基于各向异性Retinex的路面图像阴影消除

路面图像中常常存在车辆、树木、建筑物等的阴影,给图像的特征抽取和识别带来极大的干扰。通过分析中心/环绕Retinex算法(center/surround Retinex,CSR)以及现有的基于Retinex的阴影消除算法处理阴影图像的不足,提出了一种各向异性中心/环绕Retinex算法(anisotropic diffusion center/surround Retinex,ADCSR),该算法融入了基于偏微分方程(PDE)的各向异性扩散,并根据算法特点提出了基于"边界性"(edge degree,ED)的各向异性扩散方案,避免了梯度门限等参数选择的困难,在消除阴影的效果上和运算效率上都取得了令人满意的结果。     

基于计算机视觉的车辆跟踪研究

基于计算机视觉的目标分割和跟踪被广泛应用于视频监控。首先在HSV空间利用阴影消除算法结合动态背景自适应更新技术分割目标,相比背景差分法提高了目标分割的抗干扰性。对分割出来的目标,将基于运动估计的卡尔曼滤波器应用于多个车辆目标的跟踪,提高了跟踪的速度和效果。最后给出运动车辆的分割和跟踪的实验结果。     

基于计算机视觉的运砂船超载状态检测

针对采砂监管过程中运砂船超载状态的检测问题,提出一种采用类Haar特征和Gentle Adaboost算法相结合的方法在非特写视频图像中检测吃水线和船舷线,通过手工标定的方式标定出标准载重干舷,然后通过实际干舷值与标准载重干舷值的比较来判断运砂船超载状态。实验表明,该方法能快速准确地在复杂的采砂现场环境中检测到目标运砂船的吃水线和船舷线,经手工标定后能准确地判断运砂船的超载状态,为采砂监管提供技术帮助。     

基于视觉传感器的障碍物检测

针对移动机器人双目视觉障碍物检测的实时性和准确性两大难题,提出了一种适用于室内复杂背景的障碍物检测方法。通过Retinex图像增强操作消除环境光照不均匀的影响;运用扫描线种子填充算法分割图像中的路面、背景和障碍物;通过二值化处理、边缘检测提取障碍物的轮廓信息和位置信息。在AS-RE轮式机器人平台上进行实验,实验结果表明,机器人能够在室内环境中稳定地实现自主避障功能,验证了提出的双目视觉障碍物检测算法的可行性。     

基于计算机视觉的玻璃瓶在线检测方法

本文在阐述数字图像处理和数理统计原理的基础上,提出了通过实施采集视频信号获得序列图像来进行一系列图像处理和缺陷提取判别的完整技术方案,并重点给出了图像预处理、检测软件算法的研究和软件系统的设计。     

非接触式路面状态检测技术研究进展

冬季恶劣的气候条件会使公路路面产生潮湿、积雪、结冰和冰雪混合等复杂的状态,导致车辆轮胎与路面之间的摩擦减小,成为诱发交通事故的直接原因。非接触式路面冰雪状态检测系统能有效识别路面状态,及时提供预警信号,且相较于接触式(埋入式)方法具有成本低、易于安装维护等优点。给出了路面状态的定义,对国内外非接触式冰雪状态检测技术进行了归纳总结,详细阐述其主要原理和关键技术、剖析其优缺点,并对未来的发展方向进行了展望。     

基于图像分析的路面裂缝检测识别系统

当公路路面开裂后,及时对路面裂缝进行维护才能有效降低公路的维护成本、提高公路的使用寿命。开发路面裂缝的检测识别系统不仅降低公路维护成本,而且可以防止意外发生,保护人身安全。首先,对图像进行预处理,目的是消除图像上的干扰裂缝识别的噪声。然后对图像进行检测识别,在图像上标记出裂缝准确区域,通过EXCEL保存试验所提取的裂缝参数信息。本系统通过使用Matlab软件编写程序实现整个图像裂缝识别过程。仿真实验结果表明,本系统能有效识别路面裂缝,大大效降低工人养护路面的成本和效率。     

基于颜色信息的盲道区域检测与跟随算法

盲道是辅助盲人日常生活中出行的城建设施之一。本文提出了一种基于颜色信息的盲道区域识别与跟随算法,侧重于解决光照条件改变与有投射阴影的条件下导盲道的识别问题。该算法可以应用在电子导盲杖或其他便携式导盲设备中,利用声音或者振动信息指引和辅助盲人或者视觉障碍患者,安全的沿着导盲道指示的路线行走。     

