多特征融合的道路标识牌目标检测研究

研究交通标识牌定位准确度问题。针对单一特征的交通标识牌定位及识别中容易受到各种环境因素干扰的缺陷,提出了一种利用轴对称窗口进行边缘检测的交通标识牌检测算法。首先将利用轴对称滑动窗口提取水平和竖直方向上的边缘特征,然后利用连通域确定初始的交通标识牌位置;通过对可能的交通标识牌区域进行颜色色调验证,以及区域内垂直方向直方图的投影,确定最终的交通标识牌位置。利用多种特征综合检测交通标识牌,较单一特征的方法更能提供稳定有效的检测结果。试验结果显示多特征综合方法能准确检测出复杂场景下交通标识牌所在区域。     

垃圾邮件图像中的文字角点检测

为提取垃圾邮件图像中文字的角点信息,提出一种新的基于图像边缘和圆形模板的角点检测算法。算法首先利用彩色边缘检测算子和阈值分割方法获取文字图像的边缘,然后采用圆形模板提取文字的角点信息。边缘检测和阈值分割降低了干扰背景和噪声对角点检测的影响,圆形模板使得角点检测对文字方向变化不敏感。实验表明,在真实的垃圾邮件图像中文字角点定位精度略高于SUSAN算法,并能同时获取角点角度的大小。     

关于图像识别边缘检测算法仿真研究

针对图像的边缘检测算法抗干扰性能差的缺点,为对图像特征进行准确识别,抑制噪声干扰,提出了一种多刻度数学形态学边缘检测算法.算法首先在同一尺度下用多个结构元素分别对图像进行边缘检测,经过合成得到尺度下的边缘图像.可对不同尺度下的边缘图像加权求和,再经过二值化、去除噪声等处理,最终得到多尺度多结构元素形态学检测的边缘图像.最后在Matlab仿真环境下进行仿真,分别以原始图像和噪声干扰图像为对象进行仿真,仿真结果表明:方法具有较好的抗干扰性和定位准确性,得到的边缘更为完整、细节更为明显的效果.     

基于对称性的快速车辆检测方法

提出了一种基于车辆边缘对称性和水平阴影的快速车辆检测方法.通过利用被检测图像减去道路背景图像的方法对被检测图像进行预处理,以最大限度去除背景图像中车道线等大量干扰,突出车辆图像,对图像分别做Sobel垂直和水平边缘检测.把垂直边缘图像分割放缩成远景、中景、近景3幅大小相同的图像,利用车辆对称性对分割放缩后3幅图像对称性进行检测,确定图像中所有车辆在图像中的水平位置.同时在水平边缘检测的图像中,利用水平阴影和汽车底部水平边缘确定汽车的垂直位置.实验结果表明,该方法简单、有效,能快速、精准地检测出汽车图像中所有的不同位置和不同大小的车辆.     

基于提升方案和浮动阈值的含噪图像边缘检测

分析了传统图像边缘检测算法。在激光探测系统中,微弱的回波图像淹没在强背景噪声中,为更好地检测这类含噪图像的边缘信息,首先应用特征方向非线性中值滤波技术,滤去高斯噪声;其次,选择(3,1)双正交样条小波作为原始小波滤波器,采用提升方案构造最优双正交小波滤波器,应用构造的双正交小波进行多尺度小波边缘检测;同时,通过定义浮动阈值,并应用于图像边缘检测,较准确地定位了边缘位置。仿真结果表明,该算法应用于图像边缘检测,检测速度较快,检测效果较好。     

瞳孔亚像素边缘检测与中心定位

为提高视线跟踪系统的分辨率和精确度,提出了一种亚像素精度的边缘检测与中心定位算法。利用设计的一维边缘检测算子对瞳孔像素级边缘点进行提取,然后利用边缘点小邻域内梯度方向上图像信息,进行亚像素边缘位置检测,最后经椭圆拟合确定瞳孔中心的精确位置及瞳孔形状参数。仿真实验验证了算法的有效性,提出的算法已被成功应用于实时视线跟踪系统中。     

