车祸中车辆严重碰撞区域边界图像分割技术

研究车祸中严重碰撞车辆图像边界准确分割问题。车祸中,如果发生碰撞较为严重,两车图像碰撞部位交汇的像素分布较为密集,像素会产生变异。传统的边沿检测算法多是基于像素差异进行边界分割,当车祸中像素密度分布密集导致像素变异的情况,会造成像素聚类效果不好,分割不完整,分割的准确性不高。提出了一种基于密度分布函数的车祸图像边界检测算法。算法通过计算数据车祸像素邻域半径内每个像素点对它的高斯影响函数之和,将其作为该像素对象的密度,再通过变异系数刻画像素对象密度分布特征从而提取车祸图像边界点。实验结果表明,算法提高了车祸图像边界分割的准确度。     

基于细胞膜优化的图像边缘检测算法研究

研究图像边缘准确检测的问题.传统的像素阈值分割算法虽然考虑了图像的空间信息,但是由于解空间维数增加,搜索范围增大,导致计算时间延长,求解最优阈值的速度较低,同时传统二维熵的计算中只考虑了像素的概率,忽略了灰度的概率,导致分割不准确.为了避免上述缺陷,提出了一种基于细胞膜优化的图像边缘检测算法.利用图像内部像素差值方法,提取目标图像的边缘特征,为图像的边缘检测提供准确的数据基础.利用细胞膜优化方法,计算边缘最优边界像素点,从而实现图像的边缘检测.实验结果表明,利用上述算法能够有效提高图像边缘检测的准确性.     

用于矿井通风网络解算的通风机风压性能曲线自动识别方法

从通风机性能曲线图像中采样并识别风压性能曲线,进而拟合出风压性能函数是矿井通风网络解算的关键技术。目前常用人工方式识别风压性能曲线,效率低且准确性不高。提出一种基于图像处理技术的通风机风压性能曲线自动识别方法。采用双边滤波、图像锐化和二值化技术对原始通风机风压性能曲线图像进行预处理,以提高图像质量。分别基于腐蚀算法、轮廓检测算法提取通风机性能曲线图像中的网格线和坐标文字,采用逻辑运算、中值滤波、轮廓检测和K3M算法提取风压性能曲线。以逐行像素识别方式识别风压性能曲线的像素坐标,采用模板匹配算法识别坐标数字,进而完成像素坐标到物理坐标的转换,实现风压性能曲线识别。将通风机风压性能曲线自动识别方法集成至通风网络解算软件,对通风机风压性能曲线进行识别试验,结果表明,该方法对单条风压性能曲线的采样速度为24 Samples/s,识别的风压性能曲线与原始曲线的重合度高,风压拟合值与原始值的最大误差仅为0.88%,较人工识别方法大大提高了通风网络解算效率和准确性。     

基于深度学习的工业分拣机器人快速视觉识别与定位算法

针对工业分拣机器人识别复杂工件慢、精确度低以及定位不准等问题,提出一种基于深度学习的快速识别定位算法.通过工业高精度相机获取目标图像信息,经过图像灰度化、图像滤波、Otsu二值化处理,再经边界像素检测算法定位并分割目标图像.运用已训练的深度卷积神经网络(CNN)对目标进行识别,得到目标所在的位置坐标以及所属类别,实现工业机器人分拣.实验测试中以纹路复杂的象棋为例进行定位识别,结果表明定位算法误差小于0.8 mm,最快识别速度达0.049秒/个,在实验环境中识别精度能保持在98%以上,表明算法具备良好的准确性和稳定性.     

一种抗强脉冲噪声干扰的火场人员视觉定位算法

研究火场人员准确定位问题.火场的情况复杂,烟雾和外界环境的干扰使得采集的火场图像包含大量的非连续性脉冲噪声,极易形成强脉冲干扰环境.传统的图像定位算法在强干扰的环境下,很难保留图像的边缘和细节,对非线性噪声的过滤有着明显的缺陷,噪声干扰使得人员图像边缘出现缺失,定位存在较大偏差.为提高定位准确性,提出了一种抗强脉冲噪声干扰的火场人员视觉定位算法.利用像素插值方法能够计算火场图像中的亚像素位移,从而得到火场图像像素形变程度.利用视觉定位方法,计算火场人员的空间位置参数,从而确定火场人员在标准坐标系统中的实际坐标.实验结果表明,提出的算法能够有效提高火场人员定位的准确性,有利于快速救出火场中的被困人员.     

