基于matlab的圖像邊緣檢測算法研究和仿真

1、基于matlab的圖像邊緣檢測算法研究和仿真目 錄第1章 緒論 1 1.1 序言 1 1.2 數(shù)字圖像邊緣檢測算法的意義 1 第2章 傳統(tǒng)邊緣檢測方法及理論基礎 2 2.1 數(shù)字圖像邊緣檢測的現(xiàn)狀與發(fā)展 2 2.2 MATLAB和圖像處理工具箱的背景知識 3 2.3 數(shù)字圖像邊緣檢測關于邊緣的定義 4 2.4 基于一階微分的邊緣檢測算子 4 2.5 基于二階微分的邊緣檢測算子 7 第3章 編程和調試 10 3.1edge函數(shù) 10 3.2邊緣檢測的編程實現(xiàn) 11 第4章 總結 13 第5章 圖像邊緣檢測應用領域 13 附錄 參考文獻 15 第1章 緒論1.1 序言理解圖像和識別圖像中的目標是計

2、算機視覺研究的中心任務，物體形狀、物體邊界、位置遮擋、陰影輪廓及表面紋理等重要視覺信息在圖像中均有邊緣產生。圖像邊緣是分析理解圖像的基礎，它是圖像中最基本的特征。在Marr的計算機視覺系統(tǒng)中，圖像邊緣提取占據(jù)著非常重要位置，它位于系統(tǒng)的最底層，為其它模塊所依賴。圖像邊緣提取作為計算機視覺領域最經典的研究課題，長期受到人們的重視。圖像邊緣主要劃分為階躍狀和屋脊狀兩種類型。階躍狀邊緣兩側的灰度值變化明顯，屋脊狀邊緣則位于灰度增加與減少的交界處。傳統(tǒng)的圖像邊緣檢測方法大多是從圖像的高頻分量中提取邊緣信息，微分運算是邊緣檢測與提取的主要手段。由于傳統(tǒng)的邊緣檢測方法對噪聲敏感，所以實際運用效果有一定的局

3、限性。近年來，越來越多的新技術被引入到邊緣檢測方法中，如數(shù)學形態(tài)學、小波變換、神經網(wǎng)絡和分形理論等。Canny于1986年提出基于最優(yōu)化算法的邊緣檢測算子，得到了廣泛的應用，并成了與其它實驗結果作比較的標準。其原因在于他最先建立了優(yōu)化邊緣檢測算子的理論基礎，提出了迄今為止定義最為嚴格的邊緣檢測的三個標準。另外其相對簡單的算法使得整個過程可以在較短的時間內實現(xiàn)。實驗結果也表明，Canny算子在處理受加性高斯白噪聲污染的圖像方面獲得了良好的效果1。1.2 數(shù)字圖像邊緣檢測算法的意義數(shù)字圖像處理是控制領域的重要課題，數(shù)字圖像邊緣檢測是圖像分割、目標區(qū)域識別和區(qū)域形狀提取等圖像分析領域十分重要的基礎，

4、是圖像識別中提取圖像特征的一個重要方法。邊緣中包含圖像物體有價值的邊界信息，這些信息可以用于圖像理解和分析，并且通過邊緣檢測可以極大地降低后續(xù)圖像分析和處理的數(shù)據(jù)量。圖像理解和分析的第一步往往就是邊緣檢測，目前它已成為機器視覺研究領域最活躍的課題之一，在工程應用中占有十分重要的地位。圖像的邊緣檢測技術是數(shù)字圖像處理技術的基礎研究內容，是物體識別的重要基礎。邊緣特征廣泛應用于圖像分割、運動檢測與跟蹤、工業(yè)檢測、目標識別、雙目立體視覺等領域?，F(xiàn)有邊緣檢測技術在抑制噪聲方面有一定的局限性，在閾值參數(shù)選取方面自適應能力很差，有待進一步改進和提高。（1）多譜圖像是圖像配準技術中的一個難點，傳統(tǒng)的圖像配準

