基于边缘特征和霍夫变换的斑马线识别方法

现有斑马线识别方法普遍存在实时性差或准确率低等问题,对此提出基于边缘特征和霍夫变换的斑马线识别方法。首先利用逆透视变换(inverse perspective mapping,IPM)原理将单摄像机采集到的道路图像转换为俯视图像,然后采用Sobel_x边缘检测模板提取斑马线的边缘信息;基于此,采用霍夫(Hough)变换对斑马线在水平夹角、直线长度、间隔宽度、数量统计等约束条件下进行曲线拟合,最后实现斑马线的识别。试验研究中,选择600张在不同场景下采集到的道路图像对斑马线进行识别,算法在白天光线较好情况下准确率为97.56%,在夜晚情况下为88.67%,算法平均耗时约33 ms。结果表明该算法可以在多种环境下快速准确地识别出斑马线,满足实际工程应用的需求。     

直射变换的透视定义

给出透视变换定义,研究了透视变换与透视对应的关系,利用直射变换可分解为透视变换,得出直射变换的充要条件,进而给出直射变换的透视定义.     

基于二维小波变换的虹膜识别方法

提出一种基于二维小波变换的虹膜识别方法; 对虹膜图 像预处理后, 将二维小波变换与积分图像相结合, 实现虹膜纹理的特征提取; 实验检验了算法的有效性.     

基于小波变换和支持向量机的遥感图像目标识别方法

提出了将小波变换结合灰度共生矩阵法,以用于提取目标样本图像特征信息.建立了基于支持向量机方法的分类器,以对高分辨率遥感图像进行目标识别.实验结果表明:该方法快速、高效且具备一定的鲁棒性.     

基于特征层和二代曲波变换的多模生物特征融合识别方法

针对单模生物特征识别方法在实际应用中存在识别正确率较低的问题,提出了一种基于特征层和二代曲波变换的单样本多模生物特征融合识别方法,其采用了2种生物特征:掌纹特征和人脸特征.将所有归一化后的学习样本图像和测试图像通过组合的快速离散曲波变换和小波变换进行分解.系数经组合和规范化处理后,在特征层实现融合,融合后的特征参数送入K-最近邻分类器进行分类,从而获得最终识别结果.在香港理工大学掌纹数据库和Ljubljana大学人脸数据库上的实验结果表明,所提方法在每个类别仅使用1个学习样本的情况下,其生物特征图像的最佳平均识别正确率达到92.40%,比单模人脸、单模掌纹识别方法的识别率分别提高了35.38%和8.92%.     

基于线性逼近的车道线弯道识别方法

为提高车道线识别算法在大曲率弯道下的识别性能,提出一种基于线性逼近的弯道识别方法.基于车道线先验知识,利用改进的局部逆透视变换和Hough变换对车道线进行初步提取.根据初步提取结果,对未知区域进行循环线性逼近并提取车道线边界点.通过最小二乘法利用B-样条曲线完成车道线拟合.实验证明,该算法对大曲率弯道的车道线识别具有较高的精确性.      

基于逆透视变换的条播作物早期作物行识别

根据条播作物田间作业的对行要求,提出了一种新的作物行检测方法.首先通过选取透视图像中底部区域进行垂直投影,获得透视图像中作物行的边缘点并进行逆透视变换,然后基于逆透视变换算法消除图像几何失真,利用骨化算法求取逆透视图像中作物行的骨架线交点集,在逆透视变换图像中根据边缘点对骨架线交点集进行划分,最后对交点集分类后的作物行进行拟合,以获取不同的作物行.通过对300幅不同生长条件下的小麦作物行图像进行识别试验,其行识别拟合结果表明:作物行拟合的平均误差为2.136 7°,标准差为1.024 3°,平均耗时为0.364 7 s,能够满足实时工作要求.     

基于形态骨架变换的形状识别方法

形状的识别是现代图象处理与计算机视觉中的一个重要问题．根据形态变换原理，提出了一种新的形状的拟合方法，并建立了相应的形状识别方法，最后还给出了部分计算结果，验证了该算法的有效性     

四维透视的变换矩阵

把四维空间中的透视结果视为具有三维特征的“形体”,将该透视形体分解成两个三维空间中的二维透视,从而建立四维透视变换矩阵,为计算机显示提供一个数学模型。     

基于小波变换的眉毛识别方法

提出了一种基于小波变换的眉毛识别方法.该方法利用小波变换进行眉毛特征提取,选取奇偶行三层小波变换的高频、水平分量、垂直分量和整体二层小波变换的低频部分作为特征,利用最近邻法则进行识别.实验结果对比表明,该方法简单且识别率较高.     