城市航空影像的阴影检测和阴影消除方法研究

阴影是城市航空遥感影像的基本特征之一,阴影的存在影响地物边缘的提取、建筑物的识别和影像的配准等,因此,阴影检测和阴影消除在城市遥感中具有重要意义。本文主要介绍了一种高分辨率城市航空影像的阴影检测和阴影消除方法,在阴影检测过程中,分别对影像RGB色彩空间中的G通道和HIS色彩空间中的亮度通道进行阈值选择检测出阴影区域,然后对这两种阴影检测结果进行与运算得到最终的阴影区域并标记出来。对所标记的阴影区域,根据Retinex理论选择合适的尺度对其进行增强处理,由于阴影区域的地物信息进行增强时阴影边界也有所增强,因此需要对阴影边界进行模糊化处理。试验表明,该方法能较好的检测出阴影区域,而且对阴影区域的地物恢复效果较好。     

复杂环境下的运动车辆检测

针对目前采用的车辆检测方法的优缺点,提出了一种新的车辆区域检测方法,能够消除阴影干扰。该算法首先运用选择性背景更新法进行背景相减,获取感兴趣区域,然后提出基于图的区域分割算法,对感兴趣区域进行再分割。该方法充分考虑了视频图像全局和局部的空间信息,根据分割区域的大小自动自适应地调节对图像局部细节的忽略程度,从而获取局部区域像素信息较为一致的分割块。最后基于分割过程中所具有的马尔科夫属性,运用条件随机域的方法建立分割后验概率分布,求取最大后验概率确定标号,并对具有相同标号的相邻分割进行合并。     

车辆辅助驾驶系统中基于计算机视觉的行人检测研究综述

基于计算机视觉的行人检测由于其在车辆辅助驾驶系统中的重要应用价值成为当前计算机视觉和智能车辆领域最为活跃的研究课题之一. 其核心是利用安装在运动车辆上的摄像机检测行人,从而估计出潜在的危险以便采取策略保护行人.本文在对这一问题存在的困难进行分析的基础上,对相关文献进行综述. 基于视觉的行人检测系统一般包括两个模块：感兴趣区分割和目标识别,本文介绍了这两个模块所采用的一些典型方法,分析了每种方法的原理和优缺点. 最后对性能评估和未来的研究方向等一系列关键问题给予了介绍.     

基于计算机视觉的人脸检测与识别综述

人脸检测与识别是当前图像处理、模式识别和计算机视觉领域内的一个热门研究课题,在回顾人脸检测与识别技术发展历程的基础上,对人脸检测与识别的多种相关技术作了介绍与评论,着重讨论了检测定位方法与识别算法,比较了各种方法的优缺点,最后介绍了此技术的发展趋势。     

基于计算机视觉的公路边坡裂缝检测方法

裂缝是大部分公路边坡灾害的早期症状,安全监测集中在此阶段进行.目前,公路边坡多采用人工定期巡查等方法,但存在成本高、监测范围小、人工干预多、安全性差等问题.提出一种基于计算机视觉技术的边坡裂缝监测技术,使用专业级摄像头拍摄边坡裂缝图片结合人工标注,构建目前种类多样的、且符合标准的边坡裂缝数据集;基于此数据集,利用深度学...     

基于YCbCr颜色空间的叶片阴影检测与去除

自然环境下获得的植物叶片图像往往由于阴影的存在而严重影响植物叶面特征的提取,为了解决这个问题,提出了一种基于YCbCr颜色空间的阴影的检测与去除方法.首先在YCbCr颜色空间中计算Y通道强度,采用阈值法检测阴影区域.然后在YCbCr颜色空间下根据光照模型对阴影区每个像素进行光照恢复.最后转化到RGB颜色空间下.相对于直接在RGB空间进行的阴影去除,该方法减弱阴影区的边缘效应,使得去除阴影后的区域与非阴影区的颜色更加一致,恢复图像看上去更加自然.     

