直线道路识别实用性的优化分析

为了提高车道识别的实时性与鲁棒性,提出了一种车道识别优化方法。通过建立强鲁棒性的车道模型,对传统的道路图像边缘算法优化处理:图像预处理中充分考虑实用性,采用了加权平均法实现灰度化、中值滤波法降噪处理以及自适应Otsu法二值化分割图像、Canny算法实现边缘检测;基于模型利用极角极径法提取图像的感兴趣区域,改进Hough算法实现有效车道线的识别。最后实验证明,通过与传统方法比较,该算法极大提高了车道识别的效率并且增强了可靠性。     

基于霍夫变换与最小二乘法的车道线检测方法

基于传统图像处理方法,利用图像预处理、ROI分割、霍夫变换和最小二乘法等技术进行车道线检测。对图像进行预处理,图像预处理包括对图像二值化;然后通过高斯滤波对图像进行边缘检测。为提高执行效率和和提高准确性,使用15°俯视角度下显现的ROI区域进行检测,并利用霍夫变换检测车道线。通过设置阈值和参数调整,得到车道线的峰值点,并使用最小二乘法拟合直线。在图像中绘制检测结果,包括车道线和霍夫变换峰值点。使用该方法,对高速道路、城市道路、省道等3种路线上的5个实验组进行实验,其中高速道路和省道的准确率分别为95%、98%,城市道路的准确率为75%。结果表明：所提方法在特定环境下能够较为有效地检测车道线,具有较好的鲁棒性和准确性。     

自动磁粉探伤系统中的图像技术

讨论磁粉探伤系统中图像处理和识别问题.采用自适应阈值处理和条件跟踪等技术得到较好的二值化图像;采用顺序标记算法提取目标物;基于裂纹图像基本特征进行裂纹识别,满足了自动磁粉探伤系统的要求.     

基于软硬件协同设计的车道线实时识别方法

为兼顾车道识别的鲁棒性和实时性,综合考虑硬件设计资源和软件功能的有效分配,设计了一种基于嵌入式平台的车道线识别方法。从整个系统的生产消费模型考虑,提出了匹配增强的必要性,并根据车道线不同宽度特征,提出了多尺度匹配滤波方法;根据改进的恒虚警率检测数学模型来估计局部噪声水平从而确定最适应的动态提取阈值。以可编程逻辑门阵列(FPGA)采集高帧率、宽动态范围的道路图像,并以系数分解法实现匹配滤波的硬件加速优化设计。实验和评估结果证明,该嵌入式系统可以在多种交通场景下鲁棒地识别车道线特征点,处理速率达到每秒60帧。     

基于改进的卡尔曼滤波车道线跟踪算法研究

车道线识别是实现车道线保持等高级辅助驾驶的前提条件,针对目前结构化道路车道线在干扰条件下存在检测失效的问题,提出了一种改进的卡尔曼滤波车道线跟踪识别方法。该方法利用连续帧道路图像车道线发展的连续性和车道线状态不出现突变的特点实现车道线的跟踪识别。首先计算出斜率和截距作为前一帧车道线道路图像的参数值,卡尔曼滤波系统以前一帧车道线参数值预算估计出当前帧道路图像的车道线作为最优估计值;通过设定阈值更新当前帧道路图像中车道线出现的区域为感兴趣区域,以减小道路图像中其他非车道线因素的噪声的干扰;利用opencv视觉库分别找到当前帧道路图像感兴趣区域中所有组成车道线的端点作为左右车道线的数据集,用最小二乘拟合出车道线的检测值;将卡尔曼滤波估算得出的最优估计值和最小二乘拟合的检测值比较后完成车道线的检测跟踪。实验结果表明,采用改进的卡尔曼滤波跟踪方法后,车道线识别准确率超过了95%。利用前一帧车道线的参数对当前车道线的状态进行估算,可以消除不同干扰条件下噪声的影响,提高车道线的识别准确率,提升辅助驾驶功能的稳定性。     

300 MN液压机活动横梁横向偏移视觉检测图像分割方法研究及应用

图像分割是视觉检测的关键技术.针对300 MN模锻液压机活动横梁横向偏移视觉检测系统现场光强不稳定的难题,在灰度拉伸Otsu法基础上提出了一种改进的阈值自适应新方法--灰度增强法,并结合其目标物特征,提出了基于圆斑特征值的分割评价准则.介绍了其基本原理,并进行了实验测试.结果表明,根据该方法确定的阈值对图像进行二值化处理,能适应更宽的光强范围,得到理想的图像分割效果,且在此基础上进行的二维位置检测实时性好、检测精度高、稳定性好,能够适应液压机现场复杂的使用环境,实现活动横梁横向偏移检测功能.     

