基于机器视觉的铁路调车信号识别研究

提出一种基于改进的霍夫（Hough）变换的调车信号灯识别算法。该算法利用信号灯图案的几何性质简化了计算,可以应用于快速变化的实时图像序列。对现场获取的图像序列的处理验证了本算法的有效性。     

基于时空关系模型的交通信号灯的实时检测与识别

交通信号灯的检测与识别是无人驾驶汽车和高级驾驶辅助系统(ADAS)的重要组成部分。针对城市道路复杂环境下的交通信号灯的检测和识别需求,依据多帧视频图像序列的时空连续变化关系构建多帧视频图像的时空关系模型(Time-Space Model,TSM),提出了一种新的基于多帧视频图像序列的交通信号灯的检测和识别算法。算法包含3部分:基于颜色的视频图像快速分割压缩算法,用于提高计算效率;引入多帧视频图像序列的时空关系模型,以提高交通信号灯检测的准确性 ;根据图像的HOG(Histogram of Oriented Gradient)特征,通过SVM(Support Vector Machine)分类器对信号灯进行识别。实验结果表明,算法的鲁棒性强、检测识别速度快、准确率高。     

城市环境中交通信号灯准确识别与状态估计

根据交通信号灯灯板颜色和形状定位图像中的灯板位置. 将灯板区域的彩色图像转换到YCbCr 空间, 分割灯板区域中的红、黄、绿三色区域, 利用交通信号灯的形态特性定位交通灯位置. 用Gabor 小波和2 维独立分量分析提取感兴趣区域的特征, 送入最近邻分类器分类信号灯的类型. 用代表性的观测序列建立隐马尔科夫模型, 并结合识别和跟踪结果估计信号灯状态. 实验结果表明, 该算法能可靠、准确地识别出信号灯, 并有效地估计出信号灯的状态.     

基于网络流跟踪的信号灯检测方法

结合信号灯信息对机动车行进速度进行引导,减少机动车启停次数,可有效减少废气排放,缓解其造成的污染问题。针对信号灯转换时刻的获取问题,提出了一种基于网络流跟踪的信号灯检测方法。首先,该方法在数据集中引入辅助信号灯类别进行训练,将视频序列中该类目标检测结果关联为踪片,并通过踪片建模多目标跟踪任务。其次,该方法将多目标跟踪任务转换为最小费用流优化任务,以踪片作为节点建立最小费用流网络,提出了适合于信号灯的费用构建方式,通过最短路径算法求解,得到视频序列中辅助信号灯的多条轨迹。最后,基于求解的轨迹结果和图像分类技术,实现信号灯检测性能的提升。该方法的跟踪性能相较于对比算法有大幅提升,并将小目标信号灯检测响应的mAP提升至94.35%。实验结果表明,基于网络流的建模方式能极大地提升信号灯的跟踪准确率,结合跟踪轨迹还能大幅提高视频序列中小目标信号灯的检测准确率,并可有效确定信号灯状态的转换时刻。     

单交叉路口交通灯实时配时算法的研究

研究了城市道路交通信号实时控制系统的问题,重点论述了单交叉路口交通信号灯控制(点控制)模型的实时配时算法.根据城市交通流分布规律,设计出流量序列生成算法来模拟实时交通流;通过建立信号灯动态模型从而获得最佳周期长度和有效绿灯时间,然后采用模糊控制算法对信号灯配时方案进行实时的动态优化调整,并建立基于排队的车辆延误模型来对模糊控制算法进行评价.计算机模拟仿真的结果表明所设计实时配时方案比定时配时方案有显著的改善.     

基于DBN图像识别的机房巡检系统设计研究

针对电力系统信息化问题提出了一套智能化机房巡检系统,硬件结构包括轨道车装置、云台及工业相机等,软件系统基于Windows平台进行开发,采用B/S三层架构。鉴于服务器信号灯本身较小并发光,且在一幅图像中往往分布有多个多种状态的信号灯等问题,给出了一种新的更加有效的信号灯图像特征——RGB极大比值（RGBMR）的提取算法。运用深度置信网络（DBN）对信号灯图像进行评估识别,RGBMR特征数据的一部分用于DBN模型的训练,另一部分则用于测试。大量的实验分析,以及与图像HSV空间特征和BPNN网络识别效果的对比研究证明,所提算法能更准确地识别信号灯状态图像,该系统能有效地应用于机房巡检中。     

植物根系原位CT图像分割方法的研究进展

植物根系原位CT图像的分割是植物根系三维重建和定量分析的基础.在综述了有关领域常见图像分割算法的基础上,分析了植物根系原位CT序列图像分割研究中存在的问题,提出了原位根系CT序列图像分割算法研究的新思路.指出原位根系CT序列图像分割算法的研究应针对CT序列图像的特点、结合根系空间构型的先验知识,综合利用数学形态学、模糊理论以及神经网络等理论方法,重点在提高算法的精度和鲁棒性.     

