基于KL变换和支持向量机的空闲车位检测方法

空闲车位自动检测是现代智能化停车场设计时面临的重要问题,针对此问题,提出了一种基于KL变换和支持向量机的空闲车位自动检测方法,算法首先对经过灰度化和滤波处理后的车位图像进行KL变换,将车位图像从图像空间映射至特征子空间,从而提取出用于检测的特征参量;在此基础上利用训练后的支持向量机完成空闲车位的检测。实验结果表明,该方法能够有效检测出车位的停车信息,对噪声不敏感,且能够对不同环境采集的车位图像具有很强的适应性和鲁棒性。     

基于窗阈值局部二值模式的织物疵点检测算法

为准确描述不同织物的纹理结构,提出一种改进的局部二值模式,为不同纹理特征创建了相应的主要概率模式子集.在该特征提取算法的基础上设计了一种基于窗阈值的织物疵点检测算法,并对无图案和有图案织物分别设置了参数.该算法首先使用自适应局部二值模式获取无疵点织物图像特征并确定疵点判断阈值,然后将待检测织物图像分割为大小相同的检测窗,并提取同样特征与阈值进行比较,以判断该窗是否为疵点窗.对无图案和有图案织物的参数分别进行了讨论分析,以获得精确的分割结果.实验证明,所提出算法的疵点检测结果在视觉上更加细腻、误检率更低.     

基于视觉的车位线识别算法

提出了一种自动泊车系统中采用视觉方法通过识别车位线来确定泊车位的算法。采用金字塔分层搜索策略,首先,在灰度直方图上应用K均值聚类法对图像进行二值化,提取车位线骨架,采用Hough变换检测骨架,并利用基于密度的无参数聚类方法对骨架线聚类,在金字塔高层图像上确定车位角点候选点;然后,在金字塔最底层图像上选择感兴趣区域,采用改进的基于距离变换的骨架提取算法提取骨架,使用遗传算法对车位角点骨架进行精确匹配,根据实际车位角点的分布特征确定目标车位;最后,在室外不同环境下采集多张车位图片进行算法的有效性和快速性验证实验。实验结果表明,采用基于视觉的车位线识别算法进行车位检测能较大地提高检测的效率和识别正确率。     

基于改进LBP和DBN的人脸识别算法研究

针对传统LBP算法的人脸识别易受光照、背景、遮挡等因素的影响,使用改进局部二值模式(LBP)和深度信念网络(DBN)相结合的方法,用多尺度块局部二值模式(MB-LBP)算法获取人脸图像的纹理特征,在此人脸纹理特征的基础上使用中心对称局部二值模式(CS-LBP)算法获取图像的纹理特征,然后将两次获得的纹理特征图像的直方图进行融合,并将其输入到DBN中进行训练,优化网络参数。     

基于超声波雷达的改进车位检测算法研究

针对传统车位检测算法因难以捕捉距离跳变和确定车位姿态而导致检测准确性不足的问题，提出了一种基于拟合特征线段的改进车位检测算法。针对超声波雷达幅值衰减设计了能量增益补偿方案；根据车辆实时位姿和超声波距离数据拟合代表障碍物轮廓的特征线段，借助激光雷达对特征线段拟合精度进行评价，并进一步设计了融合车位初步检测、车位再判断、车位约束条件判断及车位姿态计算的检测流程。利用实车平台对所提算法进行了实验验证，实验结果表明，所提算法的平均检测准确率达92.5%，能为智能汽车泊车系统提供准确、可靠的目标车位信息。     

基于图像纹理的散料装车料位识别试验研究

针对散料自动装车中超声波料位检测方法不能反映料堆实际形态的缺点,提出了基于图像纹理识别的料位检测方法。首先,对原图像进行同态滤波及二值化预处理,以增强图像纹理并减小纹理特征提取计算量;然后,计算装车图像的共生矩阵纹理特征,并对所计算的特征进行主成分分析降维;最后,利用决策树分类算法对装车料位图像进行分块识别并拟合出直线料位。试验结果表明,所提方法料位识别平均偏差为6.5像素,料位识别率为96%,每帧图像处理时间约0.2s。算法基本满足散料装车料位实时检测的要求。     

局部Walsh谱描述图像纹理特征的旋转不变性

为了有效地进行纹理分析,提出一种基于局部Walsh谱的纹理特征旋转不变性描述方法。首先,比较每个像素点与其邻近点的灰度值生成局部二值序列,并计算序列离散Walsh变换的功率谱;然后,采用功率谱的各谱点值构成特征直方图描述纹理特征;最后,从序列的列率特性出发,构造了新的两族局部Walsh谱,揭示了局部Walsh谱与局部二值模式之间的联系。因为离散Walsh变换功率谱具有循环移位不变性,所以局部Walsh谱具有先天的旋转不变性。实验结果显示,与灰度共生矩阵和Gabor滤波器组相比,局部Walsh谱的纹理分类准确率较高;与局部二值模式相比,在相同尺度下局部Walsh谱的分类准确率比其高出3%以上,对两幅旋转纹理图像分割的错误率比其低11%和3%,表明提出的方法具有较好的纹理鉴别能力和旋转不变性。     

