结合图像分割和点云分割的障碍物检测算法

针对单目图像检测障碍物的低可靠性和当前双目视觉检测障碍物的局限性的问题,提出一种结合图像分割和点云分割技术的双目视觉障碍物检测方法。通过设定检测深度范围,分割障碍物点云与道路点云;采用将分割出的障碍物点云对应的视差图与图像分割得到的子图进行比较的策略,有效解决对不同深度、倾斜面和不规则障碍物检测效果差的问题。通过实验验证了在获得稀疏三维点云的情况下,该方法对障碍物的检测具有较好的鲁棒性。     

基于HOG特征的行人视觉检测方法

行人检测是近年来计算机视觉领域中备受关注的前沿方向和研究热点.以单目视觉传感器作为外界环境信息获取的主要手段,建立了一个包含行人分割、识别的检测系统.根据行人特有的一些特征,提出了基于垂直边缘和边缘对称性的行人分割方法,并进行精确定位.在行人识别阶段利用HOG特征进行特征提取,然后利用线性支持向量机进行行人识别.对大量...     

视频图像理解在客流统计中的应用

视频图像理解侧重于对时间序列进行分析,既涉及到图像的空间特性,也涉及到视频序列的时间特性,是目前计算机视觉领域的一个研究热点,而客流统计是视频图像理解的一个重要应用.提出了视频图像理解的层次结构,即视频图像分割、目标识别、场景和行为理解,同时对每个层次的操作对象、任务和技术领域进行描述,然后总结了客流统计方法的一些研究成果,将客流统计分成行人计数和人群密度估计两种问题,并利用该层次结构解决这个实际应用.     

基于计算机视觉的稻米垩白检测方法研究

为有效解决稻米垩白检测问题,提出了一种基于计算机视觉的自动检测方法.该方法先建立稳定的可获得高质量稻米图像的垩白检测系统,然后利用夹角分析法对图像中的稻米进行粘连分割,通过改进的最大熵多阈值自动分割原理,实现背景,稻米非垩白区域与垩白区域自动分割,再对分割后图像中伪垩白区域进行去除,提高垩白检测的精确度.最后计算垩白指标结果与人工法检测进行比较,验证该方法是可靠的、快速的和高精度的.     

电子印章图像的分割技术

首先介绍了图像分割的几种典型技术,包括基于边缘检测的图像分割、阈值分割和基于颜色分量的图形分割.并通过实验证明了基于颜色分量的图形分割技术能够对电子印章图像进行快速、准确的分割,尽可能减少分割过程中造成的图像信号的衰减,大大提高图像分析的质量,为后续去噪和图像增强提供良好的图像分析.     

基于语义分割的钢轨表面缺陷实时检测系统

钢轨表面缺陷检测是铁路日常检测的重要部分,根据现代铁路自动化检测技术对实时检测和适应性的要求,构建了一个完整的钢轨表面缺陷识别和分析系统.根据机器视觉的基本原理,设计了一种带有LED辅助光源和遮光箱的图像采集装置,并将采集到的图像进行人工标注,建立了一个较为庞大的具有语义分割标注的钢轨表面缺陷数据集;将高级语义分割技术应用于钢轨图像分析,利用一种级联自编码结构(CASAE)的语义分割网络,将缺陷图像转化为基于语义分割的像素级预测掩码,并通过紧凑型卷积神经网络(CNN)将分割结果进行分类,从而实现钢轨表面缺陷的识别与分类;构建了智能化的人机交互系统,并将系统通过仿真实验的方式进行测试.实验结果表明,系统的检测准确率达到90％以上,每幅图像的平均处理时间为245.61 ms,可以在一定程度上代替人工检测,实现对钢轨缺陷的数字化管理.     

车辆辅助驾驶系统中基于计算机视觉的行人检测研究综述

基于计算机视觉的行人检测由于其在车辆辅助驾驶系统中的重要应用价值成为当前计算机视觉和智能车辆领域最为活跃的研究课题之一. 其核心是利用安装在运动车辆上的摄像机检测行人，从而估计出潜在的危险以便采取策略保护行人.本文在对这一问题存在的困难进行分析的基础上，对相关文献进行综述. 基于视觉的行人检测系统一般包括两个模块:感兴趣区分割和目标识别，本文介绍了这两个模块所采用的一些典型方法，分析了每种方法的原理和优缺点. 最后对性能评估和未来的研究方向等一系列关键问题给予了介绍.     

基于模糊集理论的医学图像分割的应用

图像分割是医学图像处理、分析、研究的基础.由于人的视觉特性和数字图像本身所具有的模糊性,使得图像分割问题是典型的结构不良问题.而模糊集合论具有描述不良问题的能力,模糊集理论应用于图像分割是针对图像模糊性非常有效的方法.对近年来基于模糊集理论的医学图像分割技术的应用和发展进行了综述和讨论,展望了基于模糊集理论的医学图像分割技术的前景和面临的挑战.     

应用改进视觉显著性度量方法进行图像分割

视觉注意机制是人类与生俱来的特有属性.在视觉注意机制的协助下,人类视觉系统可以有选择性地针对视觉信息进行处理并有效解决有限信息处理资源与海量视觉信息之间的矛盾.与现有基于计算机视觉机制的图像分割方法比较,本文提出改进视觉显著性度量方法生成的系统显著图能够更加准确表现原始图像中各个像素点的显著性值,根据系统显著图进行阈值分割便可以对前景目标和背景区域进行区分,不需要加入其他方法,这样既可以降低运算时间复杂度,又可以使得图像分割结果更符合人类视觉特点.本文算法对于包含前景目标可得到优良的图像分割结果,但本方法对于背景较复杂同时前景目标模糊的原始图像的图像分割效果不够理想.     

基于图像显著性检测的图像分割

图像分割在许多图像处理和机器视觉问题中是一个非常重要的过程,是将一幅图分割成几个显著的区域,然而不能将其中最显著的目标直接分割出来,需要进一步处理。为此本文采用显著性检测的算法实现了对目标的分割。显著性区域检测可以应用于目标检测、图像检索、图像分割等机器视觉问题。使用杨等人提出的基于图论的流形排序算法检测显著性算法得到显著性图,再结合mean-shift分割算法,实现了对视觉显著性目标分割提取,可获得可观的图像分割结果,并将此算法应用到了森林火灾检测中,能对图像中的火焰部分进行有效的分割提取。