摘 要

汽车为我们带来便利的今天，交通安全成为我们需要重点关注并亟待解决的问题，每年因为交通事故造成的损失更是触目惊心，在社会需求不断增长，科技发展不断进步的过程中，汽车安全辅助系统就应需而生了，它旨在减少交通事故发生的可能概率，尽可能的保障我们的生命财产安全，为我们的出行提供有效的保驾护航。

而在本课题中研究的是该系统的重要组成部分，路面类型的分类识别，只有有效并且准确的实时了解我们在驾驶过程中经过的路面，辅助驾驶系统才能针对性的去为我们的驾驶提供正确而有效的指导。

现在的路面识别技术在一定程度上有了理想化的成果，但在获取路面图像的过程中，得到的图像并不一定理想，尤其是受到阴影或白斑的影响的可能性很大，因此本文针对性的提出研究特征提取的算法去有效的避免或降低在路面分类过程中阴影或白斑的影响。根据对各类特征的的研究，我们针对性的选取了几种较好的路面特征提取方式，通过实验来比较他们受到阴影或白斑影响下的鲁棒性，选出表现较好的方式，针对性的对其进行了算法改进，并进行实验验证结果，最终实验验证改进成功。

关键词：辅助驾驶；路面识别；算法改进

ABSTRCT

The car is convenient for us today, traffic safety has become a problem that we need to focus on and solve urgently. Every year because of the loss caused by traffic accidents, it is shocking. In this process of social demand and technology development, The system should be born, it is designed to reduce the probability of traffic accidents, as much as possible to protect our lives and property for our travel to provide effective escort.

In this paper, the study is an important part of the system, the classification of the type of road identification, only effective and accurate real-time understanding of our driving process through the road, auxiliary driving system can be targeted for our driving to provide Correct and effective guidance.

Now the road recognition technology has a certain degree of ideal results, but in the process of obtaining the road image, the resulting image is not necessarily ideal, especially by the shadow or white spot is very likely, so this article for the The proposed feature extraction algorithm to effectively avoid or reduce the impact of shadows or white spots during pavement classification. According to the research of various characteristics, we have selected several good pavement feature extraction methods, through experiment to compare them under the shadow or white under the influence of the robustness, select the better way, for the The algorithm is improved and the experimental results are verified. The final experiment verifies that the improvement is successful.

Key words: auxiliary driving; road surface recognition; algorithm improvement

目录

摘要 I

第一章 绪论 1

1.1 研究背景与意义 1

1.2 图像处理与识别技术的发展现状 2

1.3 图像阴影排除研究的现状 3

1.4 课题来源及意义 3

1.5 本文主要研究内容 4

第二章 路面图像特征分类和特征提取技术 5

2.1 引言 5

2.2 路面图像颜色的特征提取 5

2.2.1 颜色空间 5

2.2.2 颜色特征提取算法 6

2.3 路面图像纹理的特征提取 7

2.3.1 纹理的定义 7

2.3.2 纹理分析 7

2.3.3 纹理特征的提取方法 8

第三章 针对三种特征的图像识别实验 12

3.1 实验准备 12

3.2 基于支持向量机的图像分类 12

3.3 实验内容 14

第四章 针对颜色特征的算法改进实验 20

4.1 实验目的 20

4.2 算法改进思想 20

4.3 实验结果 21

4.4 实验结果分析 22

第五章 结论 23

5.1 总结 23

5.2 展望 23

参考文献 24

附录 25

致谢 35

第一章 绪论

研究背景与意义

随着经济的日新月异和人民生活水平的快速提高，汽车作为高效的代步工具在全世界得到了快速的普及，并且在安全、舒适、速度方面在快速的更新换代，汽车在带给人们巨大的方便和提升生活效率的同时，随之而来的是因其普及而导致的交通事故的频发和多样。据不完全的研究调查数据，在全世界大概每年有接近120万人因为交通事故而失去生命，数千万人在事故中受到不同程度的伤害，而由于交通事故引发的经济损失更是有5000多亿美元。

从我国大力发展经济以来，人们的生活水平和汽车产业都得到了长足的发展。而在日益发展的交通环境中，需求与供给的矛盾和冲突也愈发明显和激化，交通越来越拥堵，交通事故越来越普遍和常见，交通环境也越来越堪忧。这为我们敲响了警钟，在实现中国梦的进程中，这也是我们需要密切关注的。国家统计调查局的数据显示，在2013年，交通事故发生数总计198394起，造成的直接死亡人数高达58539，而受伤人数更是有213724，带来的直接财产损失为103897；2014年，叫用事故总计发生196812起，造成的死亡人数为58532，造成的直接财产损失211882；2015年，交通事故总计发生187781起，造成的直接死亡数高达58022人，而因此受伤的有199880人，这些带来的直接财产损失达到103692万元。在这些数据中，虽然我们能看到交通事故在我们在科技、治安的等各方面的努力中带来的人身和直接财产损失逐渐减少，但这些数据依然让人惊心，这些数据背后隐藏的社会问题和家庭的支离破碎更是值得我们惋惜，我们在实现中国梦的过程中，亟需解决这些问题带来的不良影响。

在交通环境如此恶劣的情形下，各种汽车的辅助驾驶系统应需而生，为我们的出行提供了有力的保驾护航。