基于OpenCV和 YOLOv5的车道线检测与识别

为更加快速、准确识别汽车行驶区域并区分车道,实现无人驾驶,提出一种结合视觉OpenCV 算法和改进 YOLOv5算 法的目标检测跟踪模型进行车道线检测的方法。在图像预处理阶段,首先读取视频图像,把每一帧RGB图像转为灰度图,通 过Canny 算子对图像的边缘轮廓进行提取,然后绘制车道线的掩码区域,并与边缘检测结合,采用ROI 技术提取感兴趣区域, 最后进行概率霍夫变换和最小二乘拟合,将得到的直线绘制到原图像中,最终对每一帧处理后的图像进行输出。目标识别模 块采用卷积神经网络(convolutional neural network,CNN)深度学习方法及 YOLOv5算法进行目标识别处理。实验结果表 明,所提检测算法能够实现准确的车道线检测,实时性和准确性比传统算法高很多,且该方法具有良好的鲁棒性。     

基于环视系统的车道偏离预警系统研究

为了达到比较理想的预警效果,对基于视觉的车道偏离预警系统进行了研究,开发出一套基于车载环视驾驶辅助系统的车道偏离预警系统。通过环视系统获取车辆的俯视图像,然后采用适当的图像预处理方法和有效的车道线边缘检测算法,快速的对车道标志线进行识别和定位,最后基于TLC(time to lane crossing)预警算法,建立了一套完整的车道偏离预警系统。实验结果表明:该系统具有较好的可靠性和实用性。     

一种多特征融合的图像检索新方法

如何提高基于内容的图像检索的准确率是图像检索领域中的一大难题,其关键在于特征提取方法。针对单一特征检索效果的不足,从图像的多特征入手,先使用颜色和边缘的方向性描述符提取图像的颜色和纹理特征,再使用分层梯度方向直方图提取图像的形状特征,最后采用图像底层特征串行关联的方法将3种特征结合进行检索。使用Corel标准图像集进行测试,结果表明本文方法的查准率和AvgP值比两种原算法均有提高,是一种有效的多特征融合的图像检索方法。     

基于彩色图像的玻璃绝缘子缺陷诊断

探讨了架空送电线路直升机巡检系统,提高玻璃绝缘子损伤诊断效率的方法。首先采用分块图像的颜色统计识别以及连通域的形状和边缘链码特性,识别出玻璃绝缘子所在区域;然后采用滑动窗口直方图统计及直方图匹配判决的方法,识别出玻璃绝缘子损伤的区域。该方法适用于野外环境中的实时检测,因此可以在一定的光线变化范围和背景复杂度内识别诊断玻璃绝缘子损伤。通过此方法可以在较低的漏检率下快速而准确地检测玻璃绝缘子损伤故障,能在机载系统中具备实时处理能力。     

手指静脉图像感兴趣区域快速提取方法研究

手指静脉识别技术由于其非接触、高防伪性以及活体检测等优点,成为研究与应用的热点。针对传统手指静脉图像感兴趣区域提取方法过程复杂、运算量大的问题,提出一种感兴趣区域快速提取的方法。该方法采用三点对比法定位手指上下边界以及基于相似三角形定理的图像校正方法。与传统的方法相比,省去了边缘优化的复杂过程以及减少了旋转校正的乘法运算量,能将指静脉图像感兴趣区域提取的速度提高2～3倍。利用指静脉图像库进行仿真实验,结果表明,本算法提取ROI的正确率为100%,识别的等错误率仅为2.45%,说明该方法具有较高的普适性和稳定性,能广泛应用在指静脉识别系统中。     

基于颜色空间变量的输电线图像分类及特征提取

针对输电线图像背景复杂多变和单一图像处理方法难以有效处理各种背景类型输电线图像的问题,提出一种基于颜色空间变量的输电线图像分类及特征提取方法。首先根据输电线图像各颜色空间的变量值与图像特征之间的关系对图像进行分类。然后根据不同类别图像特征选用适合的滤波方法通过两次滤波结合去噪,并采用自适应直方图分段均衡化增强图像对比度。通过对Otsu算法得出的阈值进行线性变换确定canny边缘检测参数,提取输电线路边缘。最后根据输电线形状特征和概率霍夫直线变换与形态学运算提出一种边缘优化方法,较好地去除非输电线边缘。结果表明:该方法可以有效处理各种背景类型图像,为输电线路图像智能化处理提供了一种新的思路和方法。     