基于对象性和多层线性模型的协同显著性检测

针对背景环境复杂的图像组中协同显著性检测的共显性目标混乱不一致、准确率低的问题,提出了一种基于对象性和多层线性模型的图像协同显著性检测方法。首先通过显著性先验和对象性概率加权的背景引导因子BGO计算图像间显著性引导传播的显著值;然后设计了一种局部区域特征计算图像内显著值,并使用图像的hu矩的零、一阶和二阶矩对两阶段显著值进行整合;最后通过多层线性模型自适应地融合各个显著图得到最终结果。实验结果表明:本文算法分别在iCoseg和MSRC两个数据集上的平均精度达到了87.80%和83.50%,在其它实验指标上的评估结果也有明显提高,增强了算法的适应能力。     

基于改进Mask-RCNN算法的车位检测研究

车位检测是自动泊车至关重要的环节,在复杂情况下,为同时实现自动泊车视觉系统对车位识别和车位状态分类,提出一种基于改进掩模区域卷积神经网络(Mask Region Convolutional Neural Network,Mask-RCNN)算法的C-Mask-RCNN车位检测算法。C-Mask-RCNN车位检测算法通过在Mask-RCNN算法的ResNet50特征提取网络中增加卷积块注意力模块(Convolutional Block Attention Module,CBAM),使模型更加关注车位相关的语义信息。利用C-Mask-RCNN车位检测算法中的区域卷积神经网络(Regions with Convolution Neural Network,RCNN)分支网络进行车位检测,实现Keypiont分支进行车位8个关键点的预测。实验结果表明,改进后的C-Mask-RCNN车位检测算法较Mask-RCNN算法在车位类型识别平均精确率上提升7.4%,在车位状态识别平均精确率上提升11.1%,并且车位线关键点预测的平均像素误差减少15.1 px。     

基于纹理特征和双门限分割技术的SAR图像目标快速检测方法

针对已有的SAR图像目标检测算法多关注于如何提高检测概率而忽视检测效率,提出了一种同时具有较高检测概率和效率的检测新算法。首先,对原始SAR图像进行网格化,得到一系列网格;然后,根据每一个网格内的纹理特征和相应的鉴别准则将各个网格分为杂波区域和目标区域;最后,利用双门限分割技术提取出目标区域内完整的感兴趣区域。文中研究了用于分类的纹理特征包括:偏斜度、峰度、对比度、变差、差平均。实验结果表明,该方法产生的虚警极少,而且与单元平均恒虚警率检测器相比,检测时间至少可以降低60%(取决于算法选择的纹理特征)。     

引入梯度分布特征的图像背景杂波度量

为提高图像背景杂波度量法对目标获取性能的预测精度,本文基于人眼视觉对物体边缘敏感的视觉特性,将区域梯度分布作为新的结构特征,提出了引入梯度分布特征的图像背景杂波度量法。首先,采用梯度方向直方图表征目标结构特征,选用巴氏系数度量图像目标和背景杂波在两个梯度方向直方图的相似性;然后,将基于图像结构相似性度量方法得到的结构相似性信息进行加权;最后采用D.L.Wilson提出的目标获取性能模型作为目标探测概率、虚警概率和搜索时间的预测模型对Search_2数据库中的目标进行了获取性能预测。结果显示,提出的图像杂波度量法提高了目标获取性能模型的预测精度,得到的线性相关系数分别为0.870、0.845、0.897,均方根误差分别为0.0569、0.0469、2.129,与实际观察者获得的一致性较高,且没有明显的野点,预测性能明显优于现有其他杂波度量方法。     

局部方向模式在非接触掌纹识别中的应用

提高非接触掌纹识别系统的性能是目前掌纹识别领域一个具有实际意义的热点。针对非接触掌纹识别系统的鲁棒性问题,以掌纹图像的纹理特征为基础,提出一种基于局部方向模式(LDP)的掌纹识别方法,设计并实现了符合应用环境的嵌入式系统。LDP方法主要利用了Kirsch八方向算子的边缘响应值,从而获取图像的纹理方向模式特征。首先给出LDP算法的基本模型和流程,然后将非接触掌纹图像分成大小均匀的区块,利用LDP算法获取不同区块的纹理特征直方图向量,并进行融合形成总的模式特征,最后使用Chi距离测度进行匹配识别。在香港科技大学(HKUST)和自建的非接触掌纹图库上进行了实验测试,结果表明,该方法正确识别率可达97.824 4%和96.754 7%,相比其他典型和流行方法,最高可提升6.452 9%和5.995 6%。同时在室内环境下,利用自行设计的嵌入式原型装置进行了初步实际测试,结果表明,该方法正确识别率可达96.193 3%,具有可行性和有效性,提高了非接触掌纹识别系统的性能。     