图像序列运动估计技术综述

图像序列运动估计是通过对图像序列的分析,得到图像全局运动量或局部物体运动量的一种重要技术方法,它已经广泛应用于国民经济的很多领域中.在对图像序列运动估计定义的基础上,首先将图像序列运动估计算法分为图像块法、像素法、特征法和相位法等四类,对各类方法中主要算法的基本原理进行了详尽的阐述,并比较了各算法的优缺点;然后探讨了图像序列运动估计算法在视频编码、电子稳像和图像配准等领域内的应用;最后展望了图像序列运动估计技术的前景和发展趋势.     

室内环境下基于图像序列拓扑关系的移动机器人全局定位

针对室内环境结构相似的特点,提出一种基于图像序列拓扑关系的移动机器人全局定位算法.首先,提取图像的Gist描述子,并提出一种局部极值算法,将环境划分成若干组不同的图像序列.然后,使用ESN(echo state network)对每一组图像序列在时间上进行双序训练,提取鲁棒的图像序列特征,再利用空间上的双向匹配策略实现图像序列特征的匹配.最后,采用HMM(hidden Markov model)对图像序列间的拓扑关系进行建模,将移动机器人全局定位问题转化成有向无环图中最长路径求解问题,并通过实验对该图像序列划分和序列建模方法进行验证.与基于单帧图像匹配的算法、SeqSLAM算法以及Fast-SeqSLAM算法相比,该算法在室内走廊环境和办公环境中均可实现100%的定位.特别是在室内办公环境中,机器人仅需要运动0.80 m便可以对自身进行准确定位.实验结果表明,该算法具有较强的鲁棒性、较高的定位准确性和定位效率.     

应用圆形度和颜色直方图的交通信号灯识别

针对智能车辆介绍了一种在城市环境中识别交通信号灯的新方法.该方法先对原图像进行预处理,过滤不符合形态学准则的区域.计算候选区域的圆形度和背板的颜色信息,把圆形度符合和背板为黑色的区域作为交通信号灯区域.并将检测到的交通信号灯区域图像从RGB空间转换到HSV空间中,用颜色直方图对图像的H分量进行分布统计,根据其分布特征来识别交通信号灯的类型.实验结果表明,该方法能有效地识别复杂环境下的交通信号灯.     

一种鲁棒的序列图像自动拼接方法

针对传统图像拼接方法中鲁棒性差、计算量大及自动化程度低等问题,提出一种鲁棒性高的序列图像自动拼接方法。该方法首先采用Harris角点检测算子对经Wallis滤波后的序列图像进行特征点提取,并结合Forstner算子对特征点进行精确定位。然后基于所提取的特征点,采用邻域灰度互相关法进行序列图像的特征点匹配,得到粗匹配点集,并运用RANSAC算法对粗匹配点集处理得到精匹配点集,由精匹配点集求出较高精度的基础矩阵及极线,并由极线约束引导匹配得到高精度的匹配点对,再运用双向松弛整体匹配算法进一步剔除少数位于极线上的误匹配点。最后利用所得的高精度匹配点对,求解序列图像间的仿射变换关系,并进行图像的坐标变换和融合,从而实现序列图像的自动拼接。实验结果表明,该方法拼接效果理想,鲁棒性高,整个拼接过程全自动,不需要人工干预,具有较高的实用价值。     

基于压缩感知和DNA编码的图像加密算法

针对传统图像加密算法安全性能差和传输效率低等问题,提出了一种基于压缩感知CS和DNA编码相结合的图像压缩加密算法。首先,采用CS对待加密图像进行预处理,在预处理过程中由克罗内克积KP构造测量矩阵并按比例缩小原始图像。接着,利用超混沌Bao系统产生的混沌序列动态控制DNA编码、解码和运算方式,对压缩图像进行加密和解密。最后,通过重构算法得到重构图像。该算法最大限度地利用了超混沌Bao系统产生的混沌序列,通过将生成的混沌序列整数化,对原始图像进行DNA扩散操作。仿真实验和结果分析表明,该算法能有效提高图像的传输效率和安全性。     

