基于图像的驾驶员安全带自动检测系统

未系安全带行为可能在交通事故中给机动车驾驶员或者乘客带来严重的人员伤亡。现有的驾驶员安全带状态检测多依赖人工验证卡口图片,耗时低效。引入了基于中间件结构的驾驶员安全带自动检测系统,自动下载图像,并利用任务调度将图片分发至处理服务器。在处理服务器端,设计一种集合直线检测和HOG算子分类的多级安全带检测算法,自动检测卡口图像,并利用中间件将检测结果上传至指定的存储器。该系统扩展方便,可分布式部署,能对卡口图像进行大量、快速驾驶员安全带状态自动化检测。     

基于YOLOX-Tiny级联算法的变电站安全佩戴行为检测

采用深度卷积神经网络的级联检测代替传统检测方法,利用训练好的YOLOX-Tiny目标检测网络区分离地人员和着地人员;然后,将二者的图片作为输入图像的感兴趣区域,送入目标检测网络进行处理和训练,不但能实现对不同人员角色安全带的检测,还能实现对袖章这类小目标的检测.实验结果表明：该方法可准确、快速识别出需要佩戴安全带的工作人员和需要佩戴红色袖章的监护人员,其最终整体检测精度达到91.0%,且整体检测速度高达41.06 F·s^-1,有效满足变电站高空作业中安全佩戴行为的实时检测要求.     

基于广义模糊算子的工业RT图像增强

在分析传统的图像模糊增强算法缺陷的基础上,提出了一种广义模糊增强的方法。该算法通过引入广义模糊集合的概念,将图像映射到广义模糊空间,设计一个分段正弦函数作为模糊隶属度,并采用了相应的增强算子,利用广义模糊变换范围大的特点,通过对工业RT检测焊缝图像进行广义模糊增强处理,使图像获得令人满意的增强效果。引入模糊熵的方法分析增强效果,并分析了广义模糊增强算法中影响增强效果的因素。     

基于模糊增强的图像边缘检测的研究

对图像处理时的边缘检测算法作了分析和研究,介绍了基于模糊增强的图像边缘检测算法,详细研究了单层次模糊增强和多层次模糊增强的算法,并结合实验说明,该智能图像处理方法不仅能够明显的增强图像,而且可以检测到良好的图像边缘.最后,展望了这一新的研究应用领域的发展前景.     

基于GA-BP的安全带佩戴识别方法

为了避免不规范佩戴安全带行为的发生,进一步提高安全带的佩戴率,提出了一种基于GA-BP的安全带佩戴识别方法.该方法在图像处理技术的基础上,提取安全带极坐标转化后的二值化图像像素值作为表征安全带佩戴状态的特征向量,并通过PCA方法对其进行降维;然后采用BP神经网络算法,建立基于BP神经网络的安全带佩戴识别模型,同时为了提高安全带佩戴识别模型的精度,引入遗传算法对其权值和阈值进行优化,建立基于GA-BP的安全带佩戴识别模型;最后通过具体实例验证.结果表明:该方法合理有效,能较好地对安全带的不同佩戴状态进行识别,具有较好的实用性和推广性.     

直线检测的灰度投影积分方法

为了提高图像上直线检测的鲁棒性和精度,提出一种灰度投影积分(GP I)方法。GP I方法将需要检测的图像直接在直角坐标空间沿某个投影方向进行投影,将对应到同一投影点的像素灰度值进行累加,得到灰度投影积分向量,再旋转投影方向计算不同投影方向的灰度投影积分向量,从而得到一个原图像的灰度投影积分矩阵,再由该矩阵的极值元素所在的行和列求出图像中直线的方程。实验结果表明,GP I方法不需要事先提取边缘点,就能够快速准确地检测出图像中的直线,避免了传统方法在提取边缘点时阈值选取不当带来的直线检测误差。     

灰关联分析方法在直线检测中的应用

为了提高图像直线检测的精度,提出了一种基于灰关联度分析的图像直线检测算法,首先确定参考序列和比较序列,然后计算以各像素点为中心形成的比较序列与参考序列之间的关联系数,得到图像的边缘后,再利用Hough变换对直线进行检测.通过与常规边缘检测算法比较可知:基于灰关联的边缘检测算法得到的结果更清晰.能较好地区分目标和背景.实例表明该方法能有效提高直线检测的精度.     

