一种无人机图像的铁塔上鸟巢检测方法

由于鸟巢造成的输电线路跳闸事件频频发生,已严重威胁到国家电网的安全运行,为了降低复杂背景的影响,提出了一种自动检测铁塔上鸟巢的方法,首先识别巡检图像上铁塔所在区域,考虑到铁塔是由不同方向的线材构成的空间图像,将巡检图像分块并分析不同方向的线段密度,判决是否属于铁塔区域,将检测的分块铁塔区域聚类,进而识别铁塔区域。在铁塔区域内,搜索符合鸟巢样本的HSV颜色特征量的连通区域,作为候选的鸟巢区域,分析候选鸟巢区域的形状特征参数,描述鸟巢粗糙度的灰度方差特征量,描述鸟巢纹理的惯性矩特征量,通过对无人机巡检采集的输电线路图像的测试,验证了这种方法能有效排除背景的干扰,有效检测出铁塔上的鸟巢。     

面向养殖网箱巡检任务的强化学习训练系统

网箱巡检是网箱养殖过程中的必要环节,利用机器人实现网箱无人化巡检是未来趋势。在真实水下环境中试验成本高、危险性大,目前尚缺乏适用的网箱养殖场景仿真平台。为此,论文设计实现了一个面向养殖网箱巡检任务的强化学习训练系统,给出了系统总体框架。首先基于UUV Simulator仿真实现一个网箱养殖环境。在此基础上,利用机器人操作系统（Robot Operating System,ROS）和OpenAI Gym实现强化学习训练系统。该系统可用于基于强化学习的网箱巡检控制策略训练,也可进行网箱巡检控制策略仿真和评估。最后,通过一个实验案例验证了该系统的有效性、可用性和方便性。该系统可提升网箱巡检控制算法的研发效率和安全性,进一步推动网箱养殖的智能化。     

一种网箱养殖区自动提取方法

网箱养殖区的动态监测与分析是水库环境监测的一项重要指标.鉴于网箱养殖区在影像中存在较弱的光谱和形状规律性,自动提取难度较大,提出了一种综合基于像元和面向对象优势的自动提取方法.首先,通过优化归一化差分水体指数(optimized normalized difference water index,ONDWI)将水体(包...     

一种基于纹理特征抽取的车牌定位预处理方法

研究了车牌区域的字符和边线纹理特征,改进了传统的Sobel算子,以求更好地提取车牌区域的45°,135°方向的边缘纹理;同时设计了两种模式滤波器,以滤除不具备车牌纹理特征的噪声纹理。实验结果表明,该预处理方法很好地突出了车牌区域的纹理特征,有利于快速、准确地定位出车牌所在的区域。     

一种基于纹理的车辆图像分割与提取算法

提出一种基于纹理特征的车辆分割与提取算法,该算法充分利用了车辆纹理、亮度、色度的重要信息,通过循环迭代法选取最优的阀值,通过汁算纹理掩码、亮度掩码、色度掩码,经过形态学操作和边缘提取,最终实现车辆分割.实验结果表明,本文的算法在多种复杂情况下具有较好的效果.     

基于机器学习图像识别分类的无人机电力巡检方法

为了提高无人机电力巡检的效果,设计一个基于机器学习图像识别分类的无人机电力巡检方法。设计巡检流程,控制无人机航迹,获得巡检图像,对图像灰度化处理及增强处理,采用去噪方法去除图像中的噪声,提取图像的局部纹理特征和尺度不变换特征,采用高斯金字塔确定极值点,提取到图像关键点,在此基础上,采用机器学习中的支持向量机方法对图像分类与融合,将处理后的数据作为输入层,采用人工神经网络不断计算,输出巡检结果,以此完成基于机器学习图像识别分类的无人机电力巡检。实验结果表明,所研究的电力巡检方法能够获得非常清晰的巡检图像,并在多个电网绝缘子识别上,具有较高的识别准确性,在电线缺陷上,漏检数量较少,有效提高了无人机电力巡检效果,满足方法的设计需求。     

一种新的图像边缘检测方法

图像边缘检测的传统方法一般仅基于边缘邻域的一阶或二阶导数,为了克服特征单一的缺陷,提出了一系列多特征的边缘检测算法,这类方法往往采用标准FCM聚类算法来达到边缘检测的目的,但是标准FCM聚类算法在类间数据量相差较大时容易产生错分,因此对图像中边缘点少而非边缘点多的特征数据库进行聚类分析,会产生一定的偏差,使图像的检测质量下降.对此该文提出了一种新的图像边缘检测算法,利用加权FCM算法代替标准FCM对特征矢量数据集进行分类,克服了上述问题,取得了较好的边缘检测效果.仿真实验也证明了新算法的有效性.     