5、技術只適用于同源圖像，由于紅外圖像和可見光遙感圖像的成像波段不同，對于同一場景，所采集到的圖像的差異很大。在此課題中，作者首先通過邊緣檢測，得到紅外圖像與遙感可見光圖像的邊緣圖像，再通過尺度不變特征匹配，就能得到紅外圖像與可見光遙感圖像之間的透視變換關系，從而成功完成了多譜圖像配準2。（2）在“貨運列車動態(tài)圖像故障檢測系統(tǒng)(TFDS,Trouble Of Moving Freight Car Detection system)中的故障識別”的課題中，作者采用水平Sobel算子檢測邊緣,對邊緣圖像進行水平方向投影，計算得到貨運列車底部心盤螺栓大致區(qū)域的圖像，然后用Harris算子得到一些候選故障

6、區(qū)域，最后通過相關匹配來識別故障。（3）在“基于雙目立體視覺的人體動作捕捉系統(tǒng)”的課題中，利用圖像的邊緣和深度信息從視頻中分割出人體前景圖像。因此對圖像邊緣檢測技術理論及其應用進行研究都有很重要的意義。第2章 傳統(tǒng)邊緣檢測方法及理論基礎2.1 數(shù)字圖像邊緣檢測的現(xiàn)狀與發(fā)展在數(shù)字圖像處理中，邊緣特征是圖像的重要特征之一，是圖像處理、模式識別和計算機視覺的重要組成部分之一，圖像邊緣檢測的結果直接影響進一步圖像處理、模式識別的效果。近幾十年來，圖像邊緣檢測技術成為數(shù)字圖像處理技術重要研究課題之一，隨著科學技術的發(fā)展，研究人員提出了很多圖像邊緣檢測方法及邊緣檢測效果的評價方法，并且將這些邊緣檢測技術應

7、用于計算機視覺和模式識別工程領域，使得邊緣檢測技術的應用范圍越來越廣，圖像的邊緣一般是圖像的灰度或者顏色發(fā)生劇烈變化的地方，而這些變化往往是由物體的結構和紋理，外界的光照和物體的表面對光的反射造成的。圖像的邊緣反映了物體的外觀輪廓特征，是圖像分析和模式識別的重要特征，數(shù)字圖像處理技術是一門交叉學科，數(shù)學理論、人工智能、視覺生理學和心理學等各種理論為邊緣檢測技術研究注入新的活力，涌現(xiàn)出很多邊緣檢測理論和方法。根據(jù)邊緣檢測所處理的圖像類型，可分為兩大類：灰度圖像邊緣檢測方法和彩色圖像邊緣檢測方法。基于本論文僅研究討論灰度圖像邊緣檢測，這里介紹經典的灰度圖像邊緣檢測方法?；叶葓D像的邊緣是像素的灰度值

8、發(fā)生變化的地方，這些變化通常是屋頂變化或者階躍變化，圖像屋頂變化或者階躍變化的大小一般用灰度圖像一階導數(shù)或二階導數(shù)的大小來描述，所以灰度圖像的邊緣檢測方法主要分為兩大類：一階微分圖像邊緣檢測算子（如Roberts算子、Sobel算子、Prewitt算子）和二階微分圖像邊緣檢測算子（如Laplacian算子、LOG算子、Canny算子）。一般來講，一個好的邊緣檢測算法應滿足如下要求：（1）檢測精度高；（2）抗噪能力強；（3）計算簡單；（4）易于并行實現(xiàn)。其中最根本的問題是解決檢測精度與抗噪聲能力間的矛盾。從理論上講，這兩者之間存在著相互制約的互變關系，即不確定性原則。這一原則可表述為，一個信號不

9、可能在時域和頻域中任意高度集中。因而邊緣的定位精度和抗噪聲能力不可能同時無限地提高，這兩項指標的乘積為一常數(shù)，理論上可以通過改變空域形式來獲得任意好的定位精度或信噪比，但不能兩者都得到改善。因此，衡量一個檢測方法的標準也不能只看某一指標的高低，而應考察其綜合指標是否達到理論上的極限。雖然迄今已出現(xiàn)了眾多的理論和方法，而且有些方法發(fā)展得相當成熟，但從這個意義上講還沒有一種普遍適于任何條件的最優(yōu)算法。為此人們已將注意力放在研究更直接的、專用的和面向對象的視覺信息系統(tǒng)，如“主動視覺”，“定性視覺” 、“面向任務的視覺”等，通過強調場景和任務的約束、增加信息輸入和降低對輸出的要求等手段來降低視覺處理問