一种基于逆透视变换的车道线检测方法

该文基于逆透视变换技术提出了一种车道线检测方法。将道路图像映射为逆透视图,用二维高斯滤波器对图像进行滤波,然后进行阈值处理;用Hough变换提取车道线的线条曲线,利用三阶Bezier样条曲线拟合算法进行直线拟合,获得车道线的检测结果。实验表明,该方法在图像较清晰的情况下,检测近距离的车道线获得了较好的效果,适用于平坦路面下的白色和黄色等车道线检测。     

基于SOFM神经网络的图像融合二值化方法

提出了一种基于自组织特征映射(SOFM)神经网络的图像融合二值化方法。介绍了SOFM神经网络的特点及学习算法,根据SOFM的聚类确定图像第一阈值作为循环迭代的初始值,对整幅图像进行循环迭代得到第二阈值,使用第二阈值对原始图像进行二值化,得到第一幅待融合图像;通过改进的Bernsen方法对原始图像进行二值化,得到第二幅待融合图像;最后根据图像灰度值选小的原则作为图像融合方法,得到最终的二值化图像。该方法既能有效地消除伪影,又能较好地分离字符和文字。模拟实验结果表明,该方法的二值化效果明显优于Bernsen方法和Ostu方法,且具有良好的适应性。     

夜间环境下的道路图像增强及车道线检测

车道线的自动检测技术是车辆实现自动驾驶的关键,而夜晚条件下的复杂环境给车道线检测带来很大的困难,是目前该技术研究的难点。这里提出一种图像增强算法,将高斯高通滤波器与高帽滤波结合对道路图像做增强处理,用以解决夜晚条件下低照度非均匀光照道路图像带来的不良影响。高斯高通滤波器调整图像中的非均匀光照,高帽滤波增强车道线边缘并通过图像灰度变换提升车道线与背景的对比度;然后使用分块阈值分割算法对道路图像进行阈值分割,使用基于斜率约束的Hough变换检测图像中的直线,并进行筛选拟合出车道线。     

基于特征提取的车道线快速检测方法研究

车道线检测是无人驾驶车辆及车道偏离预警等系统的关键技术。针对自动驾驶车辆当前道路可行驶区域检测精度不高、环境适应性差及实时性差的问题，提出了一种基于特征提取的快速检测车道线的方法。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，并与边缘检测结果图结合，对感兴趣区域（ROI），也就是对车道线所划分的汽车当前可行驶区域进行提取。最后进行概率霍夫变换和最小二乘拟合，并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。该算法在多种边缘检测方法中选用Canny算法，并针对人为选取双阈值的复杂性问题，提出了自适应调节、选取阈值的方法；运用改进的概率霍夫变换对车道线进行检测，并进行离群值的过滤，有效提高了检测精度和速度。结果表明：该算法处理每一帧图像的时长为13.9 ms，且平均准确率达到97.6%，具有较好的实时性和准确性。     

基于类卷积神经网络的可见光虹膜识别方法

针对应用于智能移动设备的虹膜识别系统在可见光采集条件下虹膜图像受干扰严重使得识别率正确率降低和算法鲁棒性变差的问题,提出一种类卷积神经网络结合局部特征提取的虹膜识别方法。首先,采用暗通道图像去雾算法对归一化虹膜图像进行增强处理以减弱光干扰;然后,利用类卷积神经网络对图像进行降维,获得虹膜的二值化纹理信息;再经分块处理方法提取降维图像各区域局部虹膜纹理信息以构建特征向量;最后用欧氏距离分类器进行匹配识别。为验证算法性能,采用MICHE-I虹膜图库中由iPhone5拍摄所得的30人240张(每人4张室内和4张室外)虹膜图像进行测试,并与Gabor变换和主成分分析虹膜识别方法进行对比。结果表明,该方法在室内外图像均进行训练的条件下正确率能够达到98.33%,且对室内外不同光照变化干扰有较好的鲁棒性,上述性能皆优于Gabor变换和PCA算法。说明本文算法能够满足移动设备虹膜识别使用要求。     

标准双色水尺的图像法水位测量

图像法水位测量利用图像处理技术自动检测水位线并识别水尺读数,具有非接触测量、无温漂、结果可追溯、系统造价低等优点。然而受到户外视频监控系统在拍摄视角倾斜、成像分辨率低、光照条件复杂等方面的制约,水尺刻度及字符的检测和识别实际上存在较大困难,导致现有方法的稳定性和适宜性差。针对上述问题,从摄影测量的角度提出了一种解决方案。首先根据标准双色水尺的样式设计模板图像;然后通过人工选取的控制点建立感兴趣区域和模板图像间的透视投影变换关系,将水尺图像配准到正射坐标系下;接下来根据配准图像中设置的采样窗口计算自适应分割阈值将其二值化;最终在二值图像的水平投影曲线中检测水位线,并根据模板图像的物理分辨率将其坐标换算为水位测量值。在不同条件下开展了4组现场试验。结果表明,本方法对于日夜光照下拍摄的低分辨率图像均具有较好的鲁棒性,测量分辨率和精度分别达到1 mm和1 cm,满足水文测验的要求。     

基于二维小波变换及图像模式识别的焊缝坡口识别

采用二维小波变换及二值化方法处理初始条件下管道焊缝坡口图像,获取焊缝坡口纹理信息,作为模板。 对后续坡口图像进行同样的小波变换及二值化处理,利用模式识别方法获取后续图像焊缝坡口及其中心线的基本 位置信息,研究的焊缝坡口识别算法为实现自然光下焊缝坡口实时跟踪提供了理论依据。     