一种基于纹理的图像分割方法

提出了一种基于多进制小波变换的纹理特征提取方法，通过对小波系数的标准差作为纹理测度以生成特征向量，利用模糊c-均值聚类算法进行纹理分割，获得了较好实验结果。     

基于几何法的无人机航迹规划

针对无人机的三维航迹规划问题,提出了一种基于几何法的航迹规划算法.通过对无人机飞行航迹的分析,将无人机航迹看作是由一系列直线、圆弧和螺旋线的有序组成.研究了无人机最大过载系数、最大平飞速度、升限等性能与航迹可行性的关系,得出生成最优航迹的限定条件.讨论了几何法无人机航迹规划的步骤.按照几何原理对无人机航迹进行了规划,将无人战斗机的机动性能在航迹中充分体现出来.计算机仿真结果表明用几何法规划的航迹具有较好的适用性.     

一种面向移动平台的无人机自主降落控制方法

准确获取无人机的位姿信息是顺利执行无人机自主导航、着陆的首要前提。由于GPS/INS导航系统的局限性和IMU惯性导航系统的误差,提出了一种基于视觉导航的方法。设计了"H"形图像的着陆标志,对机载摄像机采集的实时影像进行图像处理,利用世界坐标系到图像像素坐标系的映射关系得到基于视觉的无人机位姿估计模型,进而解算无人机当前的位姿估计值。上述方法提高了无人机的着陆安全性。仿真结果验证了算法的有效性和位态信息的精确度。     

舰船红外图像边缘检测方法对比研究

为了对海上舰船红外图像进行分割和目标识别,首先具体分析了六种边缘检测算子Roberts算子、Prewitt算子、Sobel算子、Log算子、Kirsch算子、Canny算子的检测原理,给出了各种检测算子的计算模板。然后采用Roberts算子、Prewitt算子、Sobel算子、Log算子、Kirsch算子、Canny算子对舰船红外图像进行处理,分析比较各个检测算法的检测优缺点。最后用Matlab语言编程实现各种检测算法,通过Matlab软件进行仿真实验,用各种检测算法处理舰船红外图像,直观的给出各检测算子的舰船图像处理效果,并对处理结果进行了比较,得出了在噪声干扰下,Canny算子更容易处理舰船红外图像的结论。     

基于遗传算法的输电线路无人机巡检路径规划

针对无人机有效、安全巡检输电线路的路径问题,提出了一种基于遗传算法的输电线路无人机巡检路径规划方法,采用极坐标编码方式对无人机巡检路径构造染色体;结合实际情况中的无人机巡检各种约束问题,设计了适合于无人机巡检路径规划的遗传算子;实验结果证明算法能综合考虑各种因素,提高了全局寻优能力,是解决实际输电线路无人机巡检路径规划问题的较好办法.     

储粮害虫图像边缘检测算法研究

阐述了基于机器视觉的在线粮库虫情测报系统的系统结构,论述了害虫图像边缘检测是该系统的关键模块。在此基础上详细分析了Roberts算子、Sobel算子、Krisch算子、高斯-拉普拉斯算子在害虫图像边缘检测中的应用。在VC++ 60平台上实现了这四种方法对粮样图像的边缘检测算法程序的同时,还分析比较了这四种算法对特定粮虫图像边缘检测处理效果的优劣。     

输电线路巡检无人机导航的语义交互方法

针对高空巡检环境的复杂性和不确定性,提出了一种输电线路巡检无人机导航的语义交互方法.基于本体方法构建人机交互的语义拓扑体系,形成具有感知运动数据处理的导航框架;其次,以语义拓扑关系为基础,结合谓词逻辑形式的背景知识,提出结构化路径导航方法,实现人机在统一的概念层次上路径导航的语义交互;最后研发了巡检导航的语义交互原型系统,通过实验证明:作为语义交互实例,本文所提方法可以为无人机电力巡线提供位置导航控制,实体名词提取满足实际期望估计且精度控制较高,为基于数据驱动的输电线路巡检提供了基础支持.     

基于小波变换的堆积小球图像边缘检测

以堆积球团矿图像为背景,研究了一种基于小波变换的堆积小球边缘检测方法。实验结果表明,该方法检测的图像边缘可以满足由计算机视觉方法测定堆积小球粒度的要求。     

基于边缘和纹理特征相结合的快速人脸精确定位方法

静态复杂背景灰度图像的人脸快速精确定位问题,是近年来迫切需要解决和完善的问题。该文将快速简单的大面积搜索算法和复杂精细的分析算法相结合,提出了一种椭圆弦箭算法,该算法利用图像的边缘快速确定搜索空间,并在搜索空间内使用虹膜网格采样矩阵进行纹理分析,采用在频域中按指数增长的分布方式设计Gabor滤波器,进一步提高了Gabor滤波器纹理分析效率,从而精确定位人眼和嘴。该文算法复杂度适中,运算量较小,定位精度较高,鲁棒性好,有很大的实用价值。     

字符图形倾斜的矫正方法及实现

不少图形应用场合中,需要事先对倾斜的图形进行矫正,本文以Java语言结合Opencv库,对倾斜字符图片进行增强图形特征预处理、边缘检测、寻找图形最大边缘轮廓、旋转矫正图形等一系列处理,达到矫正字符图形的效果。