基于图像Canny边缘检测和Hough变换算法的高温结构测量方法

针对高温工程结构测量问题,将图像处理中的边缘特征检测技术应用到高温结构测量中,提出一种基于Canny边缘检测和Hough变换算法的高温结构测量方法,解决了高温结构测量的实际需求.该方法先对试件结构测量位置进行边缘检测和提取,并以分段直线形式确定待测边缘,再计算得到宽度等结构测量结果,并将其转换为材料力学性能参数.该方法充分利用了图像处理技术的优点,测量条件低且环境适应性强,同时采用分段检测的优化设计,测量精度高,稳定性好.     

汽车轮毂缺陷检测中的缺陷增强与字符去除技术

传统的轮毂图像缺陷检测算法,直接对采集到的图像进行检测,准确度低是其主要缺点。鉴于此,提出了一种汽车轮毂缺陷检测中的缺陷增强与字符去除技术。该技术通过对原图像进行数学形态学处理得到伪模板图像,然后将其与原图像相减的结果进行灰度拉伸,再叠加到原图像上以增强缺陷特征,最后使用双边滤波技术去除轮毂字符信息。实验结果表明,使用缺陷增强和字符去除技术之后,在满足时间限制的前提下,轮毂缺陷检测算法的准确度得到了提高。     

融合FLBP和Gabor小波的图像轮廓提取算法

为了解决现有图像边缘提取算法对于局部区域特征提取效果不佳不清晰的问题,提出一种模糊局部二值模式Gabor边缘检测算法(fuzzy local binary-Gabor).该方法首先利用Gabor小波对图像进行第一次处理,降低图像中由于光照变化和噪声对图像产生的影响,再用模糊局部二值算法(模糊数学与局部二值法的结合)将处理过的特征图片进行第二次处理得到相应的轮廓提取特征图.结果证明,该算法确实对目标区域有较好的检测率,得出该算法对于图片轮廓的提取确实有很好的效果.     

基于霍夫变换的直线检测技术

直线检测是数字图像处理的重要内容,在道路识别,建筑物识别,医学图像分析等领域都有十分重要的应用。通过对已经获得的图像进行边缘检测,然后用Hough变换对边缘检测进行直线检测。该方法简单,受直线中的间隙和噪声影响较小。在Matlab环境下对该方法进行了仿真实验,并对图像中直线目标进行了检测,结果表明用该方法对图像中直线目标进行检测是快速有效的。     

基于小波变换的红外图像模糊与同态增强

针对红外图像对比度差、视觉效果模糊的缺点,提出了一种基于小波变换的红外图像模糊与同态增强算法。首先,采用正交小波变换对红外图像进行处理,将空域图像转换到频域,得到小波各层的分解系数;然后,运用同态滤波法对红外图像的低频子带小波系数进行处理,同时对红外图像的高频子带小波系数进行模糊增强处理;最后,经正交小波逆变换重构得到增强后的红外图像。实验结果分析表明,该方法可以增加红外图像细节,提高图像对比度,符合人眼视觉直观感应,能够有效达到红外图像增强的目的。     

基于图像Canny边缘检测和Hough变换算法的高温结构

针对高温工程结构测量问题, 将图像处理中的边缘特征检测技术应用到高温结构测量中, 提出一种基于Canny边缘检测和Hough变换算法的高温结构测量方法, 解决了高温结构测量的实际需求. 该方法先对试件结构测量位置进行边缘检测和提取, 并以分段直线形式确定待测边缘, 再计算得到宽度等结构测量结果, 并将其转换为
材料力学性能参数. 该方法充分利用了图像处理技术的优点, 测量条件低且环境适应性强, 同时采用分段检测的优化设计, 测量精度高, 稳定性好.     

基于图像边缘和对比度的显著目标检测

为了对自然场景中各类显著目标进行准确的检测,提出了一种结合图像边缘和多尺度对比度信息的检测方法。首先对图像进行快速双边滤波,在对图像平滑去除复杂纹理的同时保留物体结构边缘信息,然后用直线检测算子进行边缘检测得到边缘显著图。再利用对比度检测算子计算图像的区域对比度和全局对比度得到对比度显著图。融合边缘显著图和对比度显著图得到最后的显著目标图。实验表明该方法准确率高于大多数现有的显著目标检测方法。     

一种基于模糊理论的图像边缘检测算法

提出了一种基于模糊理论的图像边缘检测算法,首先采用Otsu算法求出图像的阈值,然后通过新定义的隶属函数对图像进行模糊增强,最后运用Canny算子进行图像的边缘检测;实验结果表明,该方法在速度和准确性方面都达到了令人满意的效果.     

