交通地图图像中道路识别与道路信息提取

提出了一种基于道路中心线的闭环反馈改善交通地图图像中道路识别与提取的方法,以达到识别与提取完整道路网络的目的.依据于微观识别与宏观排除的逼近思想,实现了道路图层的初始聚类与输出反馈控制下的道路图层完全提取.针对标准城市交通地图,确定了道路与区域阈值条件.通过对噪声的再聚类过程实现道路与区域的二值完全聚类.利用交通道路中心线特征构成道路图层反馈再聚类策略.反馈再聚类策略能够保证道路图层优化过程的收敛性质.试验结果表明了该方法具有较高的准确性、全自动化和通用性.     

基于泛在位置数据的城市道路网精细建模

为解决当前城市道路网自动提取方法难以同时对道路几何、拓扑、语义进行精细建模的问题,提出一种基于泛在位置数据的城市道路网一体化精细建模方法。首先,利用轨迹转向角热点分析方法提取道路交叉口区域,对交叉口和路段进行分治;然后,识别道路交叉口的出、入口点,分别采用低频轨迹聚类和交叉口连通性分析方法,识别交叉口的转向模式,并对路段轨迹进行分类,在此基础上对道路网几何、拓扑结构进行精细建模;最后,利用自然语言处理和地图匹配技术,利用位置文本数据和车辆轨迹数据提取道路名称和平均速度等信息,实现道路网几何、拓扑、语义精细建模。研究结果表明:本文方法能够用于快速获取城市道路网几何、拓扑、语义信息并精细建模。     

基于航拍图像的道路提取算法

针对航拍图像中的检测道路问题,提出了一种多方法融合的道路提取算法.该算法根据建立的颜色模型,应用图像分析技术分析道路的连接特性和宽度特征.运用Hough变换提取图像中道路像素,使用交集处理方法去除图像中的噪声.通过道路阴影颜色分析,噪声分类处理以及道路修复等技术,快速高效地从复杂的航拍图像中提取出道路.实验结果表明,与现有的道路检测方法相比,该算法具有检测准确、效率高等优点.     

一种高分辨率遥感影像城区道路网提取方法

提出一种高分辨率影像城区道路自动提取新方法.该方法首先引用经典的Mean-Shift算法实现道路图像的初步分割,再合并灰度相似的区域,依据直方图准则选取合适的阈值进行二值化分割；然后,引入形状因子(面积、长宽比等)去除混杂在图像中与道路形状特征不相似的区域；对于仍然与道路相连的非道路区域,构造多方向形态学滤波的方法剔除,提取独立的道路区域,最后连接断裂的道路线,实现道路网的提取,并对多幅高分辨率城区影像进行试验.研究结果表明:该方法能很好地实现从复杂环境中提取道路网,特别是对直线型道路的提取精度更高.     

基于模糊颜色提取的彩色图像分割

为了对彩色图像进行有效分割,提出了一种基于模糊颜色提取的新型彩色图像分割算法,这种算法可以有效的进行区域分割.首先,提出了一种模糊颜色提取方法,然后介绍了该算法,算法经过迭代可以选择典型的种子颜色来提取颜色分量,最后应用区域生长法可以确保所需区域的完整连通性.区别于现有的图像分割方法,本方法是将相同的像素分成几个模糊集,分割成功率提高10%左右.实验结果表明该算法可以合理分割出所需区域,避免冗余,并且具有较好的噪声抑制力和鲁棒性.     

图像辅助激光点云的相似材料模型破裂边界提取

针对现有的相似材料实验观测方法获取破裂区域信息效率低以及数据处理复杂的缺点,根据模型点云呈面分布的特征,提出一种图像辅助激光点云的相似材料模型破裂边界提取方法.将模型点云栅格化生成合成图像,并建立点云与图像像素的映射关系,对合成图像进行灰度二值化处理,利用Canny算子提取二值化后图像的边缘,最后根据点云与像素的映射关系获取点云的破裂边界.研究结果表明:该算法可较好的提取出破裂区域的边界,提取的结果可以用于开采沉陷研究当中.     

基于移动激光扫描点云数据栅格化的交通标线分割算法

针对目前交通标线提取研究对于语义信息丰富的标线精细化分割研究不足的现状, 通过移动激光扫描数据提出了一种精细化交通标线的语义分割算法。该算法先从道路点云中提取出路面,并根据点云的强度信息将其转变为栅格图像并对其优化,通过二值化处理提取出路面标线;在此基础上根据矩形度筛选将所有标线对象粗分为两类,并采用不同的语义分割策略进行识别,最后获得了10种符号标线以及非符号标线对象的精细化语义信息。实验选取了上海8组不同区域的城市道路点云数据进行验证,结果表明该算法具有96.04 %的精度与96.92 %的召回率,综合评价指标F达到96.48 %,为高精地图提供了更加丰富的交通标线语义信息。     

