畢業答辯答辯人：指導老師：戴媛媛藏嫻一、緒論二、圖像預處理三、邊緣檢測四、路徑識別五、算法實現六、論文總結CONTENTS基于邊緣檢測的路徑識別技術研究一、緒論研究背景A智能駕駛汽車中的視覺導航和障礙物檢測B人工智能在圖像識別領域的研究C視覺導航在輪式機器人中的應用二、圖像預處理1.圖像噪聲圖像噪聲是圖像生成中由于各種因素影響在圖像信息中參雜的不可預測，不可控制的隨機信號。圖像噪聲會影響到圖像的后續處理，因此濾除圖像噪聲是圖像處理前極其重要的工作。圖像噪聲與信號分析中的噪聲一樣，符合噪聲一般的統計特性，主要的類型有高斯噪聲、瑞利噪聲、脈沖噪聲（椒鹽噪聲）。常見圖像噪聲原圖像椒鹽噪聲高斯噪聲2.圖像噪聲濾出濾除圖像噪聲經典方法是空間濾波。空間濾波器由一個鄰域對該鄰域包圍的圖像像素執行的預定義操作組成。從定義中看出，濾波器也是一個模板，類似于算子。濾波器產生一個新像素，新像素的坐標位于鄰域的中心處。濾波器遍歷整幅圖像，就會生成新的經過濾波的圖像。如果在圖像上執行的是線性操作，就稱為線性空間濾波，否則就稱為非線性空間濾波3.噪聲濾波方法鄰域平均法即對模板鄰域求平均值，并賦予中心像素

3X3鄰域模板椒鹽噪聲平均濾波加權平均法的基本思想是待定像素點的值與鄰域內其他像素點的值隨著位置關系不同而不同，代表是高斯濾波

高斯濾波的3X3鄰域模板椒鹽噪聲高斯濾波中值濾波的思想繼承于一維信號處理。其基本方法是用一個含奇數個窗口的滑動模板遍歷圖像，用模板中的中值替換中心窗口的像素灰度值。椒鹽噪聲中值濾波三、邊緣檢測1.基于梯度的邊緣檢測2.經典邊緣檢測（1）Roberts算子Roberts算子利用對角線相鄰像素差逼近梯度，對于水平和垂直邊緣檢測好于斜邊。但是算子對噪聲響應明顯。

（3）LoG算子LoG算子在定義域內的和為零，所以它與圖像卷積不會改變圖像整體的動態范圍，由于其形狀類似墨西哥草帽，故也被稱為“墨西哥草帽”算子

（4）其他算子現在邊緣檢測算種類繁多，很多科研人員根據不同的應用場合與需求，開發特點的邊緣檢測算子。SUSAN檢測就是一種低層次圖像處理最小核值相似區算法。它的原理是用一個圓形模板遍歷圖像，通過比較模板其他像素與核像素灰度值的差值與給定閾值的關系，確定一個核值相似區USAN。沈俊邊緣檢，基于小波分析的邊緣檢測從頻域場分析邊緣特性，神經網絡算法進行邊緣檢測和特征識別。（5）Canny邊緣檢測算子邊緣檢測的三條準則信噪比準則：也稱為低錯誤率，即非邊緣像素誤檢的概率要低，要沒有偽響應。檢測的邊緣必須盡可能是真實邊緣邊緣點很好定位：已定位邊緣要盡可能接近真實邊緣。檢測器標記為邊緣的點，與實際真實的邊緣中心之間距離應該最小單一邊緣響應：對真實的邊緣點，檢測器僅應返回一個點。真實邊緣周圍的局部最大數應該最小。（6）Canny邊緣檢測的具體方法Step1.高斯濾波器平滑圖像Step2.梯度方向和梯度幅值的計算Step3.非極大值抑制Step4.雙閾值處理和邊緣連接Canny邊緣檢測首先確定優化目標，為了達成目標，給出數學可行算法，在邊緣檢測算法中是一種非常優秀的邊緣檢測器本文即采用Canny算法做邊緣檢測（7）Canny邊緣檢測在路勁邊界的效果四、路徑識別1.識別道路的選擇按車道形狀分類：直道、普通彎道、大S彎道、直道入彎道、彎道入直道、急彎道。本文識別用路徑選擇常見和有代表性的直道。分析道路特征可知，直道和大轉彎路徑都有直線或者近似直線。這些線條在邊緣檢測階段可以很容易被提取，有邊緣信息之后，可以基于一種算法快速提取識別路徑2.直線檢測—Houg