10、題的難度。這些思想大大豐富和補充了原來的理論，使算法向具體化、實用化方向發(fā)展，已成為視覺信息處理中有前途的發(fā)展方向3。2.2 MATLAB和圖像處理工具箱的背景知識MATLAB對于技術計算來說是一種高性能語言。它以易于應用的環(huán)境集成了計算、可視化的編程，在該環(huán)境下，問題及其解以我們熟悉的數(shù)學表示法來表示。典型的應用包括如下方面4：（1）數(shù)學和計算（2）算法開發(fā)（3）數(shù)據(jù)獲取（4）建模、模擬和原型設計（5）數(shù)據(jù)分析、研究和可視化（6）科學和工程圖形（7）應用開發(fā)，包括圖像用戶界面構建MATLAB是一種交互式系統(tǒng)，其基本數(shù)據(jù)元素是并不要求確定維數(shù)的一個數(shù)組。這就允許人們用公式化方法求解許多技術計算

11、問題，特別是涉及矩陣表示的問題。有時，MATLAB可調用C或Fortran這類非交互式語言所編寫的程序。在高等院校中，對于數(shù)學、工程和科學理論中的入門課程和高級課程，MATLAB都是標準的計算工具。圖像處理工具箱是一個MATLAB函數(shù)（稱為M函數(shù)或M文件）集，它擴展了MATLAB解決圖像處理問題的能力。其他有時用于補充IPT的工具箱是信號處理、神經網(wǎng)絡、模糊邏輯和小波工具箱。2.3 數(shù)字圖像邊緣檢測關于邊緣的定義邊緣是不同區(qū)域的分界線，是圖像局部強度變化最顯著的那些像素的集合。圖像強度的顯著變化可分為：（1）階躍變化（函數(shù)），即圖像強度在不連續(xù)處的兩邊的像素灰度值有著顯著差異；（2）線條（屋頂

12、）變化（函數(shù)），即圖像強度突然從一個值變化到另一個值，保持一較小行程后又回到原來的值。邊緣主要存在于目標與目標、目標與背景、區(qū)域與區(qū)域(包括不同色彩)之間，邊緣是位于兩個區(qū)域的邊界線上的連續(xù)像素集合，在邊緣處，灰度和結構等信息產生突變。邊緣是一個區(qū)域的結束，也是另一個區(qū)域的開始，利用該特征可以分割圖像。圖像的邊緣有方向和幅度兩個屬性，沿邊緣方向像素變化平緩，垂直于邊緣方向像素變化劇烈。邊緣上的這種變化可以用微分算子檢測出來，通常用一階或二階導數(shù)來檢測邊緣。2.4 基于一階微分的邊緣檢測算子圖像的局部邊緣定義為兩個強度明顯不同的區(qū)域之間的過渡，圖像的梯度函數(shù)即圖像灰度變化的速率將在這些過度邊界上

13、存在最大值，通過基于梯度算子或導數(shù)檢測器來估計圖像灰度變化的梯度方向，增加圖像的這些變化區(qū)域，然后對該梯度進行閾值運算，如果梯度值大于某個給定門限，則存在邊緣。再將被確定為邊緣的像素連接起來，以形成包圍著區(qū)域的封閉曲線。一階導數(shù)可以用于檢測圖像中的一個點是否在斜坡上，二階導數(shù)的符號可以用于判斷一個邊緣點是在邊緣亮的一邊還是暗的一邊。兩種常見的邊緣一階導數(shù)和二階導數(shù)示意圖5：(a) (b) 圖2.1 （a）階躍函數(shù)，（b）線條（屋頂）函數(shù)（第一行為理論曲線，第二行為實際曲線，第三行對應一階導數(shù)，第四行對應二階導數(shù)）一階導數(shù)的二維等效式：(2-1)梯度的幅值：(2-2)和方向：(2-3)梯度是灰度

