使用CABAC技術進行編碼。根據(jù)相關結果顯示，使用算法進行編碼時，不僅減少了編碼的比特率，而且在一定程度上提高了PSNR的數(shù)據(jù)，不同量化參數(shù)Qp的壓縮性進行對比，得出不同的碼率。經(jīng)過相關實踐可以看出，如果參數(shù)值較小的情況下PSNR值增加的幅度也有所減少。在交通監(jiān)控制品質量較高的情況下，視頻圖像內冗雜多余的信息已經(jīng)被H.246進行了編碼，這種方式需要完善的空間幅度較小。由于參數(shù)值的增加，編碼的比特率與PSNR數(shù)值增長的幅度更加明顯，在交通監(jiān)控視頻質量較差時，使用塊匹配算法對壓縮性能有著明顯的改變。使用壓縮感知算法在交通監(jiān)控視頻中的應用，從而獲得了PSNR數(shù)值與編碼率的提升效果。因為PSNR數(shù)值與比特率二者存在中而一定的沖突，對PSNR數(shù)值與比特率通過相應算法提高，可以在交通監(jiān)控視頻的壓縮應用中發(fā)揮著巨大的優(yōu)勢，但是這樣做導致了算法的發(fā)在度提高［10］。在靜止圖像與空域塊相似性的基礎上，按照塊匹配圖方式對交通監(jiān)控的圖像進行了壓縮，根據(jù)壓縮感知理論與實際應用的結果，使用空域采樣的方式與插值手段進行圖像的預測工作。在此過程中要聯(lián)系視頻編碼的運動估計法，對交通監(jiān)控中原始的視頻圖像每個待編碼的子塊尋找誤差最小的、最適宜的匹配塊，并進行交通監(jiān)控圖像的預測工作。最后通過DCT進行編碼工作，主要的對象是殘差圖像。使用塊匹配增加的方式能夠有效的提升幀內編碼的性能，在交通監(jiān)控中的靜止圖像與交通監(jiān)控視頻的壓縮方式表明了塊匹配算法的優(yōu)越性能。根據(jù)壓縮感知相關理論對算法在交通監(jiān)控中的實踐有效的證明了塊匹配算法的優(yōu)點，在交通監(jiān)控的實際應用中。H.264幀內壓縮算法也得到了極大的提升。

4．有限瘠波與壓縮感知在交通監(jiān)控中的展望

使用有限瘠波進行交通監(jiān)控圖像的去噪工作，在日后的研究工作中對消除或者是降低“環(huán)繞”效應的方式，是工作的重點內容，要根據(jù)待處理的圖像進行圖像的處理工作。使用壓縮感知方式日后重點是，要對實際問題中維數(shù)的選擇進一步的研究，使用相關理論指導實踐。其中包括尺寸縮放的大小，不同情況下車牌字符的識別。可以將有限瘠波與壓縮感知提取線特征的手段進行有效的結合，二者取長補短。在視頻中線性特征明顯的問題，要使用插值算法或者是變換方式進行。但是增加了計算的復雜性，針對這樣的問題算法的選擇不僅要科學，而且還要對算法進一步的優(yōu)化。這些問題都是在交通監(jiān)控智能化為來發(fā)展中要注意的問題，對這些問題優(yōu)化，能夠有效的保障交通監(jiān)控圖像與視頻的質量。

四、結論

綜上所述，由于社會經(jīng)濟不斷的發(fā)展，我國交通行業(yè)也在不斷的發(fā)展與完善，在交通系統(tǒng)建設工作中，交通監(jiān)控設備是交通系統(tǒng)的重要組成部分。但是在智能交通監(jiān)控中，監(jiān)控視頻、監(jiān)控圖像都存在著相關問題，如車牌字符識別不清、噪聲干擾等問題。面對這些問題將有限瘠波與感知壓縮的方式與智能交通監(jiān)控進行融合，使用有限瘠波方式對車牌字符顯性特征識別以及對圖像的去噪工作，能夠有效的保障圖像的質量。使用壓縮感知在智能監(jiān)控視頻中的應用，幫助交通視頻去除更多的干擾因素，保障視頻的清晰度。

參考文獻:

［1］彭卓韜．基于壓縮感知的交通監(jiān)控視頻目標檢測算法研究［D］．汕頭:汕頭大學，2013．

［2］劉鋼．基于壓縮感知和稀疏表示理論的圖像去噪研究［D］．成都:電子科技大學，2013．

［3］黃志斌，陳鍛生．支持向量機在車牌字符識別中的應用［J］．計算機工程，2003(5):200－202．

［4］孫鋒利，何明一，高全華．基于自適應脊波網(wǎng)絡的高光譜遙感圖像分類［J］．計算機科學，2011(8):266－270．

［5］喻瑩，董才林．基于脊波變換的金融漢字不變性特征提取方法［J］．計算機應用，2011(12):241－244．

［6］肖小奎，黎紹發(fā)．加強邊緣保護的Curvelet圖像去噪方法［J］．通信學報，2004(2):11－17．

［7］胡愛明，周孝寬．車牌圖像的快速匹配識別方法［J］．計算機工程與應用，2003(7):93－94+113．

［8］侯彪，劉芳，焦李成．基于脊波變換的直線特征檢測［J］．中國科學E輯:技術科學，2003(1):67－75．

［9］崔寶俠，李愛軍，蘇桂華．基于數(shù)學形態(tài)學的交通圖像濾波處理方法研究［J］．沈陽工業(yè)大學學報，2007(2):76－80+101．

［10］駱雪超，劉桂雄，馮云慶．一種基于車牌特征信息的車牌識別方法［J］．華南理工大學學報(自然科學版)，2003(4):73－76．

作者：郝林倩 單位：福建船政交通職業(yè)學院