非线性干扰图像下远程船舶目标自动检测仿真

在对非线性干扰图像下的远程船舶目标进行自动检测的过程中,存在大量干扰信息,导致传统的基于G0分布的CFAR远程船舶目标自动检测算法,由于致力于排除干扰,导致大量目标信息被过滤,保留下的目标信息较少,提出一种基于能量判决与相似度度量的非线性干扰图像下的远程船舶目标自动检测算法,依据海面与天空辐射特性不同的特点,采用最大类间方差法对海天线进行检测及定位,确定目标潜在区域,依据像素点和海天线距离的大小完成空域加权,利用门限处理进一步对非线性干扰图像进行去噪处理,建立边缘能量函数,利用能量判决对远程船舶目标位置进行自动检测,为了适应船舶目标大小的改变,采用双窗口相似性度量函数对目标的大小进行确定,进而实现非线性干扰图像下的远程船舶目标自动检测.仿真结果表明,所提方法具有很高的检测性能.     

基于三次样条插值的亚像素边缘检测方法

为了实现图像边缘的亚像素定位,针对阶跃形式的边缘类型,提出了一种基于三次样条插值的亚像素边缘检测算法,根据样条插值原理,获得一维边缘的连续灰度分布,通过计算边缘点两侧三次样条函数的二阶导数为零点,实现一维边缘点的亚像素定位;利用一维曲面拟合方法,获得边缘投影方向,根据一维曲面投影方向像素灰度不变理论,利用投影公式将数字窗口中所有三维点投影到相同的投影平面,从而可将二维边缘检测问题转化为一维边缘检测,利用一维边缘检测方法获得边缘点位置,结合投影方向,最终实现二维边缘定位。通过与现有亚像素边缘检测方法的比较,可知算法对噪声具有较好的鲁棒性,同时计算时间相对较快,因此在实际应用中具有较好的适用性。     

基于复杂度和最佳阈值的人眼定位方法

人眼定位方法的研究目前已经成为人脸识别智能化中的重要研究内容。提出了一种无需先确定人脸位置,而在有背景灰度人脸图像中直接检测与定位人眼的新算法。利用复杂度的原理,对人脸图像中眼睛位置进行快速定位,剪切眼睛区域的图像块;再利用图像分割的原理,自动寻找最佳阈值,提取眼睛的边缘;进行形态学操作,排除非人眼的图像块,从而正确定位眼睛的位置。该方法能较大提高人眼定位的计算速度,适用于实时性要求较高的场合。仿真实验验证了该算法的有效性和稳定性。     

一种基于边缘图像的快速物体检测方法

为提高物体检测速度,提出一种利用边缘快速检测物体的方法。首先,求取图像中每一个像素的边缘模值和方向,依据模值定位边缘位置,依据位置和方向进行边缘分组;然后,通过计算边缘组的相似度来对候选的包围盒进行投票;最后,统计多尺度滑动窗口上各候选包围盒的投票得分,依据包围盒得分对包围盒进行过滤,再依据包围盒重合度对包围盒进行合并,并依据合并的包围盒数量判断其是否为物体,最终得到图像中各物体的包围盒。实验结果表明,相对于目前最新的物体检测算法相比,该方法的运算效率最高,且检索率和精确度高。     

基于改进Canny算法的局部自适应图像去噪

针对传统Canny边缘检测算法自动化程度不高的缺点,通过计算每个像素的含噪程度,使Canny算法具有自适应性.分析了Bayes原理及其不足,采用局部自适应阈值法.图像经边缘检测后,分为边缘与非边缘区域.对非边缘以平稳小波变换为基础,为每个小波系数选取合适的领域窗口,计算局部Bayes阈值,再通过软化处理收缩系数,对边缘...     

基于边缘方向性的小波边缘检测算法

现有的基于小波变换的图像边缘提取方法会导致边缘细节的损失且边缘位置会发生偏移,因此本文给出了一种改进的边缘检测方法。该算法先对图像进行平滑处理,然后用小波变换提取边缘。传统的平滑方法避开了边缘的方向性,且对图像的边缘保持效果不佳。本文提出了基于边缘方向性的平滑算法,该算法在处理边缘像素时可自动搜索边缘方向进行平滑,用该算法和小波方法结合进行边缘检测。仿真实验给出的实验结果有力地证明了该方法的有效性。     

Symmetry-based monocular vehicle detection system

In this paper, we describe the development of a symmetry-based vehicle detection system. The system uses a single forward looking camera to capture the road scene. Vehicles are detected based on their edges and symmetrical characteristics. A method to extract the symmetric regions in the image using a multi-sized window and clustering technique is introduced. We hypothesize the vehicle’s locations in the image from the detected symmetric regions and the regions are then further processed to enhance their symmetrical edges. A bounding box of a vehicle is detected from the projection maps of the enhanced vertical and horizontal edges. The hypothesized vehicles are then verified using a two-class classifier, which consists of an edge oriented histogram (EOH) feature extractor and a support vector machine (SVM). Once a vehicle is verified, a tracking process based on a Kalman filter and a reliability point system is used to track the movement of the vehicle in consecutive video frames. The system was successfully implemented and tested on a standard PC. Experimental results on live video feed and pre-recorded video sequences for various road scenes showed that the system is able to detect multiple vehicles in real time.     