14、在坐標方向上的導數(shù)，表示灰度在坐標方向上的變化率。用差分來近似梯度(2-4)(2-5)2.4.1 Roberts算子（梯度交叉算子)Roberts算子是一種利用局部差分算子尋找邊緣的算子5。(2-6)01-10用模板實現(xiàn)：100-1圖2.2 Roberts算子的模板2.4.2 Sobel算子Sobel提出了一種將方差運算與局部平均相結合的方法，即Sobel算子，該算子在以為中心的領域上計算和方向的偏導數(shù)6。即(2-7)(2-8)上式應用了領域的圖像強度的加權平均差值。用模板實現(xiàn)：121000-1-2-1-101-202-101圖2.3 Sobel算子的模板2.4.3 Prewitt算子Prew

15、itt提出的類似于Sobel的計算偏微分估計值的方法7(2-9)(2-10)111000-1-1-1用模板實現(xiàn)：-101-101-101圖2.4 Prewitt算子的模板2.4.4 Canny算子 Canny邊緣檢測利用高斯函數(shù)的一階微分，在噪聲抑制和邊緣檢測之間尋求較好的平衡，其表達式近似于高斯函數(shù)的一階導數(shù)。Canny算子是一階算子。其方法的實質是用1個準高斯函數(shù)作平滑運算fs=f(x,y)G(x,y),然后以帶方向的一階微分算子定位導數(shù)最大值。平滑后fs(x,y)的梯度可以使用22一階有限差分近似式：在這個22正方形內求有限差分的均值,便于在圖像中的同一點計算x和y的偏導數(shù)梯度。幅值和方

16、向角可用直角坐標到極坐標的坐標轉化來計算：在這個22正方形內求有限差分的均值,便于在圖像中的同一點計算x和y的偏導數(shù)梯度。幅值和方向角可用直角坐標到極坐標的坐標轉化來計算：Mi,j反映了圖像的邊緣強度;i,j反映了邊緣的方向。使得Mi,j取得局部最大值的方向角i,j,就反映了邊緣的方向。Canny算子也可用高斯函數(shù)的梯度來近似,在理論上很接近4個指數(shù)函數(shù)的線性組合形成的最佳邊緣算子。在實際工作應用中編程較為復雜且運算較慢。Canny邊緣檢測算子對受加性噪聲影響的邊緣檢測是最優(yōu)的。2.5 基于二階微分的邊緣檢測算子一階微分是一種矢量，不但有其大小還有方向，和標量相比，它數(shù)據(jù)存儲量大。另外，在具有

17、相等斜率的寬區(qū)域上，有可能將全部區(qū)域都當做邊緣提取出來。因此，有必要求出斜率的變化率，即對圖像函數(shù)進行二階微分運算。圖像強度的二階導數(shù)的零交叉點就是找到的邊緣點7，如圖2.5所示：圖2.5 圖像函數(shù)的二階微分2.5.1 Laplacian算子Laplacian算子8利用二階導數(shù)信息，具有各向同性，即與坐標軸方向無關，坐標軸旋轉后梯度結果不變。使得圖像經過二階微分后，在邊緣處產生一個陡峭的零交叉點，根據(jù)這個對零交叉點判斷邊緣。拉普拉斯算子是二階導數(shù)的二維等效式：(2-11)上式應用Laplacian算子提取邊緣的形式，及二階偏導數(shù)的和，是一個標量，其離散計算形式定義為：(2-12)這一近似式是以

18、點為中心的，用替換，則(2-13)同理：(2-14)對于一個的區(qū)域，經驗上被推薦最多的形式，算子表示為：(2-15)2.5.2 LOG算子由于梯度算子和拉普拉斯算子都對噪聲十分敏感，因而在檢測前必須濾除噪聲。Marr和Hildreth將高斯濾波和拉普拉斯邊緣檢測結合在一起，形成LOG(Laplacian-Gauss)算法。LOG邊緣檢測的基本特征9為：（1）平滑濾波器是高斯濾波器；（2）增強步驟采用二階導數(shù)(二維拉普拉斯函數(shù))；（3）邊緣檢測判據(jù)是二階導數(shù)零交叉點并對應一階導數(shù)的較大峰值；（4）使用線性內插方法在子像素分辨率水平上估計邊緣的位置。該算子首先用高斯函數(shù)對圖像作平滑濾波處理，然后才

