基于ASIFT道路交通标志的定位与识别方法

针对智能交通系统中的交通标志识别,提出了一种基于ASIFT (仿射尺度不变特征变换)算法的定位与识别方法。首先,分类道路交通标志并提取模板;然后,采用ASIFT算法选择目标图像对应的模板和交通标志集合;其次,根据匹配模板ASIFT特征点的几何分布,定位交通标志的目标区域;最后,计算目标区域和交通标志集合的特征向量欧氏距离。基于ASIFT算法,达到了准确的定位与识别效果。通过实验,验证了该方法的可行性。     

基于深度可分离卷积的交通标志识别算法

针对目前实时交通标志识别中出现的对于中小型目标检测精度低的问题,本文提出了一种基于YOLOv3-tiny的深度可分离卷积(Depthwise Separable Convolutions)的轻量级交通标志检测网络。采用深度可分离卷积构建深度可分离卷积模块代替普通卷积搭建特征提取网络,在保证计算量的前提下更好地提取中小型目标的特征信息。同时,改进多尺度特征融合网络,提高对中小型交通标志的检测精度,使用h-swish激活函数减少因为网络层数增加而丧失的图像特征,实现对多类交通标志的检测。实验结果表明:本算法有效的提高了对中小型交通标志的检测,在验证集上对警告标志(Warining)指示标志(Mandatory)、禁止标志(Prohibitory)3类交通标志进行检测,检测精度(AP)结果分别为98.57%,96.03%,98.04%。检测平均精度(mAP)97.54%、检测速度为201.5f/s.平均精度较YOLOv3-tiny提高了14.01%。在保证轻型网络的计算量低、检测时效性好的前提下,有效地提升了检测精度。     

一种快速的禁令交通标志检测算法

交通标志检测是交通标志识别系统的重要步骤,交通标志的检测结果直接影响交通标志识别的识别率和实时性。针对我国禁令交通标志的特点,提出了一种基于颜色模型分割和跳变次数的快速交通标志检测算法。首先对输入图像进行增强,其次利用颜色模型分割并进行形态学处理,初步得到交通标志候选区域,最后统计候选区域的平均跳变次数,判断该候选区域是否为感兴趣区域。实验结果表明,该算法能够有效的提高检测精度,降低误检率,且能够满足实时性的要求。     

基于Curvelet变换的图像融合改进算法

针对红外与可见光图像的融合,提出了基于二代Curvelet变换的图像融合改进算法。首先对两幅源图像进行Curvelet变换,得到其在不同尺度和方向下的变换系数。对于低频系数,根据红外与可见光图像的不同成像特点,采用基于局部统计特性的自适应融合策略;对于不同尺度和方向下的高频系数,采用基于局部区域能量匹配的系数选择方案。最后进行Curvelet逆变换得到融合图像。通过实验结果的对比分析,该算法可以更有效地反映源图像中的特征,融合效果有了明显改善。     

基于关键区域特征匹配的视觉跟踪算法

针对视觉跟踪中目标表观的复杂变化问题,提出了一种基于关键区域特征匹配的鲁棒跟踪算法.首先对目标模板进行初始化并通过滤波预测得到目标候选;然后采用自适应标记分水岭算法对目标模板和目标候选进行分割以提取关键区域,并利用像素的空间和频率分布特性对关键区域进行多重特征描述;最后通过关键区域的特征匹配得到目标模板与目标候选的匹配关系,由此确定最终跟踪结果并进行模板更新.对目标发生尺度、遮挡、旋转、光照、姿态、复杂背景以及运动模糊等变化的视频序列进行了仿真测试.实验结果表明,所提算法能够有效处理目标表观的复杂变化问题,尤其对目标的部分遮挡、光照变化以及复杂背景等具有较强的鲁棒性.     

基于二代curvelet与wavelet变换的自适应图像融合

针对同一场景红外图像与可见光图像的融合问题,提出了一种基于二代curvelet与wavelet变换的自适应图像融合算法。首先对源图像进行快速离散curvelet变换,得到不同尺度与方向下的粗尺度系数和细尺度系数;根据红外图像与可见光图像的不同物理特性以及人类视觉系统特性,对不同尺度与方向下的粗尺度系数和细尺度系数采用基于离散小波变换的图像融合方法,在小波域中,对低频系数采用基于红外图像与可见光图像的不同物理特性的自适应融合规则,对高频系数采用基于邻域方向对比度与局部区域匹配度相结合的自适应融合规则,然后进行小波逆变换得到融合的curvelet系数;最后,进行快速离散curvelet逆变换得到融合图像。实验结果表明,该方法能够更加有效、准确地提取图像中的特征,是一种有效可行的图像融合算法。     

