强干扰条件下机场道面细小裂缝自动识别算法

针对机场道面裂缝极其细小,而基于深度相机的裂缝检测技术面临道面表观结构复杂和平台剧烈震动的双重强干扰的难题,提出了结合L2正则化与动态阈值贪心策略的道面主轮廓建模算法,并基于此实现了机场道面毫米级细小裂缝的精确检测。首先,设计了基于L2正则化约束的道面主轮廓模型估计方法,解决了因表观结构复杂而导致的道面主轮廓过拟合问题;其次,提出基于动态阈值的改进贪心算法,通过迭代去除异常点的方式抑制检测平台震动带来的噪声干扰;最后,基于构建的道面主轮廓模型,提取并融合多方向的机场道面主轮廓,并利用裂缝的深度与形态信息实现裂缝提取。通过在真实机场道面数据集上的测试结果表明,该算法能够精确地完成道面主轮廓重建和细小裂缝识别,且识别性能优于多种现有经典的裂缝检测算法。     

基于遗传神经网络的机场跑道局部影响的裂缝检测算法

针对机场跑道裂缝的自主识别和提取过程中存在的阴影、光照不均匀以及效率和精度难以兼顾等一系列问题,提出利用遗传算法优化神经网络的机场道面裂缝检测算法。首先,将拍摄的机场道面裂缝图像进行预处理,包括图像灰度化、高斯滤波以及ROI区域确定。设定神经网络拓扑结构,初始化编码长度以权值阈值及等参数,利用选择、交叉和变异等操作反复执行至最佳进化解,进而搭建匹配的神经网络,获得最大分割阈值。结果表明,遗传神经网络算法在综合评价、召回率、和准确率3个评价指标上均具有显著提升,其均值分别为93.22%、96.28%、90.75%,实现了在复杂背景下对裂缝提取的目标,为机场道面的后期维护和保养提供了技术支持。     

二代身份证的自动分割方法研究

为了解决由于采集身份证图像时光照不均匀给二值化造成的困难,将基于概率的数字图像光照不均匀校正算法应用于对身份证图像的光照校正。该算法在对一个区域中的背景进行提取时,采取统计的方法,先计算该区域中像素亮度的均值和标准差,然后根据统计值进行背景灰度计算。这样有利于排除噪声点的干扰,鲁棒性更强。采用水平投影确定字符所在行的区域后,利用垂直投影确定单个字符的位置。实验验证了所提方法能有效地进行二值化并准确分割出身份证上的字符。     

一种用于图像降噪的自适应均值滤波算法

图像中噪声的消除是图像处理与识别的重要环节,噪声滤除效果的好坏直接影响着后续图像处理与识别的质量.为此,提出一种用于图像降噪的空间域滤波算法,自适应均值滤波算法(Adaptive Averaging Filtering Algorithm,AAFA).该算法中局部窗口的系数(掩模系数)是根据局部窗口内各像素与中心像素间的灰度和空间关系计算的,即局部窗口中心像素灰度均值的计算既考虑了窗口内各像素与中心像素间的灰度值差异,又顾及了窗口内各像素与中心像素间的距离.利用该算法进行图像降噪的实验结果表明,相对于经典的空间域均值滤波算法和其它的均值滤波算法,该算法的噪声滤除效果更好.     

基于深度学习的桥梁裂缝检测算法研究

传统的图像处理算法不能很好地对桥梁裂缝进行检测,而经典的深度学习模型直接用于桥梁裂缝的检测,效果不甚理想.针对这些问题,本文提出了一种基于深度学习的桥梁裂缝检测算法.首先,利用滑动窗口算法将桥梁裂缝图像切分为较小的桥梁裂缝面元图像和桥梁背景面元图像,并根据对面元图像的分析,提出一种基于卷积神经网络（Convolutional neural networks,CNN）的DBCC（Deep bridge crack classify）分类模型,用于桥梁背景面元和桥梁裂缝面元的识别.然后,基于DBCC分类模型结合改进的窗口滑动算法对桥梁裂缝进行检测.最后,采用图像金字塔和感兴趣区域（Region of interest,ROI）结合的搜索策略对算法进行加速.实验结果表明:与传统算法相比,本文算法具有更好的识别效果和更强的泛化能力.     

