图像处理在交通中的应用

现代社会中，私家车因其方便、多功能性成为了很多家庭首选的代步工具。而同时，因私家车泛滥而造成的交通堵塞和交通事故等问题层出不穷。人们应选择合理的技术去感知，规避，甚至预测道路交通情况的变化，以达到对智能交通系统的管理和控制。图像处理作为应有越来越广泛的一项技术，在管理和控制智能交通系统中扮演者重要的角色。
数字图像处理技术源于20世纪20年代，当时通过海底电缆从英国伦敦到美国纽约传输了一幅照片，采用了数字压缩技术。首先数字图像处理技术可以帮助人们更客观、准确地认识世界，人的视觉系统可以帮助人类从外界获取3/4以上的信息，而图像、图形又是所有视觉信息的载体，尽管人眼的鉴别力很高，可以识别上千种颜色，但很多情况下，图像对于人眼来说是模糊的甚至是不可见的，通过图象增强技术，可以使模糊甚至不可见的图像变得清晰明亮。图像处理有多种方法：1、图像变换2 、图像编码压缩 3、图像增强和复原4、图像分割5、图像描述 6、图像分类（识别）。
运用图像处理的过程主要分为两大部分，一部分是图像处理，另一部分是车辆计数。图像处理过程主要分为四步：首先是去噪声，尽管可以通过摄像头获取道路信息，但是噪声还是会影响获取的图像的质量，所以采用滤波器将其过滤掉；第二步就是图像灰度化，灰度化可以最大限度减少图像所存信息，这样就可以保留有用信息，计算量也大幅减少；第三部就是图像差分，是一种通过把视频中相邻两帧动画做差分运算从而获得目标运动物体轮廓的方法，这样计算后可以直接得出目标运动物体的轮廓，大小，形状和位置。车辆计数部分分为，目标计数和交通灯时间控制：可以通过MATLAB里面的bwlable（）函数进行处理，从而得到车辆的数量。同样，图像处理技术也可以运用在其他交通道路识别方面，比如车身颜色的识别，车身形状的识别，车牌图像特征的提取处理，以及车牌骨架特征提取。
综上所述，智能交通领域中图像识别和处理相关技术应用已经极其普遍。本文对行进中的汽车车型和颜色等相关问题进行了讨论，之后对如何提取车牌图像以及车牌图像特征进行了分析，介绍了多种车牌分割方法，并对各自优缺点进行了分析，从而探寻更为高效和更为准确的文字数字识别方案。随着智能识别技术在交通领域的应用，识别能力将随之大大增强，但就目前来看，单纯识别数字的识别技术以及相对成熟，但涉及汉字，字母，数字混合识别时，准确率有待进一步提高。

参考文献：