一种基于图像增强的交通信号灯识别方法

针对现有传统算法在光照不均匀、背景复杂的情况下对交通信号灯的识别精度低、漏检率高的问题,本文提出了一种基于图像增强的交通信号灯识别方法。首先采用改进的迭代法对原图像进行处理;接着在HSV颜色空间中增强原图像的V通道亮度信息,利用自调节的颜色阈值范围筛选出交通信号灯的颜色候选区域;最后,分别提取原图像经过双处理后获取到的图像轮廓,结合两张图像中的轮廓信息筛选出信息相同的候选区域,并通过计算候选区域的面积、宽高比判断出交通信号灯的区域,从而完成交通信号灯的识别。实验结果表明,在光照不均匀和复杂背景条件下,该算法比现有其他传统算法的识别准确率提升了1.05％,并具有良好的实时性。     

基于不变矩和SVM的圆形交通标志识别方法研究

针对道路交通标志的自动识别问题,通过不变矩和支持向量机(SVM)方法对圆形标志图像识别方法进行研究。首先根据交通标志的颜色和形状信息对采集到的原始图像进行颜色分割、形态学去噪和形状检测等处理,获得图像中包含交通标志的区域。然后分别对标志图像进行Hu矩和Zernike矩的特征值提取,将特征值输入SVM中进行训练并采用网格搜索法对SVM进行参数优化,最后使用优化后的支持向量机方法实现交通标志的识别。实验表明,与现有的其他交通标志识别算法相比,采用高阶Zernike矩与优化后SVM的识别方法有更好的识别效果。     

一种基于形状的图像检索系统

基于内容的图像检索是当前国内外的一个研究热点.形状是物体的一个重要特征,是刻画物体结构、形态、轮廓的特征量,也是比较难描述的图像特征之一.由于物体形状的自动获取涉及图像中感兴趣目标的分割,所以基于形状检索的图像检索是一项有难度的研究工作.基于形状的检索一般适用于较容易识别的物体.在本文中采用了面积、形状矩等局部或全局特...     

多梯度融合的RGBD图像边缘检测

基于单一的属性变化进行边缘检测往往会损失部分边缘信息,影响了检测结果的完整性,对此提出一种基于多梯度融合的边缘检测算法。该算法针对RGB图像,首先转换到YCbCr颜色空间下,分别提取亮度分量Y颜色分量Cb、Cr针对提取的亮度分量Y颜色分量Cb、Cr,结合深度图像D,分别使用多方向的圆形边缘检测算子进行梯度计算,对所获得的4种梯度图像进行融合获得边缘检测结果。实验结果表明,算法获得的边缘检测结果更加清晰完整,有效的提高了边缘检测的效果。     

基于深度学习的色环电阻检测与判读方法研究

色环电阻作为常用的电子元器件,其阻值主要通过色环颜色表示。色环颜色依靠人工判断,效率低且误检率高。传统基于图像处理的色环判断,鲁棒性不高、受光照等物理因素影响较大。基于此,提出了一种基于深度学习的色环检测及判读方法。首先利用提出的目标检测算法实现色环检测和电阻本体检测,其次利用提出的颜色关系匹配方法结合检测结果,判断色环与电阻本体的从属关系并进行色环排序。最后利用提出的阻值推断方法,结合色码表,完成色环电阻的实时检测与判读。实验结果显示,相较于其他检测算法,该算法在色环检测的准确度上有更好的表现,达到98.71%,且网络的参数量仅10.61M、计算量仅31.68GMAC。在测试集上随机抽取20张图片进行验证,阻值判读的准确率高达98.59%。     

基于Android平台的交通标志识别研究

通过前期调研和对基于颜色和形状的交通标志检测方法的MATLAB仿真实验,提出并实现了基于机器学习的交通标志检测方法.由于自然场景下的交通标志往往具有复杂的背景,基于机器学习的交通标志检测方法能够更准确地识别出自然场景下的交通标志.通过Android NDK技术,将C++语言编写的图像处理程序交叉编译生成动态链接库,该动态链接库便可在Android端通过Java程序调用,解决了常用计算机视觉库在Android平台上提供的接口不全、资料不完整导致的无法进行复杂图像处理的问题.实现了将道路交通标志识别算法应用于Android系统平台上,并进行了相关功能测试.     

