基于神经网络的车道偏移自动检测的研究

车道偏移是交通事故的主要因素之一。通过引入神经网络提出了一种应用机器视觉检测车道偏移的方法。首先通过图像处理从道路图像提取道路标志线。然后通过最小二乘法计算道路图像中道路标志线的参数。以道路图像中道路标志线的参数为输入,车道偏移参数为输出,建立神经网络进行车道偏移检测。实验结果表明误差小于0.5%,方差检验结果也表明人工测量和神经网络的结果无显著差异。新方法将有助于车道偏移自动检测技术的发展。     

基于道路结构特征的自主车视觉导航

基于计算机视觉技术的道路检测,针对红旗轿车自主驾驶系统的视觉导航,提出并实现了一种基于道路结构特征的自主车视觉导航方法.该方法根据高速公路上道路标志线平行、等宽等特征,将车载摄像机获取的道路图像投影到道路平面上,再运用这些特征来提取标志线像素.在此基础上根据公路道路模型,建立参数空间搜索最优参数,得到道路标志线的参数表达,实现视觉导航,并给出了C市环城高速上的实验结果.     

基于HSI图像分割的AGV道路标线中心线提取

针对视觉导航AGV的道路标线中心线提取,提出了一种新型的基于HSI图像分割的方法。该方法首先将原始的RGB图像转换成HSI图像,在此基础上完成图像分割。图像分割所获得的单色位图,经过图像形态学的处理,包括开运算、腐蚀、差运算等,最终可提取出道路标线的中心线。对实际道路图像数据的实验验证了该方法的有效性。与原有方法相比,该方法所需运算简单,实现该方法所需硬件资源消耗小,适合基于嵌入式系统开发的视觉导航AGV。     

智能汽车中基于视觉的道路检测与跟踪算法

提出了一个基于视觉的道路环境识别算法．该算法能实时提取图像序列中道路信息，获取车辆在道路上的位置、姿态信息，预测前方道路状况，将道路环境信息反馈给智能汽车用于其控制车辆的主动安全．首先联合摄像机内参构建了道路的三维数学模型，突破了以往一些系统将道路看作一个平面的二维模型的局限，算法利用道路标志线的颜色突变特性有效地提取道路边界，并将扩展卡尔曼滤波器与道路模型结合对道路和车体的状态进行实时跟踪分析，获取实时的道路环境信息．实验证明该算法可在直道和弯道以及标志线间断或标志线周围有干扰的各种道路中稳定地工作，在光影条件不利或前方有车的情形下算法仍具有较高的鲁棒性，能够适应多变的道路环境，提供实时有效的信息数据．     

基于改进的暗通道先验去雾辅助导航算法

经典的去雾算法无法满足车道线检测的实时性和准确性要求,因此提出一种改进暗通道与边缘检测融合的雾天车道线识别算法。首先对有雾图像进行对比度增强处理,突出边缘、颜色等有效信息,基于道路先验信息对图像进行感兴趣区域处理,利用暗通道先验算法对静态约束图像进行去雾操作,并通过双边滤波器细化透射率图,得到清晰的去雾图像;然后引入动态约束理念,提取车道线可能存在的区域,借助Sobel算子检测动态约束后的车道线区域,提取车道线边缘点;最后利用Hough变换进行准确的车道线拟合。实验表明,改进的去雾算法得到的图像清晰度与对比度更高,满足了车道线检测的准确性与实时性要求;去雾及车道线检测算法平均处理时间为297. 305 ms,满足无人驾驶时间要求。     

基于实景图像的道路限速标志检测算法研究

在基于道路图像的交通标志识别系统中,关键步骤之一就是对图像中的交通标志能够快速有效地检测.以分析限速标志为例,根据限速标志的特点在图像中寻找到其所在的位置并提取出相关区域,为图像的识别做好前期准备.为了提取出交通标志,采用了颜色预处理、形态学滤波、二值化后的连通域处理和圆的检测等方法.实验表明,该方法能有效地从实景图像中提取出含有交通标志的区域.     