A two-stage scheme for text detection in video images

This paper proposes a two-stage system for text detection in video images. In the first stage, text lines are detected based on the edge map of the image leading in a high recall rate with low computational time expenses. In the second stage, the result is refined using a sliding window and an SVM classifier trained on features obtained by a new Local Binary Pattern-based operator (eLBP) that describes the local edge distribution. The whole algorithm is used in a multiresolution fashion enabling detection of characters for a broad size range. Experimental results, based on a new evaluation methodology, show the promising overall performance of the system on a challenging corpus, and prove the superior discriminating ability of the proposed feature set against the best features reported in the literature.     

基于复杂背景的彩色图像中维吾尔文字切分

沿着基线并具有大量附加部分书写是维吾尔文一大特点,这些特点使复杂背景的彩色图像中维吾尔文字行与字的切分和识别成为一个既困难又有趣的问题。本文首先对复杂彩色图像进行灰度化,其次将彩色图像转换为灰度化的边缘图像,再对图像进行局域二值化,然后进行区域检测和边缘调整,初步实现了图像中维吾尔文字行的定位,紧接着根据定位结果从图像中切分出文字行,统计切分后的文字行在水平和垂直方向上的像素累计情况,查找最佳切分点,分离出文字行中的字母独立形式或几个字母连成的连体字母段。实验结果表明,文字行的切分准确率达到96%,字切分准确率达到98%以上。     

基于边缘对称性和HOG的行人检测方法

传统基于HOG特征的行人检测方法存在检测速度慢的问题。为此,提出一种基于边缘对称性和HOG的行人检测方法。利用对称差分提取输入窗口的垂直边缘,根据垂直边缘的对称性快速检测出行人候选区,采用HOG特征和线性支持向量机对行人候选区进行验证。实验结果表明,该方法在保持传统方法检测率的同时,能提高检测速度。     

基于 Hough 变换和 Catmull-Rom 样条曲线的 钢轨检测算法

针对现有的钢轨检测算法中对于钢轨识别准确性不高的问题,提出一种基于 Hough 变换和 Catmull-Rom 样条曲线的钢轨检测算法。首先对图像进行降噪预处理,利用 Canny 边缘 检测算法进行边缘检测,然后利用 Hough 变换检测直轨,根据直轨消失点确定轨道模型,最后 针对弯轨利用等分窗口搜索弯轨特征点,对选取的特征点进行 Catmull-Rom 样条曲线拟合弯轨。 实验表明,该算法不仅能够准确拟合钢轨曲线,而且具有较好的准确性和鲁棒性。     

一种基于方差的图像边缘检测算法

鉴于传统微分边缘检测算法不适用于识别图像中与背景灰度区别较小的弱边缘,提出了基于方差的图像边缘检测算法,并介绍了其原理和算法实现过程。实验表明,该算法能较好检测出背景灰度区别较小的物体边缘,并有一定的抗噪能力,提高了图像边缘俭测效果。     

基于扩展数学形态学的车牌定位算法

在汽车牌照识别系统中,车牌定位是整个识别模块实现的前提,目前车牌定位的方法多种多样,各有所长,但存在着计算量大或定位准确率不高等问题。边缘检测是常用的车牌定位方法,边缘检测的质量决定了车牌图像的最终定位结果。一般人们习惯于用基于梯度和基于模板的算子提取边缘,但这类算子都不能很好地滤除噪声,因而给噪声图像边缘检测带来了困难。根据数学形态学原理与方法,提出一种扩展数学形态学车牌图像边缘检测算子,并结合水平和垂直投影进行车牌定位。实验结果表明,该算法不仅能成功提取车牌图像边缘,而且能很好地滤除噪声,从而实现准确车牌定位。