Color-based road detection in urban traffic scenes

Road detection is a key issue for autonomous driving in urban traffic. In this paper, after a brief overview of existing methods, we present a road-area detection algorithm based on color images. This algorithm is composed of two modules: boundaries are first estimated based on the intensity image and road areas are subsequently detected based on the full color image. In the first module, an edge image of the scene is analyzed to obtain the candidates for the left and right road borders and to delimit the area that will subsequently be used to compute the mean and variance of the Gaussian distribution, assumed to be obeyed by the color components of road surfaces. The second module effectively extracts the road area and reinforces boundaries that most appropriately fit the road-extraction result. The combination of these modules can overcome basic problems due to inaccuracies in edge detection based on the intensity image alone and due to the computational complexity of segmentation algorithms based on color images. Experimental results on real road scenes have substantiated the effectiveness of the proposed method.     

基于视觉灵敏度及粗集的彩色图像滤波算法

为消除人眼视觉差别对彩色图像滤波的影响,提出了一种新的滤波算法VRDDF(visual sensitivity rough set directional distance filter)。对于被噪声污染的彩色图像,先用粗集理论对噪声做初步检测,在此基础上结合视觉感知灵敏度对噪声点做了进一步检测,有效的降低了误检率。再结合空间距离函数对DDF(directional distance filter)滤波算法作了合理加权改进,并作为后续滤波算法进行滤波,改善了滤波效果。该算法只对噪声点进行滤除而对非噪声点保持其值不变,可有效防止噪声传播。实验结果表明,该滤波算法和现有的滤波算法相比,在噪声滤除率、颜色保持,特别是在保护边缘细节方面均有提高,峰值信噪比平均可提高10%。     

基于多尺度Gabor滤波器的彩色图像边缘检测

为了更好实现对彩色图像进行边缘提取,并保证算法具有更好的稳定性,文章使用多尺度Gabor滤波器的方法,来提取彩色图像边缘和轮廓.构建了3个尺度、16个方向的Gabor滤波器.首先将彩色图像灰度化,利用多尺度Gabor虚部滤波器提取图像灰度变化信息.通过非极大值抑制,并通过高低阈值获取边缘像素点及其候选边缘,最后利用局部边缘连接获取图像边缘轮廓.并将本算法与常用边缘检测算法进行实验性能比较,实验结果表明:提出的算法既能获得较高的定位准确度,又具有很好的噪声鲁棒性,该算法与常用的Roberts等一系列算法相比,检测效果更好,稳定性更强.     

基于C-SIFT特征向量图像复制粘贴篡改取证算法

如今网络时代中充斥着大量经篡改的图像,目前检测方式如局部不变性特征描述、Harris角点算法对复制粘贴篡改地检测准确率较低。通过对彩色图像分块、色彩空间边缘化提取、图像灰度化得到完整的灰度化局部图像。利用对不同图像块中的特征向量集提取、标记、匹配和归一化处理,在欧氏距离达到某一阈值后特征向量匹配成功,即检测到图像具有复制粘贴篡改的痕迹。最后选择3类不同的照片仿真测试,说明该算法可有效提升复制粘贴篡改图像的检测成功率、检测速率。     

基于Retinex理论的低照度下输电线路图像增强方法及应用

为提高低照度环境下输电线路图像视频在线监测设备分析的准确性,提出一种基于Retinex理论的低照度图像增强方法.首先采用改进型同态滤波算法增强低照度图像的RGB分量,然后将图像转换至HSV色彩空间中.对多尺度Retinex算法增强图像进行改进,采用双边滤波函数替代Gaussian函数作为Retinex算法的环绕函数,引...