基于特征点校正的几何鲁棒性水印算法

提出了一种基于SIFT特征点几何校正的抗几何攻击水印算法.该算法首先利用SIFT从原始图像中提取特征点集,并将其作为密钥保存;水印在检测前,再用SIFT从含水印图像中提取特征点集,根据特征点匹配算法(欧式距离)实现两个特征点集的匹配;然后利用匹配点对的几何特性校正几何攻击,恢复含水印图像的同步性.一个可标志的二值图像水印通过量化的方式自适应地嵌入到Coutourlet变换域的低频子带中;水印提取时不用原始图像,水印存在与否不仅可以通过阈值检测,也可以通过视觉直接判定.实验结果可验证,算法对常见的图像处理攻击、几何攻击和多种组合攻击均具有较强的抵抗能力.     

OpenCV的车道线检测方法

基于开源计算机视觉库(OpenCV),提出一种轻量级的车道线检测方法.首先,对输入的原始图像进行灰度化处理,紧接着使用双边滤波滤除噪声,大幅度保留原始图像的边缘信息;然后,用Canny边缘检测提取图像边缘;最后,使用速度更快的渐进概率Hough变换(PPHT)识别车道线.仿真结果表明:预期检测车道线的效果较好.     

基于改进 Hough 变换与双点去除 R-最小二乘法的车道线检测优化算法

针对传统Hough变换和最小二乘法的不足分别提出改进算法,并应用到车道线检测中,对道路图像进行预处理得到车道线的边缘点,对拟合车道线的两种方法进行改进,提高车道线检测的准确率和实时性。在实际检测中,设计一种结合改进Hough变换和双点去除R-最小二乘(R-least squares with dual removal,R-LSDR)法的检测算法,并运用Kalman滤波器跟踪车道线,在实车采集的道路图像序列上进行初步测试。实验结果表明,优化的车道线检测算法提高了检测准确率和运行效率。     

一种融合分割和消失点提取的车道线检测方法

针对路面干扰时车道线检测鲁棒性差和消失点检测误差大的问题,提出了一种基于融合分割和消失点提取的车道线检测方法.对获取视频帧图像进行灰度化和高斯滤波处理之后,利用Canny边缘检测算法对图像进行边缘提取.以边缘点最多的一行作为上界划分预处理图像的动态感兴趣区域(ROI),结合大津算法(OTSU)分割出预处理图像的车道线背景,提取车道线信息.采用直线段检测(LSD)算法对ROI区域内车道线标志进行提取,并结合改进的消失点检测方法快速提取车道线.实验结果表明:所提出的方法对多场景下离线照片的平均正检率为97.16％,识别速度为34 ms/帧,能够很好地对多场景下车道线进行快速检测.     

几种边缘检测算子在红外图像处理方面应用研究

为了从原始红外图像中提取目标轮廓信息,并克服图像对比度低、噪声干扰大等缺点,需要对红外图像进行边缘检测处理。文章分析Sobel,Canny等几种常用边缘检测算子原理并将其应用于红外图像的边缘检测,同时根据仿真结果比较了它们所代表的一阶梯度算子、二阶梯度算子以及复合检测算子在不同类型红外图像边缘检测中的表现,总结了不同算子检测效果的特点并分析其对应的理论依据。为今后红外图像处理中边缘检测算子的选择提供了参考。     

汽车轮毂内部缺陷的自动分割

汽车轮毂的内部缺陷需要用X射线无损探伤的方式来检测,其中X光图像上缺陷的自动分割是整个检测过程的关键。提出一种基于数学形态学重建运算的图像分割方案,选定结构元素后先对原始图像进行顶帽变换得到模板图像,再对原始图像进行顶帽重建变换得到标记图像,通过标记图像去重建模板图像,最后对重建结果进行二值化处理,得到轮毂缺陷的最终分割结果。实验结果表明,提出的技术方案切实可行,能准确提取轮毂的缺陷区域。     

碎片图像字符特征提取方法研究

字符特征提取是含文字碎片图像拼接的关键环节,直接影响拼接效果。提出了一种包含文字信息的碎片图像特征提取方法,首先,对原始碎片图像进行预处理,分别得到字符和碎片背景的二值图像;然后,利用边缘检测算子提取字符和碎片背景的单像素边缘;最后,利用结构算子检测碎片图像中字符与碎片背景边缘的交叉点,并根据交叉点的信息提取字体边缘方向特征。仿真实验结果表明本文提出的碎片图像字符特征提取方法思路合理,能够快速、准确地提取出碎片图像中的字符特征,为后续的匹配拼接奠定基础。     

基于相容粒的彩色图像检索算法

图像特征的提取与表达是图像检索技术的基础,而图像边缘是重要的视觉感知信息,由此提出一种基于相容粒度空间模型的图像检索方法.首先利用Canny边缘检测算子提取原始图像的彩色边缘信息,然后使用相容粒的合并计算方法对图像边缘颜色进行动态量化,根据得到的信息粒计算图像之间的相似度并进行图像检索.仿真实验表明,本文算法与传统颜色...     