19、使用Laplacian算子檢測邊緣，因此克服了Laplacian算子抗噪聲能力比較差的缺點，但是在抑制噪聲的同時也可能將原有的比較尖銳的邊緣也平滑掉了，造成這些尖銳邊緣無法被檢測到。在實際應用中，常用的LOG算子是的模板：-2-4-4-4-2-4080-4-48248-4-4080-4-2-4-4-4-2圖2.6 LOG算子的的模板該算法的主要思路和步驟如下：（1）濾波：首先對圖像進行平滑濾波，其濾波函數(shù)根據(jù)人類視覺特性選為高斯函數(shù)，即(2-16)其中，是一個圓對稱函數(shù)，其平滑的作用是可通過來控制的。將圖像與進行卷積，可以得到一個平滑的圖像，即(2-17)（2）增強：對平滑圖像進行拉普拉斯運算

20、，即(2-18)（3）檢測：邊緣檢測判據(jù)是二階導數(shù)的零交叉點（即的點）并對應一階導數(shù)的較大峰值。由于對平滑圖像進行拉普拉斯運算可等效為的拉普拉斯運算與的卷積，故上式變?yōu)椋?2-19)式中稱為LOG濾波器，其可寫為：(2-20)第三章編程和調試3.1edge函數(shù)在MATLAB圖像處理工具箱中提供了專門的邊緣檢測edge函數(shù)，由edge函數(shù)可以實現(xiàn)各算子對邊緣的檢測，其調用格式如下：BW=edge(I,method)BW=edge(I,method,thresh)Bw=edge(I,method,thresh,direction)BW,thresh=edge(I,method,)其中，I是輸入圖像

21、。edge函數(shù)對灰度圖像I進行邊緣檢測，返回與I同樣大的二值圖像BW；其中1表示邊緣，表示非邊緣。I可以是uint8型、uint16型或double型；BW是uint8型。method是表示選用的方法（算子）類型，可以選擇的method有Sobel、Prewitt、Roberts、Log、Canny等?？蛇x的參數(shù)有thresh(閾值)、sigma(方差)和direction(方向)。3.2邊緣檢測的編程實現(xiàn)利用edge函數(shù)，分別采用Sobel、Roberts、Prewitt、Log、Canny5種不同的邊緣檢測算子編程實現(xiàn)對圖5.1所示的原始圖像進行邊緣提取。程序代碼如下：%MATLAB調用e

22、dge函數(shù)實現(xiàn)各算子進行邊緣檢測程序I=imread(tire.tif);%讀入灰度圖像并顯示figure(1),imshow(I);BW1=edge(I,sobel,0.1);%用sobel算子進行邊緣檢測，判斷閾值為0.1figure(2),imshow(BW1)BW2=edge(I,roberts,0.1);%用roberts算子進行邊緣檢測，判斷閾值為0.1figure(3),imshow(BW2)BW3=edge(I,prewitt,0.1);%用prewitt算子進行邊緣檢測，判斷閾值為0.1figure(4),imshow(BW3)BW4=edge(I,log,0.01);%用l

23、og算子進行邊緣檢測，判斷閾值為0.01figure(5),imshow(BW4)BW5=edge(I,canny,0.1);%用canny算子進行邊緣檢測，判斷閾值為0.1figure(6),imshow(BW5)檢測效果如圖5.2所示，從圖中可以看出，在采用一階微分進行邊緣檢測時，除了微分算子對邊緣檢測結果有影響外，閾值選擇也對檢測有重要影響。比較幾種邊緣檢測結果，可以看到Canny算子提取邊緣較完整，其邊緣連續(xù)性較好，效果優(yōu)于其它算子。其次是Prewitt算子，其邊緣比較完整。再次就是Sobel算子。第4章 總 結近幾十年來，圖像邊緣檢測技術成為數(shù)字圖像處理技術重要研究課題之一，隨著科學