基于遥感图像梯度特征的运动模糊检测方法

为了精确描述由于高分辨率卫星在轨动力学环境不确定干扰造成的光学传感器拍摄遥感图像退化的过程,在自然图像的运动模糊点扩散函数检测方法的基础上,提出一种基于遥感图像梯度特征的运动模糊检测方法. 该方法利用图像分割和梯度特征选择处理区域,对遥感图像进行预处理,使图像的梯度特征更加符合检测方法的先验知识,采用基于概率分布的点扩散函数估计方法获得图像的退化模型. 结果表明该方法提高了图像模糊的检测精度,获得了更准确的遥感图像运动模糊点扩散函数的检测结果.      

基于二次傅里叶频谱的运动模糊方向精确检测

针对运动模糊图像的模糊方向检测问题,分析了运动模糊图像的频谱特性,提出基于二次傅里叶频谱的运动模糊方向检测方法.首先,对模糊图像做2次傅里叶变换得到二次傅里叶频谱;其次,对频谱各像素按灰度值大小做排序,取排序第100的像素灰度为阈值使频谱转换为二值图像;最后,过二值图像中心作不同斜率的直线,通过计算所有亮点到直线的距离确定运动模糊方向.实验数据显示,该方法检测运动模糊方向的精度高,且具有较强的抗噪声能力.     

基于深度卷积神经网络的模糊字迹图像识别方法

在传统的模糊字迹图像识别过程中,忽略了字迹变化尺度对图像的影响,导致识别准确度低识别能力差的问题,提出基于深度卷积神经网络的模糊字迹图像识别方法.通过图像的退化模型,对模糊字迹图像稀疏性特征进行分解,构建模糊字迹图像的多源特征参数检测模型,结合边缘轮廓特征提取方法实现对模糊字迹图像的边界信息采样分析;采用多维参数模拟和模糊度增强处理,结合匹配滤波检测器对图像的多级尺度分解和细节特征进行提取,对提取的模糊字迹图像细节特征进行融合和优化检测,采用深度卷积神经网络训练方法进行模糊字迹图像修复处理,实现模糊字迹图像的识别.仿真结果表明,采用该方法进行模糊字迹图像识别的准确性较高,检测能力较强,提高了模糊字迹图像修复和辨识能力.     

模糊图像的不连续边缘智能检测改进算法

针对传统不连续边缘检测算法利用增强图像边缘对比度进行检测, 只适用于检测灰度值变化不强烈及含有普通噪声的图像边缘, 检测性能具有局限性的问题, 提出一种模糊图像的不连续边缘智能检测改进算法. 首先通过广义交叉验证准则获取图像噪声方差估计值, 对图像中高斯噪声进行判别, 使用自适应模糊滤波器对含噪图像进行模糊滤波处理; 然后采用改进模糊图像边缘检测算法, 按图像含噪情形制定边缘检测策略, 获取模糊图像边缘; 最后通过灰度形态学的模糊图像不连续边缘检测算法, 对模糊图像边缘受灰度值不均匀变化形成的膨胀、 腐蚀、 形态学梯度型不连续边缘进行检测. 实验结果表明, 该算法抗噪性较高, 模糊图像不连续边缘检测的结果更清晰、 完整.     

模糊图像的不连续边缘智能检测改进算法

针对传统不连续边缘检测算法利用增强图像边缘对比度进行检测, 只适用于检测灰度值变化不强烈及含有普通噪声的图像边缘, 检测性能具有局限性的问题, 提出一种模糊图像的不连续边缘智能检测改进算法. 首先通过广义交叉验证准则获取图像噪声方差估计值, 对图像中高斯噪声进行判别, 使用自适应模糊滤波器对含噪图像进行模糊滤波处理; 然后采用改进模糊图像边缘检测算法, 按图像含噪情形制定边缘检测策略, 获取模糊图像边缘； 最后通过灰度形态学的模糊图像不连续边缘检测算法, 对模糊图像边缘受灰度值不均匀变化形成的膨胀、 腐蚀、 形态学梯度型不连续边缘进行检测. 实验结果表明, 该算法抗噪性较高, 模糊图像不连续边缘检测的结果更清晰、 完整.