1.一种基于改进Canny边缘检测算法的违章压线判别方法，其特征在于步骤如下：步骤一：使用交通摄像装置拍摄路况原图，对含有交通信号线和车辆的原图进行灰度处理从而获得包含交通信号线和车辆的灰度图像，降低违章压线判别方法的运行内存，缩短系统得出结果的速度；

步骤二:对灰度图像进行自适应高斯滤波器处理去除整个灰度图像的高斯噪声和椒盐噪声，获得带有交通信号线和车辆的平滑灰度图像，最优化交通信号线和车辆的灰度图像部分的平滑度与保留细节，同时模糊处理背景部分，减少噪声带来的交通信号线和车辆轮廓的误判，排除噪声干扰，提高违章压线判别的准确率；

步骤三：对带有交通信号线和车辆的平滑灰度图像进行全局梯度的划分，弱化背景像素值的同时加强交通信号线和汽车的轮廓，以获取平滑图像的边缘强度；具体的，根据图像邻域对称原则采用归一化的方法对平滑图像的边缘强度进行sobel算子梯度角度再细致划分，减少边缘像素点的丢失，强化平滑图像中的交通信号线和车辆轮廓边缘，得到包含交通信号线和汽车轮廓的平滑图像梯度方向和幅值双图像；

步骤四：对步骤三获取的包含交通信号线和汽车轮廓的平滑图像梯度方向和幅值双图像进行非极大值抑制处理，获得包含交通信号线和汽车轮廓的非极大值抑制图像，以达到交通信号线和汽车的轮廓初步锐化的目的，也使得违章压线判别定位更准确；

步骤五：使用黄金分割迭代法处理非极大值抑制图像，在非极大值抑制图像的基础上计算出需要进行边缘提取的轮廓图像的高阈值和低阈值，利用高低双阈值敲定最终交通信号线和汽车轮廓的门限值，是违章判别方法中的关键一步；

步骤六：利用高阀值作为门限值提取目标轮廓，从而将交通信号线和汽车轮廓与背景分开；利用低阈值作为门限值平滑交通信号线和汽车轮廓轮廓，将交通信号线和汽车轮廓轮廓断续的地方连接起来；

具体的，将大于高阈值部分作为强边缘从而将交通信号线和汽车的轮廓边缘，将介于高阈值与低阈值之间的部分为弱边缘，舍弃小于低阈值的部分；由于强边缘所获得的边缘图像断续并不完整，所以利用弱边缘补充强边缘不完整的图像从而使交通信号线和汽车的轮廓边缘完整连续，获得的轮廓图将作为违章压线判别方法的判别依据。

步骤七：对步骤六中获得的交通信号线和车辆的边缘轮廓图进行判别处理，将实时获得的交通信号线和车辆的边缘轮廓数据与没有车辆的交通信号线轮廓的初始阈值相比对，若交通信号线阈值未改变则判定为未压线；若阈值范围缩小到原来的十分之一则判断为违章压线。

2.根据权利要求1所述的基于改进Canny边缘检测算法的违章压线判别方法，其特征在于自适应高斯滤波器处理去除灰度图像中噪声的具体步骤为:选 用3× 3高 斯模 板 ，将自 适应高 斯 标准 差σ的 最 优值 代入 公式 ：中处理并获取自适应初始核 ，而式：

则将上述初始核归一化形成最终的自适应滤波核；选取最佳高斯标准差σ最大程度的去除灰度图像的噪声，同时灰度图像的平滑度与细节保留度也达到最优解,在实现目标边缘信息保留度较好的情况下无过多冗余信息，提高了信噪比，获得最佳平滑图像。

3.根据权利要求1所述的基于改进Canny边缘检测算法的违章压线判别方法，其特征在于处理平滑图像梯度方向、幅值双图像具体步骤为：(1)根据图像邻域对称原则采用归一化思想，仅将图像看成是由像素点组成的，把图中每一个像素点都看成坐标上的一个点，因此仅考虑平滑图像‑90°到90°正半圆范围内像素点的值，包括0°±45°90°四个方向，由于只有四个方向因此梯度划分不够细致，易导致部分边缘信息的丢失，因此对圆周模板顺时针旋转22.5°，从而对‑67.5°到112.5°范围进行非极大值抑制，小于该角度范围内的值则采用对称折叠法，将另外的半个圆内的像素值给翻转至‑67.5°到112.5内处理；

(2)将步骤三中获得的图像等角度划分为4个区域，利用区域索引的方法进行像素点的大致区域选取，即以像素点与4个区域的圆划分线的差值来选取最小偏移量从而定位各像素点具体属于哪一区域，区域中的像素点会被划分到‑67.5°到112.5°具体方向上如步骤四中所述首先将圆分为了半圆中的四个区域，定位到具体区域后然后再将各区域中的点划分到‑67.5°到112.5°的具体方向上的像素点与同方向上相邻像素点进行幅值对比保留最大值；解决全局梯度划分下目标边缘定位不准确的问题，有效细化Sobel算子梯度划分只能粗略定位目标，而非极大值抑制可以保留局部最大值即去除非边缘点，去除冗余信息这里求出的图像较梯度划分中的图像边缘线更细，定位也更准确些边缘，实现精准边缘精准定位，该步骤处理完将获得非极大值抑制图像。

4.根据权利要求1所述的基于改进Canny边缘检测算法的违章压线判别方法，其特征在于利用黄金分割迭代法处理非极大值抑制图像计算高低阈值的具体方法：低阈值；使用黄金比例分割法通过自适应性进行迭代计算求取，迭代计算速度快且边缘细化效果更佳，稳定性也更好；根据灰度值对非极大值抑制图像进行分析，计算出交通信号线和车辆与背景所占图像的百分比，若两部分比值均在50％邻域内则使用公式：T0＝mid(Mmin,Mmax)，而mid＝left+0.618(right‑left)；否则 其中T0为系统匹配的初始阈值可以将图片划分为两部分，大于等于T0划分到P0区，否则在P1区。然后利用公式：计算出P0区与P1区的梯度值C0与C1，此刻根据求出新的阈值T1，将T1与T0作比较，若结果趋于一个近似零的值则迭代完成，输出值即为图像的低阈值，否则用T1替换掉初始的T0继续迭代运算；

高阈值；当低阈值取到高阈值的0.3倍时效果最佳，所以高阈值为低阈值的三倍数值。