24、技術的發(fā)展，研究人員提出了很多圖像邊緣檢測方法及邊緣檢測效果的評價方法，并且將這些邊緣檢測技術應用于計算機視覺和模式識別工程領域，使得邊緣檢測技術的應用范圍越來越廣。邊緣特征廣泛應用于圖像分割、運動檢測與跟蹤、工業(yè)檢測、目標識別、雙目立體視覺等領域?，F(xiàn)有邊緣檢測技術在抑制噪聲方面有一定的局限性，在閾值參數(shù)選取方面自適應能力很差，有待進一步改進和提高。利用MATLAB，我們可以很方便的對圖像邊緣檢測算法進行仿真研究，比較各自的優(yōu)缺點，得到最優(yōu)、效果最好的算法來進行圖像處理。Roberts算子定位比較精確，但由于不包括平滑，所以對于噪聲比較敏感。Prewitt算子是平均濾波的一階的微分算子，檢測的

25、圖像邊緣可能大于2個像素，對灰度漸變低噪聲的圖像有較好的檢測效果，但是對于混合多復雜噪聲的圖像，處理效果就不理想了。 Canny方法則以一階導數(shù)為基礎來判斷邊緣點。它是一階傳統(tǒng)微分中檢測階躍型邊緣效果最好的算子之一。梯度算子計算簡單，但精度不高，只能檢測出圖像大致的輪廓，而對于比較細的邊緣可能會忽略。Prewitt和Sobel算子比Roberts效果要好一些。Log濾波器和Canny算子的檢測效果優(yōu)于梯度算子，能夠檢測出圖像較細的邊緣部分。比較幾種邊緣檢測結果，可以看到Canny算子提取邊緣較完整，其邊緣連續(xù)性較好，效果優(yōu)于其它算子。其次是Prewitt算子，其邊緣比較完整。再次就是Sobel

26、算子。第5章 圖像邊緣檢測應用領域圖像是人類獲取和交換信息的主要來源，因此，圖像邊緣處理的應用領域必然涉及到人類生活和工作的方方面面。隨著人類活動范圍的不斷擴大，圖像邊緣檢測與提取處理的應用領域也將隨之不斷擴大。數(shù)字圖像邊緣檢測(DigitalImageProcessing)又稱為計算機圖像邊緣檢測，它是指將圖像信號轉換成數(shù)字信號并利用計算機對其進行處理的過程。數(shù)字圖像邊緣檢測最早出現(xiàn)于20世紀50年代，當時的電子計算機已經發(fā)展到一定水平，人們開始利用計算機來處理圖形和圖像信息。數(shù)字圖像邊緣檢測中，輸入的是質量低的圖像，輸出的是改善質量后的圖像，常用的圖像邊緣檢測處理方法有圖像增強、銳化、復原

27、、編碼、壓縮、提取等。數(shù)字圖像邊緣檢測與提取處理的主要應用領域有：（1）航天和航空技術方面的應用，數(shù)字圖像邊緣檢測技術在航天和航空技術方面的應用，除了月球、火星照片的處理之外，另一方面的應用是在飛機遙感和衛(wèi)星遙感技術中。從60年代末以來，美國及一些國際組織發(fā)射了資源遙感衛(wèi)星(如LANDSAT系列)和天空實驗室(如SKYLAB),由于成像條件受飛行器位置、姿態(tài)、環(huán)境條件等影響，圖像質量總不是很高。現(xiàn)在改用配備有高級計算機的圖像邊緣檢測系統(tǒng)來判讀分析首先提取出其圖像邊緣，既節(jié)省人力，又加快了速度，還可以從照片中提取人工所不能發(fā)現(xiàn)的大量有用情報。（2）生物醫(yī)學工程方面的應用，數(shù)字圖像邊緣檢測在生物醫(yī)

