受拍摄环境在噪声方面的影响,在对高速公路拥堵状态进行判别时,通常会因监控图像的滤波程度较低而导致判别精度不佳.对此,提出基于机器视觉的高速公路拥堵状态快速判别方法.首先结合任意像素之间的相似性权重,结合加权平均法对去噪后的像素灰度值进行估算,利用灰度转换函数调节对比度的深度图像去噪.然后分别对图像像素的梯度强度以及方向进行计算,并设定两个高低阈值,对像素的边缘性进行判定,从而保留监控图像中的边缘信息.最后以公路监控图像的边缘信息特征作为输入项,结合SVM算法,对分类器进行训练,并结合决策函数的输出结果对高速公路的拥堵状态进行判断.在实验中,对提出的方法进行了判别精度的检验.最终的测试结果表明,采用提出的方法对高速公路拥堵状态进行判别时,判别结果与标签分类结果之间的匹配度较高,具备较为理想的判别精度.
NETL
NSTL
万方数据
