基于自适应高斯滤波的红外机场跑道识别方法

针对前视红外地面目标图像背景复杂、噪声干扰大的特点,提出了一种机场跑道识别算法.首先,用基于梯度信息的自适应高斯滤波对图像预处理,平滑噪声、增强边缘,然后在Canny边缘检测的图像上,利用空间邻接关系、梯度等信息进行像素级的边缘点搜索,再用最小二乘法拟合直线,在已提取的直线符号上使用多种特征进一步连接修正,最后,利用几何特征、灰度信息进行跑道识别.经实测数据检验,本算法能够准确、快速地识别跑道.     

红外图像中机场跑道的自动目标识别

针对红外机场跑道图像特点，提出了一种用于提取跑道中心点的算法。该算法包括空域滤波、边缘增强、边缘细化、边缘搜索、直线拟合、直线修正、中心点识别等一系列处理。实验结果表明，这种算法具有良好的性能。     

长线状特征下机场跑道检测方法

为准确检测遥感图像中机场跑道区域,提出一种基于长线状特征的跑道识别方法。利用跑道在图像中的高对比度和整体的长直线特征,提取出潜在的跑道中心线。沿中心线各线点的法向扩展出有效边缘,并去除其中的小连通区域。对有效边缘进行Hough变换,提取满足机场约束条件的平行直线对。针对跑道建设标准中两端入口标志的高灰度值特点,沿提取所得平行线对的法向进行投影并搜索求出跑道两端。在混凝土跑道和沥青跑道上的检测效果表明,此方法能够有效去除复杂背景且具有较高的检测准确性。     

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.     

遥感图像中的机场跑道检测算法

利用机场跑道的高灰度特征和整体性检测遥感图像中的机场跑道。首先,利用模糊增强方法进行图像预处理;接着,对图像进行阈值分割获得二值图像,用像素标记法进行连通域提取,定位4个面积最大的区域作为疑似机场区域;然后,在疑似机场区域内,对图像进行Canny边缘检测,用Hough变换提取出直线段;最后,把含有最长平行直线的区域作为机场区域。实验结果表明,机场跑道检测算法能在遥感图像中准确有效地检测出机场跑道。     

基于结构特征的遥感图像机场目标识别

提出了一种遥感图像中机场跑道的自动识别方法。在分析机场结构特征的基础上。首先采用形态学方法提取图像的线结构;然后通过非监督聚类方法将直线段动态分组;最后进行直线段修复和跑道配对,实现对机场的识别定位。计算机仿真验证了该方法的有效性。     

遥感图像中无水桥梁识别新算法

 给出了边缘密度和线段复杂度的定义,并提出一种遥感图像中无水桥梁的识别新算法.首先对图像进行边缘提取,计算像素点的边缘密度,根据边缘密度进行图像分割,接着采用Hough变换提取直线,利用线段复杂度等确定疑似桥梁区域,然后计算疑似桥梁区域像素点的纹理特征,并构成一个特征矢量,最后将此特征矢量送入BPNN进行分类,统计该区域所有像素点的分类结果以判决是否属于桥梁.实验结果表明,该算法能够较好地识别出遥感图像中的无水桥梁目标.     

基于分形理论的红外图像机场跑道自动目标识别

针对红外机场跑道航空图像特点,提出一种新的基于纹理结构的机场目标自动识别方 法。根据红外图像中机场目标的灰度和分形几何特征,利用先假设后检验方法对感兴趣区域进行分割;然后利用形态学滤波完成机场跑道潜在目标的进一步分割;最后,根据机场跑道的几何特征,连接图像边缘点寻找机场跑道的两条平行直线;根据纹理图像直方图统计特征完成机场目标的自动识别。实验结果证明:该方法有较高的自动目标识别率和计算实时性。     

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。     

梯度方向图像分解的直线边缘提取算法

针对复杂背景下的直线边缘提取问题,提出了一种基于梯度方向图像分解,然后累积投影的直线边缘提取算法。该方法首先把图像分解成梯度方向子图像,再在子图像梯度垂直方向上进行投影,得到8个方向的投影序列。接着,对投影序列进行了二次非线性回归分析,得到了投影序列的残差序列,滤除原投影序列的低频成份。然后,提出了基于奇异点的支持邻域能量的判定方法,解决了残差序列奇异点提取问题,得到了直线边缘的位置。最后,建立了图像模型,分析了图像复杂度和可提取的直线边缘长度的关系,并进行了实验。该方法可以对直线边缘空间中的75%的直线边缘进行成功位置提取,满足复杂背景图像的直线边缘提取需求,具有良好的鲁棒性。     

