一种基于视频的公交客流自动统计方法

为提高公交系统智能化管理水平,提出一种公交客流自动统计方法。采用直方图统计与多帧平均的方法提取视频背景,使用背景边缘去除算法得到乘客目标边缘轮廓信息。在此基础上,根据乘客头部轮廓的类圆特性,利用基于梯度信息的Hough变换圆检测算法完成乘客头部轮廓的识别,通过基于Kalman滤波预测的CamShift目标跟踪算法实现乘客的检测与计数。实验结果表明,该方法能有效消除背景图像中的噪声以及背景边缘,准确识别乘客目标并对其跟踪计数,从而提高城市公共交通运输效率。     

机载视觉探测与目标定位系统设计与实现

为了解决GPS(Global Position System)定位精度不够高,无法满足无人机完成货物搬运任务的问题,设计并实现了一种以TMS320DM6437为平台的机载视觉探测与目标定位系统,由机载子系统和地面监视子系统组成。机载视觉信息处理子系统利用圆的几何特性改进了经典的Hough变换圆检测算法,在保证精度的同时大大降低了计算量,提高了算法运行效率。同时设计并实现了区分多个相同目标的方案与算法,其冗余机制增强了方案的可靠性。最后搭建了静目标定位测试平台和动目标定位跟踪机载测试系统,验证了系统的可靠性、鲁棒性、实时性和探测精度。     

基于图像处理的叶面积测量方法

采用数字图像处理方法对毛白杨叶片进行长、宽、面积的测算,并应用Hough变换对叶片畸变图像进行校正,取得了可靠的数据,建立了叶片长、宽、长宽乘积和面积的回归方程,结果有着显著的相关性,为植物叶面积快速估算提供了一条比较好的途径.     

方向性纹理织物疵点检测方法研究

通过分析方向性织物纹理的特点,提出了一种织物疵点检测新的方法。首先根据正常纹理Hough变换确定织物纹理的纹路方向;然后采用方向性小波对织物纹理图像进行方向性的分解,并在此基础上从分解后的各细节子图中提取子窗口的特征;最后通过BP神经网络进行织物疵点识别。实验结果表明了该方法的有效性。     

利用频谱特性鉴别运动模糊方向

点扩展函数(PSF)的精确估计是运动模糊图像恢复的关键。匀速直线运动模糊的PSF参数主要由模糊角度（方向）和模糊尺度两个参数组成,然而模糊角度的估计又是重中之重。针对R Lokhande等人提出的霍夫变换的运动模糊方向估计法进行改进,通过增加边缘检测等预处理步骤,利用霍夫变换检测直线,并利用改进的霍夫变换峰值提取方法来估计角度值。实验表明,该方法能够得到比原方法更精确的角度值,并且具有抗噪能力强、鉴别精度高的优点。     

形变冗余的改进GHT目标双层定位方法研究

经典广义Hough变换可以较好地解决非形变目标定位问题,但对于存在形变的目标定位问题存在不少困难。为解决该问题,同时考虑如何提高检测定位速度与减少存储消耗, 在粗定位与精确定位两级框架下提出基于改进GHT形变目标两层定位快速算法。粗定位过程首先利用图像的局域二进制模式的直方图特征对图像进行全局搜索,检测出目标大致范围 ;在精确定位过程中,通过建立模板图像边缘像素的R表,使待检测图像边缘像素在约束的参数范围内依据该R表进行局部搜索,并通过一个投票结果散布窗对得到的累积矩阵进行 集中化处理,达到把每一点邻域内投票结果集中在某点的目的,从而给出最后的检测结果。实验表明,本文算法能够较好的解决一定程度形变目标的定位问题,同时减少了运算时 间以及存储消耗,检测稳定性高,具有一定应用意义。     

形态学尺度空间城市建筑物自动分类算法

建筑物类型的确定可为3维重建、图像检索等提供重要依据,而实现其自动判断往往是困难的。通过分析城市建筑物中两大基本类型建筑物的角点特点,利用大尺度形态筛获得初步轮廓区域;通过改进Hough变换和提出的线段、角点优化算法,对各类型角点进行分类统计,实现数码相机拍摄的平顶和非平顶建筑物的自动分类。通过对几十幅采集的建筑物图像进行实验证明,提出的线段优化算法可以有效消除错误轮廓线的影响,进而实现建筑物类型判断,准确率可以达到80%。     

基于方向ROEWA算子的高分辨率SAR图像道路提取

指数加权均值比率ROEWA算子是SAR图像阶跃边缘提取中较为常用的算法,但该方法只能提取边缘强度,不能得到边缘方向。本文在ROEWA算子的基础上,利用添加方向模板的方法,提出了获取边缘方向的ROEWA改进算法。并根据得到的边缘方向,分别提出了一种边缘筛选算法和快速的Hough变换算法,从而提取出图像中的直线信息。实验表明,本文方法准确、高效,且对SAR图像中的相干斑噪声具有很好的抑制作用。     

一种提取随机排列胶囊分离边缘的方法

提取随机排列胶囊图像中分离的、单个的边缘,是胶囊缺陷检测与计数的前提。随机排列的胶囊具有倾斜度不确定和多胶囊粘连的特点。由此,本文先提取胶囊的边缘,再将＂点＂连接与＂线＂连接的胶囊边缘逐步分离,最终完成分离边缘的提取。经过现场实验测试,该方法的边缘识别正确率达到97%。