无人机视觉导航中的图像处理及位姿解算

在无人机自主着陆过程中,无人机视觉导航系统利用跑道图像解算出无人机的位置姿态信息,为飞行控制系统进行自主着陆控制奠定基础。对视觉导航系统中图像处理及位置姿态解算进行了分析和研究。基于模板匹配进行跑道识别;利用Hough变换提取跑道图像特征;采用最小二乘法对检测出的跑道边缘直线进行拟合并得出其在图像坐标系中的直线方程;基于空间的坐标关系变换,利用推导出的算法对无人机位置姿态进行了解算,并利用实际图像对所用算法进行了实验验证。     

前视红外图像中机场的自动识别

特定目标的检测识别是自动目标识别(ATR)的关键技术之一.机场作为典型的地面目标,一直是自动目标识别领域的热点研究课题.跑道作为最重要的特征被用于机场识别,主要因为其边缘由长直线组成,而且面积大易寻找.在基于启发式的边缘跟踪、直线拟合、合并的基础上,提出了一种新的四边形识别算法.对比由跑道的先验知识经透视变换得到的四边形与检测的四边形对应边长是否一致,来进行前视红外(FLIR)图像中机场的识别.试验表明,本算法充分利用跑道更多的特征信息,增加了机场识别的鲁棒性,并具有良好的识别性能.     

一种有效的基于边缘图像的机场跑道识别算法

边缘特征是图像的最底层特征,解决好边缘检测问题对多数目标识别系统都有重要的意义.针对机场跑道的直线段特征,提出了一种有效的基于边缘图像的机场跑道识别算法.首先,将方向小波变换用于目标的边缘检测,得到定位准确、边缘完整、冗余信息少的边缘图;然后两次遍历该图,改进Hough变换在提取直线段的同时,获得直线段端点坐标,精确定位出跑道位置.实验结果表明了该算法的有效性和准确性.     

基于蚁群搜索的直线检测算法

提出一种直线检测的蚁群搜索算法,以解决常用的直线检测方法抑制噪声能力不强、检测直线不连续的缺点.此算法首先进行边缘检测获取边缘点;然后利用边缘信息引导蚁群迭代搜索可能的直线边缘,根据直线的搜索长度更新蚂蚁运动路径上的信息素分布,使搜索逐渐向长直线收敛;最后,依据搜索路径的信息素遗留提取图像中的直线边缘.多组标准图像的实验表明:该算法能够有效地从图像中提取直线,同时具有较强的噪声抑制能力.     

基于直线提取的机场跑道识别方法

针对红外机场跑道图像的结构特点,提出了一种机场跑道识别和提取跑道中心点的算法。首先对红外图像进行空域滤波;然后采用Sobel算子提取边缘图像;接着提取所有可能的直线段,并计算它们的参数;接着对找到的直线段进行连接性测试,得到最终的直线提取结果;最后从找到的所有直线中搜索平行直线对,从中识别出机场主跑道的边缘,计算出跑道中心点。大量的仿真实验证明这种方法可以红外图像中准确、快速地识别出机场跑道和提取跑道中心点。     

结合光谱和尺度特征的高分辨率图像边缘检测算法

高分辨率遥感图像具有高度细节化的多尺度表达能力,在有效表达地物边缘信息的同时,目标内部几何细节常以噪声的形式出现.提出将光谱相异性和小波变换相结合的边缘特征检测算法,克服了小波变换导致的边缘变形,并能够有效抑制噪声.根据光谱角原理定义归一化光谱相异性模型,并与二进小波变换结合,同时利用梯度方向余弦值对各个波段的梯度幅值加权,最后根据向量场模型计算多光谱图像的梯度幅值和梯度方向,细化后获取由细到粗的多层次边缘特征.实验结果与小波变换和传统检测算子的检测结果相比,表明该算法利用光谱相异性信息增强边缘响应强度,保证了所有尺度下获取的边缘轮廓不失真,边缘点定位准确;加权处理突出了多波段梯度主方向信息,也有效抑制了高分辨率图像上目标内部精细几何细节形成的噪声.     

一种基于k均值的多相位水平集遥感图像分割方法

针对遥感图像的特点,本文提出了一种基于K-均值与改进的多相位水平集模型结合的新方法。相比于传统的水平集模型,改进模型在能量函数中考虑了图像的面积、梯度信息和边缘检测。图像的梯度信息可以克服分割中存在的边缘定位的不准确,边缘检测可以在曲线衍化过程中更好的保持边缘信息。为了加快边缘的收敛速度,避免陷入局部最优,本文提出先对图像进行中值滤波来平滑图像和消除部分噪声,然后利用K均值进行聚类得到明显的特征差异。接着用Sobel算子进行梯度重建,然后用改进的多相位水平集模型进行分割。实验结果显示本文的算法对于遥感图像的分割在时间和精度上都有较好的效果。     

基于边缘检测的车牌识别算法的实现

针对传统车牌识别的不足,本文提出了基于边缘检测的车牌识别的算法.该算法首先对摄像头获取的车牌图像预处理,去除图像无用信息,然后运用Robert算子检测车牌边缘,并对车牌区域进行图像较正,用高斯滤波法去除噪声并且提取车牌信息特征,接着对车牌区域水平和竖直方向运用触点定位法分割字符,对车牌分割后与相应字符模版匹配,利用预测模型预测识别结果,最后识别出车牌字符.     

一种抑制脉冲噪声的边缘检测算法

提出了一种针对脉冲噪声图像的边缘检测算法,算法借鉴了中值滤波的思想,并采用十字型卷积模板计算图像梯度。首先,对参与图像中梯度计算的像素点进行阈值判断,如果是噪声点,该点像素值用3x3窗口中值滤波结果值替代,然后参与梯度计算,如果不是噪声点则直接参与梯度计算;其次对梯度图像进行细化和二值化以提取边缘图像。实验证明,本文算法对脉冲噪声污染图像边缘检测效果良好,较好地抑制了脉冲噪声的影响,而且提取的图像边缘较细,轮廓清晰。和传统的边缘检测算法及基于小波模变换的边缘检测算法相比,算法在抑噪能力上和边缘提取效果上均比较优秀。     

一种简化卷积模板的抗噪型边缘检测算法

针对传统Sobel算法在边缘定位精度不高、抗噪性能差以及提取边缘较粗等不足,提出一种简化卷积模板的抗噪型边缘检测算法。算法定义了水平方向、垂直方向、45°方向和135°方向的四个简化卷积模板计算图像梯度。在计算方向梯度时,先对参与梯度计算的像素点采用阈值法进行脉冲噪声判断,将灰度值在设定阈值范围内的点视为噪声点,采用3×3窗口进行中值滤波,然后参与梯度计算,对于非噪声点,用其原值计算梯度;对获得的梯度图像进行细化处理并提取边缘图像。仿真实验表明,文中算法提取的图像边缘较细、定位精度较高,而且对脉冲噪声具有较强的抑制能力,图像整体清晰、噪声边缘较少。算法在边缘检测效果及噪声抑制能力上均优于传统的边缘检测算法及小波模变换算法。