融合分数阶微分边缘特征的自适应跟踪

为提高跟踪方法对背景信息、光照变化的抗干扰能力,提出融合分数阶微分边缘特征信息的改进跟踪方法。将R-L分数阶微分边缘检测算子与Laplacian边缘检测算子进行融合,构造出对高、中频信息提升,而对低频信息能够非线性保留的混合边缘检测算子,并利用其实现目标模板及场景图像的边缘特征信息检测。基于目标色度特征和边缘特征两种直方图模型,分别建立场景图像的反向概率投影值,根据背景信息的动态变化,以抑制背景干扰信息为目的,建立自适应融合的反向概率投影图,提高算法对不确定环境变化信息的鲁棒性。实验结果表明,混合边缘检测算子能够提高边缘图像的信噪比,改善边缘提取的效果。边缘、色度特征信息自适应融合的跟踪方法单帧跟踪时间小于20 ms,满足实时性要求。该方法能够在光照变化明显和与目标颜色相似背景等情况下有效实现目标识别与跟踪功能。     

一种非均匀光照图像字符二值化小波分析法

图像二值化阈值的选取是灰度图像二值化处理中的关键，本文提出一种基于小波边缘检测的图像二值化方法。通过对图像进行二进小波变换，在最佳尺度上寻找出图像字符的边缘点，再根据边缘点处的灰度值来确定出二值化的阈值。应用于光照不均匀的多噪声车牌图像二值化，取得了良好的效果。     

一种新的基于先验知识的一维条码二值化算法

火车票智能识别包含条形码识别,需要将条形码处理成二值图像,而扫描图像一般比较模糊,用传统的处理步骤和算法得到的效果并不理想。在充分研究条形码的基础上提出了一种基于先验知识的条码二值化算法,可以直接得到用来识别的条码的二值化图像．对于模糊或对比不明显的条码得到的二值化图像比传统算法更精确,更接近原图。实验表明该算法可以有效的得到二值化图像,并且结果令人满意。     

户外变电站复杂环境下的移动操作机器人单目视觉定位

根据新一代智能变电站带电检修机器人对于隔离断路器检修的工作需求,提出了一种基于圆特征的单目视觉定位方案,利用识别具有特定几何位置关系的标记圆来得到金具线夹在机器人坐标系下的位姿。针对变电站户外环境进行分析研究,设计了加权均衡自动阈值图像分割方法适应户外光照变化和图像明暗不均,以及亚像素模糊平滑边缘提取方法在保证识别精度的情况下准确识别出经由风吹日晒而遭到表面磨损的金具,同时应用迭代策略适应拍照位置的不确定性和重定位策略应对工作环境的弱刚性造成的视觉定位不稳定。该方法对于户外多变条件具有很强的鲁棒性,在变电站带电试验中取得了良好的效果,证明了其实用价值。     

基于直方图估计和形状分析的沥青路面裂缝识别算法

提出了一种基于直方图估计和形状分析的沥青路面裂缝识别算法,该算法首先将1024×1024像素大小的路面裂缝图像分为256个64×64像素大小的子块,然后采用直方图估计的方法获得每个子块图像原始直方图的混合高斯拟合函数,两个高斯函数的交叉点即是每个子块图像的最优分割阈值。利用该阈值对整幅图像进行二值化后,在两种尺度条件下采用形状分析方法对子块二值图像进行快速分类和"野点"删除,最终实现了裂缝区域的精确定位。试验结果表明:本文提出的阈值分割方法应用于裂缝图像分割,其性能要优于极小误差法、Ostu阈值法、最大熵法等经典算法;采用形状分析对分割后二值化图像进行后续处理,可实现裂缝区域的快速、准确定位。     

基于天际线识别的无人机实时姿态角估计

以无人机天际线识别为背景,提出了一种准确、实时的天际线识别算法,并由此估计姿态角.在结合实际情况的基础上,对天际线建立能量泛函模型,利用变分原理推出相应偏微分方程.在实际应用中出于对实时性的考虑,引入直线约束对该模型进行简化,然后利用由粗到精的思想识别天际线.首先,对图像预处理并垂直剖分,然后利用简化的水平直线模型对天际线进行粗识别,通过拟合获得天际线粗识别结果,最后在基于梯度和区域混合开曲线模型约束下精确识别天际线,并由此估计无人机滚动和俯仰姿态角.实验结果表明,该算法对天际线识别具有较好的鲁棒性、准确性和实时性.     

零件分拣系统中图像处理算法研究

为了提高生产中机械零件自动识别的实时性及分拣的准确率,提出了一种二次分割算法,对链片上有无钢印进行识别研究。首先,对采集的图像进行了基于Otsu法的背景自动阈值分割;接着,通过质心定位提取质心邻域矩阵,实现了特征区域图像的分割;最后,给出了基于特征区灰度值统计模型的判别式,并对关键参数进行了优化。试验结果表明所提出的二次分割算法准确率高、鲁棒性好,能有效满足复杂环境下特征对象的识别要求。