基于Hu向量相似度的图像序列自动排序算法

为了实现全景图拼接中图像序列的自动排序,提出了一种利用图像Hu矩向量相似度的图像序列全自动排序算法。首先利用图像的七个Hu矩构造一个矩向量,然后计算两个矩向量的欧氏距离,用以表示两幅图像的相似度,最后根据图像序列中各图像之间的相似度实现全自动排序。实验结果表明,该算法能有效地实现顺序混乱的图像序列的自动排序;同时,对图像序列中存在旋转及尺寸大小不同的特殊情况也能很好地处理。     

基于光流网络模型的岩心CT序列图像裂缝分割

由于CT序列图受到成像物体和设备精度影响,传统的CT序列图分割方法需要大量的图像运算,提取的裂缝容易受到噪声的影响。对此,将CT序列图看作一个连续变化的视频序列,使用光流神经网络模型进行帧间变化检测,通过区域聚类和光流阈值实现目标的分割。实验结果表明,该方法很好地解决了岩心CT序列图的裂缝分割,并提高了分割的自动化水平。     

云环境下基于自然对数序列的似混沌序列图像加密方案

针对云计算中图像数据的安全问题,提出一种基于自然对数序列的似混沌序列图像加密方案.提出自然对数序列的概念,验证其似混沌特性;使用二维猫映射对图像进行像素置乱,并在此基础上利用SM3杂凑算法和自然对数序列进行像素值扰乱,得到加密图像;在离散对数的假设下,证明方案具有IND-CCA安全.仿真实验表明,该方案在安全性上与混沌...     

Video Panorama for 2D to 3D Conversion

Accurate depth estimation is a challenging, yet essential step in the conversion of a 2D image sequence to a 3D stereo sequence. We present a novel approach to construct a temporally coherent depth map for each image in a sequence. The quality of the estimated depth is high enough for the purpose of2D to 3D stereo conversion. Our approach first combines the video sequence into a panoramic image. A user can scribble on this single panoramic image to specify depth information. The depth is then propagated to the remainder of the panoramic image. This depth map is then remapped to the original sequence and used as the initial guess for each individual depth map in the sequence. Our approach greatly simplifies the required user interaction during the assignment of the depth and allows for relatively free camera movement during the generation of a panoramic image. We demonstrate the effectiveness of our method by showing stereo converted sequences with various camera motions.     

Towards Written Text Recognition Based on Handwriting Experiences Using a Recurrent Neural Network

In this paper, we propose a model for recognizing written text through prediction of a handwriting sequence. The approach is based on findings in the brain sciences field. When recognizing written text, humans are said to unintentionally trace its handwriting sequence in their brains. Likewise, we aim to create a model that predicts a handwriting sequence from a static image of written text. The predicted handwriting sequence would be used to recognize the text. As the first step towards the goal, we created a model using neural networks, and evaluated the learning and recognition capability of the model using single Japanese characters. First, the handwriting image sequences for training are self-organized into image features using a self-organizing map. The self-organized image features are used to train the neuro-dynamics learning model. For recognition, we used both trained and untrained image sequences to evaluate the capability of the model to adapt to unknown data. The results of two experiments using 10 Japanese characters show the effectivity of the model.     

基于多维混沌系统的自适应加密算法

提出了一种基于多维混沌系统的自适用加密算法,先从矩阵的某个元素开始遍历各个元素.根据图像的行的遍历顺序来决定的列的置乱顺序,再根据列的遍历顺序来对行进行置乱.然后使用三维Liu混沌系统对置乱后的图像进行加密.理论分析和实验表明,该方案具有良好的密码特性.     

双混沌和广义Gray码相融合的图像加密算法

针对部分现有图像加密算法加密效率与安全性的不足,提出了一种新的图像加密算法。算法利用Kent映射对图像进行分块重排列,然后再重新进行全局位置置乱。接下来利用Logistic映射构造下标序列,利用下标序列对置乱图像的像素点进行异或。最后将异或后的像素值进行广义Gray码变换。实验表明,该算法加密后的图像满足如下特点：足够大的密钥空间、均匀分布的灰度直方图、弱相关性等。该算法具有良好的安全性和加密效果。     

基于活跃熵的序列图像脆弱性增强仿真

针对传统序列图像未对相邻脉冲图像进行精确对准,导致序列图像脆弱性的增强效果较差等问题,提出基于活跃熵的序列图像脆弱性增强模拟方法。利用对均匀运动目标多个相邻脉冲的时延时间伸缩分布图的特征提取,获取序列图像的运动参数;通过传统的相关成像原理获取到目标散射点的时延时间分布像,将时延伸缩分布像转换为序列图像的几何像;再通过图像熵技术对多个相邻脉冲图像进行精确对准,以达到序列图像脆弱性增强的目的。为了验证序列图像增强效果进行仿真,充分验证了所提方法的实用性以及优势。