一种基于无人机影像的高精地图车道线检测与提取方法

高精度地图是实现自动驾驶技术必不可少的基础设施,车道线是高精度地图车道级路网的重要组成部分。以往高精度地图的车道线检测多基于车载摄像头数据,存在成像范围有限、需要透视变换和多次拼接造成的效率问题。基于无人机航拍影像,采用U-Net网络识别道路区域,过滤非道路区域噪声,通过HSL颜色变换和Sobel算子分别计算车道线颜色和边缘梯度特征,使用Otsu算法自动确定特征分割阈值获得二值化车道线特征图,通过局部最大值算法确定滑动窗口的初始位置,最后借助滑动窗口算法和多项式检测拟合车道线。实验结果表明,在保证一定检测精度的前提下,单条车道线检测长度超过了百米,道路检测效率达到25.2 m/s,对比于地面影像的检测算法具有明显的效率优势。     

一种基于Snake模型的遥感影像道路网半自动提取方法

在遥感影像中,道路不仅是一种重要的基础地理信息,而且还是提取其它地物目标的线索和参考,道路的正确提取对遥感影像的深入应用具有重要意义.然而,到目前为止,遥感影像道路网的全自动化提取仍处于探索阶段,现有研究仍多侧重于道路的半自动提取方法.本研究在归纳和总结现有典型的几种道路半自动提取方法基础上,提出了一种基于Snake模型的遥感影像道路网半自动提取方法,针对该方法中能量函数的构造、收敛迭代条件的设置、道路中角点的判断、角点及道路网中交点的提取等问题进行了讨论.最后对所提出的方法进行了实验验证,结果表明:基于Snake模型的遥感影像道路网半自动提取方法能够从覆盖范围大、场景复杂、噪声较多的遥感影像中实现道路网的提取且只需少量的人机交互,从而极大地提高了道路提取的效率.     

一种改进单机器人类蚂蚁全区域覆盖算法研究

对基于栅格地图的单机器人类蚂蚁全区域覆盖算法进行了研究,并提出了一种改进的单机器人类蚂蚁全区域覆盖算法.在新算法中,将栅格地图中的栅格划分为‘未访问’、‘可访问’和‘不可访问’三种状态,机器人根据栅格的状态采用不同的移动策略,从而大大降低了原来单机器人类蚂蚁算法中的重复覆盖率,有效减少了机器人移动次数.最后,通过仿真实验,证明了该算法有效可行.     

扫描地图中房屋和建筑物的自动矢量化方法

提出一种对扫描地图中房屋和建筑物自动进行结构识别和数据获取的方法.将经扫描和细化处理后的二值骨架地图作为数据源,然后将图像转化为便于操作的基本图形和超级图形.分析了存在于扫描地图中的若干种干扰结构,并提出了其对应的消除方法.最后,采用先找“拐点”、后分段处理的方法,对房屋结构进行了矢量化.实验结果证明,该方法在将纸面地图转化为矢量地图中的高效可靠性.     

免测绘型数字交通精确制图程序研究

针对传统地图制图必须进行精密测绘或航空摄影以获得地理图像及位置坐标的问题,提出了一种与传统过程反序操作的全新的免测绘型数字交通精确制图方法.该方法据城市栅格地图可智能地提取交通网络信息,从而获得矢量地图;利用道路GPS轨迹(含准确经纬度)叠加于矢量地图,取得地图校正采样控制点;通过拓扑变换来完成地图节点坐标的精确校正,并为应用地图道路结构特征的带有闭环控制的道路聚类过程和动态离散拓扑变换实现数字地图的非线性校正,提出了离散非线性校正算法.以合肥城区的地图生成过程为例进行了实验,结果证明了免测绘制图方法在生成高精度数字地图上是有效的.     

用于场景分类的显著建筑物区域检测

为了实现城市区域内室外场景的快速分类,提出了一种基于视觉注意力选择机制的显著建筑物区域检测方法.该方法首先通过Gabor算子对图像进行滤波,得到水平方向与垂直方向的联合增强图像,然后利用基于相位傅里叶变换(Phase Fourier Transform, PFT)的显著性映射算法提取视野中的显著建筑物候选区域,最后通过方向直方图判别算法去除干扰目标,并采用CV (Chan Vese)模型实现显著建筑物区域的分割.该方法在注意力选择机制及建筑物方向特征的基础上,提取具有场景代表性的建筑物区域信息,增强了算法的时效性和场景分析能力,同时实现了区域信息在像素级上的精确检测,并将其应用于美国南加州大学的多类室外场景数据库.实验结果表明,显著建筑物区域检测方法在检测结果、计算速度和鲁棒性等方面均取得了较为满意的效果.     