一种IKONOS影像阴影检测与去除的方法

针对IKONOS影像数据多光谱、高空间分辨率、高辐射分辨率以及生成立体像对的特点，提出一种高精度阴影检测方法和实用阴影去除方法，真实再现阴影区地物特征，增加影像信息量，提高数据质量，也为其他遥感影像阴影去除提供一种新的研究思路。     

基于彩色立体视觉的障碍物快速检测方法

Real-time obstacle detection method is a key technique for machine vision based mobile robot and au-tonomous land vehicle navigation in unstructured environments. In this paper o considering the real-time requirement for stereo matching algorithm, an adaptive color segmentation method for possible obstacle region detection is first developed based on the color feature, and a simple region based stereo matching algorithm of binocular vision for realobstacle recognition is also introduced. Obstacle detection is implemented by combining the road color adaptive seg-mentation method and region based stereovision method. Lots of experiment results show that the proposed approachcan detect obstacle quickly and effectively, and this algorithm is particularly suited for road environments in which the road is relatively flat and of roughly the same color.     

Pavement Cracks Coupled With Shadows: A New Shadow-Crack Dataset and A Shadow-Removal-Oriented Crack Detection Approach

Automatic pavement crack detection is a critical task for maintaining the pavement stability and driving safety. The task is challenging because the shadows on the pavement may have similar intensity with the crack, which interfere with the crack detection performance. Till to the present, there still lacks efficient algorithm models and training datasets to deal with the interference brought by the shadows. To fill in the gap, we made several contributions as follows. First, we proposed a new pavement shadow and crack dataset, which contains a variety of shadow and pavement pixel size combinations. It also covers all common cracks (linear cracks and network cracks), placing higher demands on crack detection methods. Second, we designed a two-step shadow-removal-oriented crack detection approach: SROCD, which improves the performance of the algorithm by first removing the shadow and then detecting it. In addition to shadows, the method can cope with other noise disturbances. Third, we explored the mechanism of how shadows affect crack detection. Based on this mechanism, we propose a data augmentation method based on the difference in brightness values, which can adapt to brightness changes caused by seasonal and weather changes. Finally, we introduced a residual feature augmentation algorithm to detect small cracks that can predict sudden disasters, and the algorithm improves the performance of the model overall. We compare our method with the state-of-the-art methods on existing pavement crack datasets and the shadow-crack dataset, and the experimental results demonstrate the superiority of our method.

     

基于无人机视觉的起重机表面裂纹检测方法

为解决起重机高空金属结构不可达部位裂纹的远程可视化检测难题,提出一种基于无人机视觉的结构表面裂纹检测与识别方法。通过搭载高分辨率可见光相机的倒置式无人机检测平台,全方位采集大型起重机复杂钢结构表面图像;采用Faster R-CNN深度神经网络算法分类检测是否有裂纹缺陷,并以缺陷最小外接矩形框标记其位置;对检测出的裂纹目标框区域,利用最大熵阈值分割、Canny边缘检测、投影特征提取和骨架提取等方法,对裂纹长度、宽度、面积、长宽比等参数进行识别,并为长宽比和面积设置一定阈值,去除漆膜开裂和水渍等伪裂纹缺陷。实验结果表明,Faster R-CNN裂纹检测算法准确率达到95.4%,速度达到2 f/s,同时裂纹宽度识别误差约为5.84%,实现了起重机结构表面疲劳裂纹的远程自动化检测。     

一种高精度路面裂缝检测网络结构:Crack U-Net

路面裂缝对行车安全有很大的潜在威胁,以往的人工检测方法效率不高.现有裂缝检测方法模型泛化能力低,在复杂背景下的裂缝分割能力差且效率不高.为了解决这些问题,文中提出了一种基于编码器-解码器结构的新改进型网络结构Crack U-Net,目的是提高路面裂缝检测的模型泛化性以及检测精度.首先,Crack U-Net用密集连接结...     

基于激光点云的道路可通行区域检测方法

以车载激光雷达获取的点云数据为研究对象,针对无人车道路环境感知的关键技术展开研究。为解决无人驾驶中道路可通行区域检测存在的地面不平整、缓坡、障碍物单一等问题,提出基于激光点云数据的道路可通行区域检测方法。通过基于分段校准的RANSAC算法进行地面分割,解决地面不平整导致的欠分割问题。使用多特征复合判据,利用基于体素化的DBSCAN聚类算法和基于结构特征的障碍物识别方法完成障碍物的分割与识别。结合道路结构以及数据高程突变特征,提取道路边界候选点并拟合得到完整的道路边界线。将道路区域栅格化,根据道路边界悬空障碍物判断并更新可通行区域,实现可通行区域的准确检测。实验结果表明,该方法在复杂道路场景中的边界检测准确率高于95%,可有效检测出障碍物及道路的可通行区域,具有良好的实时性与鲁棒性。