1. 研究目的与意义（文献综述）

1.1 研究目的及意义

随着时代的不断向前发展，人们生活中接触到信息的质和量都在飞速的增长。图像作为对客观对象的一种相似性的、生动性的描述或写真，是人类社会活动中最常用的信息载体，因此在各种信息纷繁复杂的现如今，数字图像处理技术的发展对于人类的生存和发展有着至关重要的作用。

数字图像处理又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。数字图像处理最早出现在20世纪50年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。早期的图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码、压缩等。随着图像处理技术的深入发展，从70年代中期开始，计算机技术和人工智能、思维科学研究的迅速发展，数字图像处理向更高、更深层次发展。人们已经开始研究如何用计算机系统解释图像，实现类似人类视觉系统理解外部世界，这被称为图像理解或计算机视觉。图像理解虽然在理论方法研究上已取得不小的进展，但它本身是一个比较难的研究领域，存在不少困难，因人类本身对自己的视觉过程还了解甚少，因此计算机视觉是一个有待人们进一步探索的新领域。数字图像处理如今已经应用于人们生活的各个方面，农林、水利、气象、国防、医疗等领域都有数字图像处理的身影。

2. 研究的基本内容与方案

基于Matlab目标障碍物识别方法主要是直接利用采集到的障碍物图像的二维信息，如颜色、角点、纹理或边缘形状等特征，利用一定的算法进行图像分割，将图像中的目标区域，即障碍物与背景区域分离开来，即完成了对障碍物的检测过程。本文通过对图像识别系统的学习和分析，研究基于图像处理下的障碍物检测，以路面及路面车辆的图像为例，在正常光照条件下进行识别。主要从四个方面来展开：障碍物检测、特征提取、障碍物识别、Matlab仿真结果分析。障碍物检测主要包括四个部分：首先是图像的采集；接着对采集到的图像进行预处理，它的目的是消除图像采集时产生的噪声干扰，提高图像质量；然后进行图像分割，提取出目标区域，使其与背景区域分离，一个理想的图像分割或者说图像分割的最终目标是将目标物体从一个复杂的场景中分离出来，为更进一步的图像分析和理解奠定良好的基础；最后进行图像形态学处理，消除一些由于分割造成的干扰，以便于进行后续的图像分析和识别。图像的目标特征主要包括：颜色特征、纹理特征和几何形状特征等，颜色特征和纹理特征属于图像的内部特征，需要将分割图像和原始图像结合起来进行特征提取，而几何形状特征属于图像的外部特征，可以直接在经图像分割处理后形成的二值化图像上进行提取。本文主要采用基于HIS和Lab颜色空间提取图像的颜色特征，基于二值化图像提取图像的边缘特征。模式识别是在科学技术和相关学科理论逐步发展的过程中，出现的识别技术，它的主要思想就是利用机器模拟人的各种识别能力，如视觉和听觉。模式识别的主要原理是利用研究对象的某些特征，再通过使用一定的分类识别算法，使分类识别结果尽可能的与事实相符。而基于图像的障碍物识别主要采用基于分类理论的障碍物识别方法，并通过处理大量的训练样本，计算得出相关的参数，达到障碍物识别的目标。最后对Matlab仿真的结果进行分析总结。

3. 研究计划与安排

（1）第1－3周：查阅相关文献资料，明确研究内容，了解研究所需理论基础。确定方案，完成开题报告。

（2）第4－5周：熟悉掌握基本理论，完成英文资料的翻译，熟悉开发环境。

（3）第6－9周：编程实现各算法，并进行仿真调试。

4. 参考文献（12篇以上）

[1] 李斌，王荣本，郭克友.基于机器视觉的智能车辆障碍物检测方法研究.公路交通科技.2002

[2] 王荣本，赵一兵，李琳辉.智能车辆的障碍物检测研究方法综述.公路交通科技.2007

[3] 徐红宾.基于单目视觉的无人车障碍物识别技术研究.学位论文.2014