LED阵列发光特性仿真和对比分析

LED正逐步替代传统卤素光源应用于机场助航灯,跑道警戒灯作为防止飞机入侵跑道的重要助航灯,针对其发光特性要求,提出对环形和方形LED阵列中心照度和发光角度研究。首先给出单LED光源在目标平面中心照度和发光角度的计算方法。其次在满足均匀排布的前提下,构造上述两种阵列,利用Matlab仿真在不同目标距离下对应的中心照度、发光角度及光斑半径的变化规律,并采用最小二乘法进行曲线拟合。最后通过光学软件TracePro进行追迹模拟仿真。结果表明:随目标距离的增大,两种阵列中心照度逐渐减小,光斑半径和发光角度逐渐增大,当目标距离小于8m时,两种阵列发光特性存在差异,环形阵列的中心照度较大,方形阵列发光角度较大,随着目标距离的增大,两种阵列的发光特性逐渐趋于一致。以4C级机场为例,分析得出上述两种阵列对A型警戒灯均适用,B型警戒灯适于采用方形阵列。     

视觉测量红外光点图像中心精确提取

提出了一种视觉测量中的红外光点图像中心提取方法。首先,使用一组阈值平面与红外光点灰度能量分布相交确定光点能量等高线,得到各等高轮廓点和阈值平面截得的能量包络。然后,利用最小二乘椭圆拟合等高线上轮廓点的椭圆中心,并计算阈值平面所截得的能量包络的质心,以椭圆中心和包络质心的黄金分割点作为等高层面上的光点中心。最后,利用各等高层面光点的中心获得红外光点图像中心的精确位置。试验验证结果表明,算法对红外光点图像中心提取可取得较高精度。目前,方法已在面阵静态红外地球敏感器标定中得到应用。     

基于密度聚类的光条中心线提取方法

为了解决线结构光3维测量中噪声光斑对提取精度的影响，采用了密度聚类灰度重心提取算法提取激光光条中心线。该方法由中心线预提取以及中心线最终提取两阶段组成，预提取阶段实现对激光与光斑两者中心线的同时提取，最终提取阶段采用基于连通性的密度聚类算法完整保留激光中心线并剔除噪声光斑。在仿真实验阶段，对大小为600pixel×600pixel、含有激光中心线的图像进行了加噪处理，并使用提取结果与真实中心线之间各点的均方根误差以及运行时间作为考察标准进行了实验研究。结果表明，该方法与传统灰度重心法相比，在高亮度各向异性光斑、高亮度小面积光斑、高亮度点噪声图像的均方根误差分别降低了12.59pixel，15.12pixel和83.36pixel，时间复杂度分别提高了0.383s, 0.412s和0.416s。该方法与传统灰度重心法相比具有更高的提取精度、近似的时间复杂度，且对噪声光斑具有较好鲁棒性，可以在噪声光斑图像中完整提取出光条中心线。     

基于固定翼飞机前视近红外图像的实时跑道检测

为实时、精确地提取固定翼飞机前视图像中的跑道区域,提出了一种惯性辅助的近红外图像跑道检测算法。首先利用惯性导航信息和跑道角点的大地坐标,生成虚拟跑道轮廓,并估计跑道感兴趣区域(Region of Interest,ROI);然后对ROI区域进行细节增强,从中提取直线段;在虚拟跑道轮廓的辅助下拟合跑道边缘线,提取跑道特征。经真实数据验证,所提法可以从机载前视红外图像中实时、精确地检测出跑道特征,在33 frame/s的帧率下检测准确率达97%。     

基于图像的晶粒定位技术研究

对基于图像的晶粒定位技术进行了研究,提出了一种利用绘制等间隔网格线定位晶粒位置的方法。首先对获取的晶圆片图像进行阈值分割,对分割后的图像进行晶粒边缘提取,依据提取的晶粒边缘和"非共线三点确定圆"的原理计算出三个相邻但不在同一条直线上的晶粒圆心坐标,计算出绘制网格的偏移和斜率,在晶圆片上绘制等间隔网格线来定位晶粒形心位置和晶粒缺失位置,精确控制微小芯片贴装过程中晶粒的拾起。实验结果表明,该方法能精确地识别出图像中的晶粒形心位置和晶粒缺失位置。     

以仪表结构为先验特征的指针式仪表图像识别

在指针式仪表图像识别方法中,为克服的指针定位易受干扰的问题,文中基于Canny边缘算子和Hough直线检测,提出了一种以表盘半径和指针的旋转中心作为先验特征的指针定位算法。首先以旋转中心为中点,表盘直径为边长,提取正方形的感兴趣区域以减小Canny算子的作用时间;其次将Hough变换后的所有直线与结构特征进行比较,剔除不满足距离和位置条件的干扰直线;最终结合Canny边缘算子特点,分析并修正数值计算的误差。