超像素特征的运动目标检测算法

在像素级的背景建模方法中,由于其反映的只是时间上的连续性,没有考虑到空间上的相关性,所以会导致检测目标不完整,或检测目标呈碎片化的结果,不利于后续的识别或跟踪.为此,本文首先针对ViBe算法对于动态背景不鲁棒的问题进行了改进,利用样本集的标准差作为动态背景度量值,实时更新距离阈值和背景模型更新率,达到对动态背景的鲁棒性;同时引入了超像素特征,提出了基于超像素特征的运动目标检测算法.由于超像素分割具有较好的边缘信息同时超像素数目可控,所以根据SLIC0超像素分割算法提取超像素特征,将超像素块中的像素均值作为超像素特征值,并引入到改进的ViBe算法框架中;由于超像素分割的数目并不是固定不变的,所以本文使用初始种子点位置的超像素特征构建背景模型并进行运动目标的检测.实验表明,该方法检测结果具有良好的目标边缘信息并可以有效抑制动态背景的干扰.     

神经网络在空白试卷识别中的应用

在计算机评卷过程中,通常方法是将试卷扫描成灰度图像,由评卷人员对扫描图像进行评卷.有些试卷是空白试卷,可以通过计算机识别后,直接给分.在一些情况下,很难直接用像素灰度值来区分空白试卷和非空白试卷.研究表明,像素灰度值的列向量或行向量的标准差可以将空白试卷的特征表现出来.神经网络具有自组织、自学习、非线性逼近能力,应用神经网络可以有效地识别出空白试卷.为了便于神经网络进行空白试卷的识别,减小神经元的数量,可将图像像素灰度值列向量标准差的标准差和行向量标准差的标准差作为区分空白试卷和非空白试卷的影响因子.     

一种投影仪相机系统几何配准的鲁棒算法

目前投影屏的反射及几何特性决定了投影仪投影图像的显示效果。为解除投影仪对标准屏幕的依赖性,借助数码相机可构成反馈系统对显示表面的缺陷进行辐射度补偿和图像校正,而其前提即是建立投影图像面与相机图像面像素之间的配准关系。为实现这一目的提出了一种能实现投影仪相机系统几何配准方法的鲁棒算法。通过设计黑白二色编码图像、显示采集编码图像的方式并对捕获图像进行二值化以及形态学处理以定位和识别采样色块,建立几何配准函数关系。该算法在平面、曲面以及无图案与有图案等各种显示表面的投影场景中得以验证,其平均配准误差稳定在0.2～1.0个像素单位,且不依赖于色块的数量而变化,并能在10s内完成整个配准关系的建立。实验表明该方法能在适用范围以及精度和效率等方面满足相机反馈式投影仪像面配准的应用需求。     

恶劣天气环境下车牌识别方法研究与仿真

研究恶劣天气下车牌识别的问题.由于图像像素丢失,影响识别的精度.针对传统PCA检测识别车牌的方法,光照条件恶劣的时候,存在图片像素丢失,导致算法无法准确识别车牌的问题.提出了一种运动车牌识别的优化算法.通过将相邻的3帧图像序列进行垂直方向和水平方向投影作差,对车辆图像完整地分割,避免了仅对单个像素的读取,解决了像素丢失的问题,实现对车牌的准确识别.实验表明,改进算法实现了恶劣天气环境下对车辆图像的正确识别,取得满意的效果,为识别研究提供了依据.     

基于改进非负矩阵分解的手背静脉识别算法

为提高手背静脉识别过程中特征的有效性,提出了一种基于改进非负矩阵分解（NMF）的识别算法．首先,静脉图像经过分块后,将每一块子图像的像素均值与平均梯度幅值作为图像原始特征;其次,将所有训练样本原始特征形成的特征矩阵进行非负矩阵分解,其中对分解后的系数向量加以稀疏性与可区分性约束,从而形成改进的非负矩阵分解模型;再次,基于梯度投影法对提出的非负矩阵分解模型进行求解,获取新的特征基与特征向量;最后,利用最近邻匹配算法对特征向量进行分类,实现身份的识别．实验结果表明,提出的识别算法可获得较高的识别率,处理过程具有较好实时性．