关于任意视点的透视变换

本文对任意视点的透视变换进行了分析研究,提出了变换和计算的方法,并得出了若干结论。它对计算机图学的理论研究,具有实际意义。     

基于用小波变换改进MFCC的语句识别方法

在语音识别中最常提取的特征参数是Mel频率倒谱系数(MFCC)。但Mel频率倒谱系数不能很好的反映语音信号的动态特性。针对这种缺点,对常规的MFCC进行改进,采用小波变换替代MFCC提取过程中FFT变换,得到改进后的MFCC。采用这种方法后,识别率有了很大的提高。     

一种基于Radon变换的车牌图像分割和识别方法

从Radon变换的定义出发,论述了Radon变换检测直线的原理,并将它应用于车牌图像分割.在1幅含有车牌的图像中,进行边缘检测后,车牌所在矩形框往往是由多条直线组成,当投影方向与直线方向一致时,Radon变换取局部极大值.由此,首先找出Radon变换在0°附近的局部极大值,该值对应于原始图像中的1条接近垂直的直线,然后,寻找次局部极大值,对检测出来的若干条这样的直线聚类,根据计算结果沿垂直方向剪切原始图像;同理,找出Radon变换在90°附近的局部极大值,沿水平方向剪切原始图像.这样,可将车牌所对应的矩形从复杂的背景中分割出来.     

基于透视投影的垂直视角投影算法研究

在计算机视觉领域,透视投影变换是图像变换中最复杂的变换之一.在透视投影中的垂直投影是在实际工程应用中使用最广泛的变换方法.研究了透视变换中斜投影与正投影之间的变换关系,分析了不同角度的斜投影图像到正投影图像之间变换对参数的影响,得出了变化参数与斜投影的倾角关系.实验表明,按照所得到的参数与倾角关系矩阵,可以准确地计算出斜投影图像对应的正投影图像.     

基于实例分割和自适应透视变换算法的多车道线检测

为了解决传统的车道线检测算法对光照变化、阴影遮挡等环境干扰较为敏感而导致鲁棒性不足的问题,提出了一种基于实例分割和自适应透视变换算法的多车道线检测方法.该算法首先通过设计的多分支实例分割网络实现多车道线分割,该多分支实例分割网络包括车道线语义分割分支和车道线Id分支;再应用自适应透视变换模型获得鸟瞰图视角下的实例分割后的车道线像素点集合;最后利用最小二乘法二阶多项式完成车道线像素点的拟合.基于Culane车道线数据集进行训练及验证,验证表明,每帧图片检测用时约28 ms,车道线检测准确率达91.4%.将车道线检测模型集成到实车ROS平台进行测试,测试表明,所提算法能够实现各类复杂交通场景下的多车道线实时检测.     

基于小波变换和奇异值分解的模态参数识别方法

提出了一种新的基于小波变换和奇异值分解相结合的结构模态参数识别方法.该方法首先对环境激励下的结构加速度响应信号进行互协方差分析,得到时域互协方差响应,通过小波变换将互协方差响应转换到时频域中得到信号的时频系数并沿每一个尺度点提取协方差响应的小波系数阵,然后对提取的小波系数阵进行奇异值分解得到奇异值和奇异向量,最后从重组的奇异值和奇异向量中识别出结构的模态参数.文章对提出的方法进行了理论证明,通过三自由度系统的数值算例验证了该方法的可行性,表明与直接小波变换方法相比,其识别结果精度更高.     

一种基于霍夫变换和BP神经网络的车牌识别方法

汽车牌照自动识别系统在智能停车场管理、高速公路自动收费和违章检测等方面有着广阔的应用前景。由于车牌特征的多样性及车牌背景的复杂性,对于现实世界的车牌图像,车牌磨损、图像倾斜、天气以及背景等干扰因素都会影响定位效果。为此本文提出了基于一阶双向差分和hough变换的改进车牌定位方法,采用改进的BP神经网络模式识别技术作为识别的方法,得到了较好地处理结果。     

基于Arnold变换和DCT变换的图像水印算法

提出一种基于Arnold变换和DCT变换的图像水印算法.该算法使用Arnold变换对水印图像进行置乱处理,然后对载体图像进行8×8的DCT变换.实验结果表明,嵌入水印的图像在受到白噪声、低通滤波、压缩、剪切、旋转等不同方式的攻击后,仍能从载体中提取嵌入的水印,因此本算法对水印的攻击具有比较好的鲁棒性,尤其是具有十分有效...     

基于脊波变换的掌纹识别方法

提出一种基于脊波变换的高分辨率多尺度特征提取算法, 并在此基础上设计一种由粗到精的分级匹配方法, 改善了高分辨率下掌纹特征的匹配速度. 理论和实验结果验证了该方法的有效性.     

基于小波变换的圆柱壳损伤识别方法研究

将连续小波变换识别裂纹的基本原理运用于圆柱壳的损伤识别研究,利用sym4小波对含裂纹圆柱壳的前四阶振型信息进行多分辨率分析以及连续小波变换,能够准确地识别出裂纹的位置;考虑到实测信号往往是含噪声信号,进一步研究了噪声对识别结果的影响。通过数值算例验证了其可靠性,表明此方法在圆柱壳结构损伤诊断中具有一定的应用价值。