基于区域划分的多特征纹理图像分割

由于纹理图像的复杂性和多样性,仅依靠传统的单一特征实现纹理图像分割无法满足其对分割精度的要求。本文提出结合区域划分的多特征纹理图像分割方法。首先,依据像素灰度的空间相关性定义多个纹理特征;然后利用区域划分将图像域划分成不同子区域,待分割同质区域由这些子区域拟合而成;通过分别定义多个特征图像的同质区域之间的异质性势能函数和刻画各子区域邻域关系势能函数来定义全局势能函数,并构建非约束吉布斯概率分布,从而建立纹理分割模型;最后,采用M-H算法采样上述概率分布,从而获得最优图像分割结果。分别对模拟纹理图像、遥感图像、自然纹理图像和SAR海冰图像进行了分割实验,并与利用单一特征得到的分割结果进行对比分析,定性和定量的测试结果验证了算法的有效性。     

基于信息熵和组合纹理特征的熟料状态检测

基于信息熵和组合纹理特征提出了回转窑熟料烧结状态检测方法.利用信息熵对窑头图像序列进行分析以消除粉尘干扰导致的坏帧;对提取出的熟料感兴趣区计算了隶属于纹理统计学方法的灰度直方图法、灰度共生矩阵、灰度游程矩阵、灰度梯度法共32个统计学纹理描述子,结合MI互信息参数确定了10个区分度高的纹理特征待选集;基于K-NN分类器实现了过烧、稍过烧、正烧、稍欠烧和欠烧5种不同烧结状态的熟料检测.实验结果表明该方法仅用灰度共生矩阵的SA和灰度游程矩阵的Vert_LRE这2个纹理参数熟料状态动态识别率达到86.5％,对实现回转窑熟料烧结状态检测具有较好的实用价值.     

一种改进的高斯混合模型的玻璃缺陷分割方法

针对传统玻璃缺陷检测技术准确率较低、时间长、精度低等难点,提出了一种改进高斯混合模型的玻璃缺陷图像分割方法。首先,基于分数阶微分运算获取灰度特征,并利用灰度共生矩阵提取纹理特征,构建玻璃缺陷完整的双特征观测数据;然后,引入相邻像素间的空间关联性和约束性,通过交替进行基于双特征随机场评估像素点与标号场之间的对应关系和空间约束来完成玻璃缺陷分割;最后,在不同温度系数参数β下对分割算法进行了性能测试实验,同时,与当前流行的分割算法对4种不同类型的玻璃缺陷进行了性能比较实验。实验表明该算法能够提高图像分割的鲁棒性和精确性。     

一种智能摄像机网络中重叠区域的快速探测方法

重叠区域探测是构建多摄像机传感网络的一个基本问题。多摄像机协作视觉分析任务中，摄像机必须知道相互位置关系。本文提出了一个基于图像匹配快速重叠探测方法，该方法适用于非标定的摄像机网络。该方法利用关键点的局部图像描述匹配完成重叠区域标定。其中关键点探测使用了最新的SURF（speedup robust feature）算法，该方法适用于实时计算。局部图像描述采用简单易算的LPB统计直方图，该局部图像描述具备光照，旋转不变特征。本文在实际的智能摄像机网络进行了测试，取得了良好的效果。     

结合SVM后验概率的散料料位识别试验研究

提出了一种散料装车料位的图像检测方法,该方法将待处理料堆图像分为若干不重叠的子块,对各子块进行了同态滤波、二值化及二值共生矩阵纹理特征提取,并根据纹理特征对各子块进行了分类识别。在识别过程中,提出了一种基于SVM及其后验概率的料堆识别方法,建立了位于交界位置子块的SVM后验概率与其中料堆目标所占比例的关系模型,并将仅采用SVM对子块识别后的料位拟合结果与其后验概率输出相结合,在这些交界位置子块内进行了进一步的图像分割。试验结果表明,所提出的方法与仅采用SVM子块识别的料堆轮廓及料位拟合误差相比,分别减小42%和56%,平均误差分别为0.4517pixel和0.2586pixel,在MATLAB下每帧处理需0.2s。     

面向机柜表面缺陷检测的不均匀光照和低亮度图像增强方法

光照条件是大尺寸机柜表面缺陷检测的重要影响因素。当光照分布不均匀或光照强度不足时,采集得到的机柜表面图像质量低,造成缺陷检测误差。为此,提出一种融合卡通纹理分解和最优双曲正切曲线的图像增强方法。首先,采用导向滤波将机柜表面图像分解为卡通图和纹理图,利用高斯尺度空间理论建立光照模型,实现不均匀光照去除;其次,研究图像的双曲正切曲线性质,通过图像加权拉伸实现低亮度图像增强;最后,采用对比度、亮度和灰度方差乘积对图像增强效果进行评价,同时对增强前和增强后的图像进行缺陷检测,进行对比分析验证。实验结果表明,该方法能实现光照不均且低亮度的机柜表面图像增强,机柜表面缺陷检测的准确率显著提升,召回率提高了29%,F值提高了21%。