基于光幕触发CCD交汇连发弹丸坐标处理方法研究

针对CCD线阵交汇系统中测试弹丸连发坐标时以最大帧频连续拍摄,数据量过大而导致处理时间过长的问题,提出一种基于基于激光光幕触发的多峰值检测和自适应阈值弹丸检测的快速检测连发弹丸坐标方法。采用90°的“一”字线型半导体激光器配合原向反射屏形成光电探测靶面,光电转换模块将弹丸过靶时引起的光通量变化转换成电信号产生过靶信号,处理数据时先使用多峰值检测算法,根据获得的过靶信号波形计算出所有弹丸的过靶时刻和对应图像位置信息,并将该幅图像和临近两幅图像拼接成一幅组合图像作为该发弹丸的过靶图像,再使用基于自适应阈值的弹丸检测算法对其进行弹丸目标检测得到弹丸坐标。当该图像检测出多个像素坐标时,使用像素坐标剔除算法进行处理得到准确坐标。最后进行了4组对照试验,在得到正确连发坐标的前提下分别统计本文方法与传统方法的处理时间。结果表明与处理所有图像的传统方法相比,本文提出的方法在保证连发弹丸坐标正确率的前提下,提高了处理速度。     

基于二维Arimoto熵的阈值分割方法

提出基于二维Arimoto熵的阈值分割方法.首先由图像的像素值及其邻域像素均值得到图像的二维直方图,然后从二维直方图中计算出二维Arimoto熵.当二维Arimoto熵达到最大时,对应的灰度级对即为分割阈值.通过引入二维联合幂概率分布建立快速算法,使算法速度大大提高,易于硬件实现.大量的对比实验表明,本文算法表现稳定,总体的分割效果优于基于二维Renyi熵和二维Shannon熵的阈值分割算法.     

图像精准匹配技术的研究与仿真

研究图像的精准匹配问题.以医学解剖点的图象精确匹配技术为例,提出了一种基于高斯金字塔像素匹配算法的医学图像解剖点精准匹配技术.人体组织中的成分复杂,信息融合后,差异组织会形成像素灰度误差,传统的匹配算法偏重于空间映射,一旦像素点灰度信息存在误差,在进行空间映射过程中,会造成映射转换误差增大,后期配准位置点偏移.为了避免上述缺陷,利用尺度不变特征转换方法,提取医学图像中的解剖点特征.对图像解剖点特征进行误差补偿,最大程度修补位置偏差.利用高斯金字塔像素匹配方法,实现医学图像解剖点的匹配.实验结果表明,利用改进算法进行医学图像解剖点匹配,能够提高匹配的准确性,从而为手术提供准确的依据.     

基于马尔科夫链的显著性区域检测算法研究

显著性检测算法常通过计算像素之间的差异来确定显著性,但是对像素的选取通常是固定的,容易忽略图像中物体的边界信息,导致最终检测结果中目标的边界比较模糊。借鉴生物视觉注意机制,提出了一种新的基于超像素和马尔科夫链的显著性区域检测算法,将图像分割成若干个超像素,使用Wasserstein距离衡量超像素之间颜色、方向和位置的差异来建立马尔科夫链,将显著性检测问题转换为马尔科夫链上的随机游走问题,使用它的平稳分布作为图像的显著度。实验结果表明,相对于两种经典算法,所提出的算法在主要目标及其边界的提取精度等方面取得了较为满意的效果。     

夜视误差补偿的车道行人距离计算技术仿真

在车载智能视觉采集系统的研究中,由于当前车载智能视觉采集过程对车道上行人距离的判断没有考虑夜视环境的特殊性,也没有考虑图像视觉处理过程中由于夜间带来的计算误差对行人距离计算的影响,判断的行人距离在夜间存在较大误差.为了避免上述弊端,提出了一种考虑夜视误差补偿的车道行人距离计算方法.通过分析夜视图像中的距离计算特征,运用一种插值误差补偿的方法,对由于夜视原因造成的像素过于宽泛误差进行补偿,能够将夜视环境下的视觉误差进行补偿,将不同坐标系统中的车道与行人点进行转换,获取误差补偿后的车道坐标系统中对应点的空间位置和行人坐标系统中对应点的空间位置,实现精确计算.实验结果表明,利用改进后的算法进行车道行人距离计算,能够有效提高识别的准确性.