一种基于HVS的小波水印方案

该文提出了一种新的静态图像水印技术，它基于人眼视觉系统模型，利用了图像的多尺度融合技术，可将任意的图像水印添加到载体图像中。通过与原始的载体数据进行比较实现水印的提取。最后，与嵌入的水印进行相关性检测，来检测提取出的水印是否有效。实验结果表明，该文提出的水印方案对于图像模糊、锐化、加噪、静止图像数据压缩标准(JPEG)压缩等常用图像处理技术具有较好的鲁棒性。     

基于多信息融合优化的鲁棒性车道检测算法

为了提高复杂环境下车道线检测的鲁棒性,提出一种基于多特征信息融合优化的鲁棒性车道线检测算法.首先构建了基于二次曲线空间道路模型图像中左右车道线数学模型;然后融合像素梯度值、梯度方向、像素灰度以及车道线结构等多特征信息,构造后验概率函数;最后采用基于免疫克隆策略的改进粒子群优化算法优化车道线模型参数,实现车道线提取.对实际道路图像的实验结果表明,引入多特征信息后,在道路中存在阴影、车辆和道路标记等干扰因素,以及车道线模糊、对比度较低的情况下,该算法也能快速准确地提取车道线,具有很强的鲁棒性.     

基于支持向量机同步的自适应水印检测方法

提出了一种基于支持向量机(SVM)同步的自适应水印检测方法.该方法利用模糊聚类分析图像纹理、亮度和对比度掩蔽特性,在离散小波变换域自适应嵌入水印信号.为抵抗几何攻击,利用6个图像组合矩表示原始图像的几何特征,通过SVM学习图像旋转、缩放和平移的变换参数,同步后再进行水印的检测和提取.仿真实验表明,该算法在一定的视觉强度下可嵌入鲁棒性更强的水印,能有效抵抗噪声、JPEG压缩和几何攻击,水印检测无需原始图像,具有实用性.     

基于压缩传感的图像哈希水印算法研究

现有基于图像内容的水印算法在鲁棒性和篡改检测方面存在不足,提出了一种基于压缩传感的图像哈希水印算法。该算法利用压缩传感对图像进行随机投影,得到的压缩测量值作为图像内容特征,通过HMAC(Hash-based Message Authentication Code,基于哈希的消息认证码)算法生成图像摘要,并以水印的方式嵌入到原始图像中;认证时,提取图像中的水印,并对认证图像进行压缩传感随机投影,得到原始图像和认证图像的摘要,通过摘要对比,实现图像认证和篡改检测。仿真实验表明,该方法不仅具有较强的鲁棒性和安全性,还具有较好的篡改检测能力。     

边缘重叠图像接中的特征块选取

提出了在2维直方图上用双门限对原始图像进行分割，经过标记、筛选等处理后，快速提取边缘重叠图像匹配过程中所需的匹配模板，以实现重叠图像的正确、平滑的无缝拼接。     

基于深度特征融合的红外弱小目标检测方法

红外弱小目标具有信噪比低、目标尺寸小、特征不明显等特点,加之场景复杂度不断提升,杂波干扰严重,导致现有的红外弱小目标检测方法在面对复杂场景时性能衰减。综合手工方法提取目标单一的显著特征及深度学习方法提取图像综合特征的优势,设计了基于深度学习的红外弱小目标深度特征融合检测网络模型。首先,模型利用多尺度自适应特征提取网络来提取红外图像中弱小目标的原始特征与平滑度图像中弱小目标的平滑度特征;其次,为提高目标显著度,提出了一种多层级联特征融合策略,实现特征提取网络中小目标原始特征与平滑度特征的融合;最后,利用多层级联特征融合映射网络对红外弱小目标进行特征映射与背景抑制,获得背景杂波被极大抑制的红外弱小目标特征映射图像。实验结果表明,同现有的基于深度学习与基于手工特征的检测方法相比,所提出的检测方法在各种复杂的场景中都拥有较高的准确率及较低的虚警率,同时拥有较快的检测速度。