28、學工程方面的應用十分廣泛，而且很有成效。除了CT技術之外，還有一類是對陣用微小圖像的處理分析，如紅細胞、白細胞分類檢測，染色體邊緣分析，癌細胞特征識別等都要用到邊緣的判別。此外，在X光肺部圖像增強、超聲波圖像邊緣檢測、心電圖分析、立體定向放射治療等醫(yī)學診斷方面都廣泛地應用圖像邊緣分析處理技術。（3）公安軍事方面的應用，公安業(yè)務圖片的判讀分析，指紋識別，人臉鑒別，不完整圖片的復原，以及交通監(jiān)控、事故分析等。目前己投入運行的高速公路不停車自動收費系統(tǒng)中的車輛和車牌的自動識別（主要是汽車牌照的邊緣檢測與提取技術）都是圖像邊緣檢測技術成功應用的例子。在軍事方面圖像邊緣檢測和識別主要用于導彈的精確制導，

29、各種偵察照片的判讀，對不明來襲武器性質的識別，具有圖像傳輸、存儲和顯示的軍事自動化指揮系統(tǒng)，飛機、坦克和軍艦模擬訓練系統(tǒng)等;（4交通管理系統(tǒng)的應用，隨著我國經濟建設的蓬勃發(fā)展，城市的人口和機動車擁有量也在急劇增長，交通擁擠堵塞現(xiàn)象日趨嚴重,交通事故時有發(fā)生。交通問題已經成為城市管理工作中的重大社會問題，阻礙和制約著城市經濟建設的發(fā)展。因此要解決城市交通問題，就必須準確掌握交通信息。目前國內常見的交通流檢測方法有人工監(jiān)測、地埋感應線圈、超聲波探測器、視頻監(jiān)測4類。其中，視頻監(jiān)測方法比其他方法更具優(yōu)越性。視頻交通流檢測及車輛識別系統(tǒng)是一種利用圖像邊緣檢測技術來實現(xiàn)對交通目標檢測和識別的計算機處理系

30、統(tǒng)。通過對道路交通狀況信息與交通目標的各種行為（如違章超速，停車，超車等等）的實時檢測，實現(xiàn)自動統(tǒng)計交通路段上行駛的機動車的數(shù)量、計算行駛車輛的速度以及識別劃分行駛車輛的類別等各種有關交通參數(shù)，達到監(jiān)測道路交通狀況信息的作用。圖像邊緣檢測應用在視頻交通流檢測和車輛識別系統(tǒng)概述：1.視頻交通流量檢測及車輛識別系統(tǒng)是一個集圖像邊緣檢測系統(tǒng)和信息管理系統(tǒng)為一體的綜合系統(tǒng)。計算機圖像邊緣檢測主要由圖像輸入,圖像存儲和刷新顯示,圖像輸出和計算機接口等幾大部分組成,這些部分的總體構成方案及各部分的性能優(yōu)劣直接影響處理系統(tǒng)的質量。圖像邊緣檢測的目標是代替人去處理和理解圖像,因此實時性,靈活性,精確性是對系統(tǒng)

31、的主要要求。2.通過攝像機將道路交通流圖像捕捉下來，再將這些捕捉到的序列圖像送入計算機進行圖像邊緣檢測、圖像分析和圖像理解，從而得到交通流數(shù)據(jù)和交通狀況等交通信息。3.應用舉例對于車牌識別技術的研究現(xiàn)狀，車牌的自動識別是計算機視覺、圖像邊緣檢測與模式識別技術在智能交通領域應用的重要研究課題之一，是實現(xiàn)交通管理智能化的重要環(huán)節(jié)，主要包括車牌定位、字符車牌分割和車牌字符識別三個關鍵環(huán)節(jié)。發(fā)達國家LPR系統(tǒng)在實際交通系統(tǒng)中已成功應用，而我國的開發(fā)應用進展緩慢，基本停留在實驗室階段。參考文獻1 Zhang B in,He Saixian. Improved Edge-detection Method Based on Canny algorithmJ.Infrared Technology,2006,28(3):165-169.2 曾俊.圖像邊緣檢測技術及其應用研究:博士學位論文.武漢:華中科技大學,2011.3 游素亞、楊靜,圖像邊緣檢測技術的發(fā)展與現(xiàn)狀J.電子科技導報