Standard映射及其三维扩展在多媒体加密中的应用

混沌映射因为初值敏感性、参数敏感性、遍历性和类随机性的特点,很适合用于信息加密.离散化后的混沌映射与扩散机构相结合,与传统的密码算法相比,加解密速度更快,能够满足实时性要求.与Baker和Cat映射相比,Standard映射具有更大的密钥空间,更适合于信息加密.因此将其扩展到三维空间,构造了基于离散Standard映射的多媒体加密方案,分析了Standard映射的参数敏感性,给出了置乱循环次数和扩散函数的选择方法.实验结果表明,算法具有较高的安全性和较快的加解密速度,适合于多媒体数据,如图像、视频、多波段图像等的加密.     

一种听觉显著图提取模型

本文基于人耳听觉特性提出了一种改进的自下而上听觉显著图提取模型.该模型根据人耳听觉系统对声音分频道处理以及声音信号时间方向的差异更能有效表征听觉显著性这两个特点进行显著图提取.首先对输入声音信号进行短时傅立叶变换(SFFT)得到声音信号的听觉图谱,然后重新划分频带并在各频带上采用一维高斯滤波器组进行不同尺度的时域滤波,再利用中心-周边差算子计算各频带的听觉显著度并进行跨尺度整和,最后将各频带的听觉显著度线性合并之后得到最终的听觉显著图.仿真实验的结果表明该模型提取的听觉显著图更准确.     

基于改进卷积神经网络的平面地图道路模糊推理分割方法

由于平面地图呈现方式单一且有限,为提升其多样性需准确分割平面地图中的道路区域。提出一种基于改进CNN(convolutional neural network)平面地图道路和模糊推理分割的方法。选取两个道路信息丰富的数据库,实验选取百度地图(Baidu)数据库和高德地图(Amap)数据库,标记得到含标签信息的像素训练集;用Sigmoid分割目标函数代替复杂的Softmax函数分别训练得到Baidu-CNN模型和Amap-CNN模型;对得到的像素点概率进行非线性映射,构建模糊推理系统;将非线性映射后均匀分布的像素点概率输入模糊推理系统,判断像素点属于道路区域的概率,得到道路分割结果。结果表明:所提算法得到的平面地图道路分割模型较传统算法分割效果更好;准确率可以达到94.49%;单张平面地图的道路分割速度可达到5 s。     

基于自组织特征映射的图像分割算法研究

提出了一种基于自组织特征映射的图像分割算法,实现了计算机对图像的初步理解,从而在某种程度上模拟了生物的初级视觉功能．通过分析研究Kohonen网络的自组织特征映射过程,构造了基于Kohonen网络的图像分割神经网络方法,应用自组织特征映射方法将原始图像分割为有序化的相关特征区域．最后结合图像分割的特点对算法进行了改进,结合有监督的学习算法,使得图像的分割最终在先验知识的指导下进行．实验结果表明将Kohonen网络应用于图像分割使得算法具有很强的自适应性,能够在很大程度上避免背景及噪声对分割的影响．     

基于VP Studio和CASS的栅格地形图矢量化方法

在分析比较现有的栅格图像矢量化作业模式和相关软件的基础上,提出将VP Studio软件与CASS软件相结合的人机交互式栅格地形图矢量化作业方法,其中包括基于VP Studio的自动矢量化处理和基于CASS的编辑与后处理两部分。通过对近30个栅格图像的矢量化作业,表明该方法能明显提高栅格地形图矢量化效率、降低作业强度。     

基于ORB-SLAM2的三维占据网格地图的实时构建

针对ORB-SLAM2系统只能输出相机的运动轨迹图,而不能生成用于路径规划和导航地图的问题,提出了一种基于ORB-SLAM2的跳表地图(Skip List Map)构建算法,可用于三维占据网格地图实时构建。首先搭建了一个用于三维占据网格地图实时构建的Skip List Map模型,其时间复杂度仅为O(lgn);其次对Skip List Map三维占据网格地图的生成与更新做了详细推导;最后设计了ORB-SLAM2与Skip List Map算法相结合的方案。通过效率对比实验,表明本文算法具有较高的时间效率与灵活性;搭建实验所需平台并进行了真实场景实时实验,实验表明本文算法能实现三维网格地图的实时构建;且能清晰标识出环境中障碍物的位置,验证了本文算法的有效性。     

基于数值背景表达的地图符号识别方法

提出一种基于数值背景表达的地图符号识别方法.数值背景表达就是对图像中的每一个背景像素按照一定的规律进行编码,从而得到16种不同的特征值,分别表示16种不同的背景区域.形成背景像素的特征值表达之后,再通过识别典型的背景区域及其位置、结构等特征来识别图符.结果表明,该方法对符号变形不敏感,能有效地消除非法符号的干扰,相比传统的识别方法具有特征提取简单、识别率高、识别速度快等特点.