引入显著特征空间的抗遮挡红外目标跟踪

针对红外目标跟踪过程中目标纹理信息缺乏,与背景灰度呈现强耦合性,特别是在遮挡情况下目标特征信息链断裂,特征信息无法延续的实际跟踪问题,提出了基于显著特征空间的抗遮挡跟踪算法。首先通过分析红外目标特性,利用多尺度显著性、对比度和信息熵等信息生成显著特征向量空间,结合超像素特征距离和空间距离对区域进行聚类融合,突出目标区域,生成显著图。然后融合显著区域和原图,生成多个目标候选区作为跟踪算法输入。最后通过目标的空间分布场矩阵对全局的候选区域进行匹配,同时建立遮挡检测机制,基于显著区连通区变化和特征相似度变化曲线对遮挡的起始进行判断,结合遮挡判定设置模型更新策略。在不同红外测试集上的实验结果表明:所提算法在遮挡情况下也能达到较好的跟踪效果,有效增强了跟踪算法的鲁棒性。     

自然场景下的交通标志识别系统

文中提出一种面向自然场景的新型交通标志识别系统。在分割模块,采用带色彩恢复的多尺度视网膜增强算法对图像增强色彩,并用车道线方法和提出的绿色减除分割算法提取感兴趣区域。在检测模块,运用Gist-RGB特征对5种不同形状的标志进行检测。在识别模块,首先根据颜色信息对标志预分类,再使用基于局部感受野的极限学习机识别网络对43类标志进行识别。实验结果证明,该系统对自然背景下的交通标志图像达到良好的识别效果,并且具有一定的鲁棒性。     

基于图像签名算法的视觉目标跟踪算法北大核心CSCD

针对视觉目标跟踪算法中存在的快速运动、尺度变化、形变和遮挡问题,提出基于图像签名算法的视觉目标跟踪算法。该算法以相关滤波算法为基础,通过多种特征构建目标的外观模型,提高了算法的跟踪精确度和稳健性;为了解决严重遮挡情况下的目标重定位问题,利用图像签名算法计算图像的稀疏显著性区域,获取候选目标的位置,通过分类器对候选目标进行重排名,实现目标重定位;采用尺度池策略和自适应模板更新策略,解决跟踪中的尺度变化问题和跟踪漂移问题。利用标准数据集测试所提算法的性能,结果表明,所提算法在跟踪成功率和精确度上均优于传统的相关滤波算法,能较好地解决快速运动、尺度变化、形变和遮挡情况下的目标跟踪问题。     

基于NSST变换与自适应PCNN的多特征遥感图像融合

针对基于NSCT变换的遥感图像融合算法存在计算复杂度高,细节表现能力不足的问题,本文提出了一种基于NSST变换与自适应PCNN的多特征遥感图像融合算法。首先,利用HSV变换提取MS图像的亮度分量V,并将得到的亮度分量V与PAN图像分别进行NSST变换;其次,对于低频子带,提出了一种基于自适应的PCNN融合规则,将空间频率和区域平均梯度分别作为PCNN的外部激励和链接强度;对于高频子带,采用基于多特征的融合规则;最后,进行逆NSST变换和逆HSV变换得到融合图像。仿真实验表明,该算法与一些经典的融合算法相比不仅可以提高图像融合质量,在视觉效果和客观指标上也都有良好的表现。     

基于改进卷积神经网络的交通标志识别方法

针对智能交通系统中小尺度交通标志识别率低的问题,文中提出一种改进卷积神经网络的交通标志识别方法。该方法通过在Faster R-CNN算法的低层特征图上增加优化的RPN网络,提升了小尺度交通标志的检测率。该方法还利用Max Pooling方法实了现图像的局部细节特征与全局语义特征充分融合。在TT-100K数据集上稍微实验结果表明新方法可以明显提高小尺度交通标志的识别率。     

基于MSER和SVM的快速交通标志检测

为解决传统的基于机器学习的交通标志检测(TSD) 方法需要对每一个待检测子窗口进行处理而导致算法实时性不高的问 题,提出了一种基于感兴趣区域(ROI)提取和机器学习的快速TSD 算法。针对传统基于颜色阈值的ROI提取方法具 有对光照变化较敏感等缺点,设计了一种颜色增强下的最大稳定极值区域(MSER)方法 ,根据标志的颜色进行 颜色增强,对颜色增强图像提取MSER得到交通标志ROI;然后在图像的多尺度滑动遍历检测 过程中,仅对包含ROI的滑 动窗口进行方向梯度直方图(HOG)特征的提取,并通过支持向量机(SVM)进 行分类判别。实验结果表明,本文改进的TSD方法在运算速度上有较大提升,具有很好的鲁 棒性,且获得了96.42%的检测率以及较低的误检数。     

基于多尺度像素特征融合的实时小交通标志检测算法

交通标志检测技术是先进驾驶辅助系统中重要组成部分。真实的驾驶环境中要求交通标志检测系统具备极高的实时性与准确性。轻量级网络MobileNetv2-SSD能够满足检测的实时性,但准确性不足以满足实际需求。本文将MobileNetv2-SSD作为基础网络,提出一种基于像素重排的多尺度像素特征融合方法,并在网络的检测层引入高效通道注意力机制,实现特征增强。在保证算法的实时性的同时,有效提升了小交通标志的检测性能。实验结果表明,本文算法模型能够在真实环境下准确实时地检测小交通标志。在长沙理工大学中国交通标志检测数据集CCTSDB上取得93.2%的mAP,模型大小仅为17.3M,检测每张图像的时间为0.022 s。      

改进CenterNet的交通标志检测算法

针对交通标志尺度变化大导致检测精度低的问题,本文提出一种改进CenterNet的交通标志检测算法.采用ResNeSt50作为主干特征提取网络,引入PSConv(Ploy-Scale Convolution)改进网络卷积层结构.设计多尺度感受野模块,对ASPP(Atrous Spatial Pyramid Pooling...     

交通警告标志定位方法研究

结合交通标志的彩色图像色彩特征和形状特征,在CCD摄像机采集的场景图像中对三角形交通警告标志定位方法进行研究.先利用RGB到HSV的彩色空间转换和阈值分割将交通标志区域信息增强,然后利用边缘检测提取交通标志的三角形形状特征,并对三个顶点进行准确检测,最后通过直线拟合的方法用三条红色直线标示交通标志的精确位置.实验结果表明,应用上述综合设计能对图像中的三角形交通标志进行准确定位和位置标示.     

基于颜色和边缘信息的交通标志检测

根据我国交通标志的颜色和几何属性,提出了一种适用于自然背景下的交通标志检测方法。该方法采用RGB彩色分量差对自然背景下的禁令标志图像进行分割,结合最小二乘法对像素坐标进行椭圆拟合,再根据边界的圆形度参数判断是否为圆形区域。实验证明了该方法的有效性与鲁棒性。     

基于改进跳蛛算法的二维OTSU限重标志识别算法

针对交通标志识别中限重标志和限速标志相似程度大、容易造成误检等问题,结合抗噪能力强的二维OTSU自动阈值分割法与寻优能力强的跳蛛优化算法,提出了一种基于跳蛛优化的二维OTSU限重标志识别算法。该算法通过统计交通标志牌感兴趣区域的二维灰度直方图,采用改进跳蛛算法求解二维OTSU分割阈值,快速地实现交通标志图像的二值化,再利用DBSCAN对二值化图像边缘点聚类,最后根据聚类结果的相对位置正确识别限重标志。实验结果表明：在不降低识别率的条件下,运算时间降低了34.16%,并能够正确区别限重标志和限速标志。     

含旋转部件的动态目标特征提取方法研究

针对含有活动部件的空中动态目标成像方法进行研究，分析活动部件对空中动态目标成像的干扰，通过自适应小波变换分离活动部件及目标，剔除活动部件对成像结果的影响；提取清晰的散射中心，然后基于逆合成孔径雷达（inverse synthetic aperture radar，ISAR）图像灰度级不连续点寻找区域边界，将目标点和背景分离，采用自适应边界收敛方法对目标区域进行轮廓特征提取，得到了良好的目标轮廓特征.所提算法不仅可剔除旋转部件对散射中心的干扰，同时可提取良好的目标ISAR特征.采用实测数据对方法进行了验证.     

一种基于特征的自适应水印算法

基于图像多尺度空间理论和扩频机制以及视觉感知模型的特性,给出一种基于特征的数字图像水印算法。算法采用尺度不变特征变换算子提取图像的局部不变特征区域,根据信噪比特点自适应选取水印嵌入强度因子,将一幅二值水印图像嵌入到原始图像中,实现了数字水印的不可感知性和鲁棒性。仿真结果表明,该算法对添加噪声、压缩、旋转等常见的图像处理攻击具有较强的鲁棒性。     

基于多特征融合的道路交通标志检测

在道路交通标志的检测中,针对自然实景情况中拍摄到的图像存在的交通标志大小和位置不确定等困难问题,本文提出一种基于实景图像的多特征融合的道路交通标志检测方法。论文把样本分为了训练和测试样本,首先对训练样本图像进行盲复原处理;其次对复原处理后的图像进行自适应性的形状区域裁剪,提取裁剪区域图像的颜色、纹理和形状特征;再次分别对颜色、纹理和形状特征进行SVM分类检测,从而获得颜色、纹理和形状三个分类模型;最后对模型的权值进行自适应性计算,得到加权的特征融合模型。通过测试样本对模型的检测,结果表明特征融合识别方法有很高的准确度,另外对比实验得到的对比数据显示融合模型提高了道路交通检测的准确度和鲁棒性。