基于加权引导滤波分层的轨道图像细节增强算法

针对轨道表面缺陷图像整体对比度低,细节模糊,轨道缺陷又较为细小,难以识别等问题,基于加权引导滤波具有较好的保持边缘能力,能避免增强后图像产生"光晕"及"伪边缘"的特性,研究了基于加权引导滤波分层并结合自适应直方图均衡和锐化滤波的轨道表面缺陷图像增强方法.有别于传统图像增强方法,该方法对原始图像进行滤波分层,分别处理基础图像和细节图像,更加突出细节信息,通过在引导滤波中引入边缘检测算子最大程度的保留图像边缘信息,针对结果图像亮度不均问题通过AHE算法和拉普拉斯锐化滤波加以克服.仿真实验结果表明:新方法较对比算法图像梯度平均提升43.37%,清晰度平均提升46.84%,有效提高了图像对比度,增强了细节信息.      

雾霾天气下的桥梁裂缝检测

随着空气湿度增加及雾霾加剧,能见度降低,晴朗天气下传统的桥梁裂缝检测已不能满足不良天气检测的需要.针对此问题,提出一种新的桥梁裂缝检测方法,将暗通道先验去雾算法和图像处理裂缝检测相结合.在能见度下降的情况下,对待检裂缝图片进行暗通道去雾处理,获取去雾后的图像.接下来进行裂缝检测,通过灰度化,均值滤波对图像预处理,边缘检测和图像分割,使用连通分量提取获取裂缝特征,再通过计算裂缝的分布密度来判断裂缝类型.使用200张桥梁裂缝图片进行检验,实验结果表明,该算法识别横向、纵向、网状裂缝的准确度可以达到93. 3%,90%,87. 5%,具有良好的识别能力,弥补了传统算法的局限性,桥检适用范围得到了推广.     

交通图像大气加雾模型设计与评价

针对数字孪生过程中，交通雾霾图像的采集受天气限制，数据库获取困难导致样本不足等问题，提出了一种新的大气加雾模型，并用于扩展不同浓度的交通雾霾图像数据库。首先，结合暗特征原理，求解大气光值，并提出了一种基于区域方差的大气光补偿方法来获取大气光估计；其次，利用颜色衰减先验估计场景深度，求解初始透射率；然后构建了图像大气加雾模型，将计算的大气光估计与大气加雾透射率代入模型，并利用雾霾系数调整加雾浓度；最后设计了多组交通视频加雾实验并进行评价。实验结果表明，提出的算法能随着预置雾霾系数增大，使得图像主观上明显趋于模糊，客观指标随之逐步发生变化，图像降质规律与真实的含雾场景基本一致，可用于扩充雾霾数据集，具有很好的有效性和实用性。利用不同去雾算法评价对比加雾图像可知，复原图像效果与针对实际图像的去雾效果基本无异，进一步反向验证了加雾模型的有效性。     

基于中介理论的车道线识别方法研究

以中介真值程度的数值化度量为基础,利用单个像素点的真值度,设计了新的图像去噪滤波算法。与经典算法相比,新算法具有较好的视觉效果。通过研究道路图像车道线的特点,采用中介距离比率函数来衡量像素点间相似程度,并设计了相应的图像边缘检测算法。与传统的道路图像边缘检测算法相比,新方法边缘增强效果显著。最后,基于道路直线模型,采用Hough变换实现了车道线的识别。     

雾天道路下智能车视觉图像实时快速去雾研究

针对智能驾驶视觉感知领域中去雾算法处理时间过长的问题，提出了一种基于大气散射模型的视频图像快速去雾算法。在暗通道先验去雾的基础上，计算大气光值的自适应参数，提高去雾速度，并优化设计去雾系数，获取半去雾图像，将单幅图像去雾应用到视频实时去雾中；进一步利用限制对比度自适应直方图均衡（CLAHE）算法抑制去雾残余噪声，增强图像道路交通特征。验证结果表明：提出的算法有效提高了图像质量，且视频去雾速度较传统算法大幅提升；图像边缘强度提升近2倍，极大提高了道路能见度。     

A Multi-license Plate Location Algorithm for Vehicle Sequential Images

针对序列图像的多车牌定位问题,提出了一种综合车牌特征与梯度分析的定位算法.该算法使用灰度均衡化与中值滤波算法对图像预处理来消除噪声,利用测试样本图像提取出若干有效的车牌参教作为定位系统的输入,实现了全自动定位车牌的目的.并引入MGD梯度分析方法辅助边缘提取算法来提取车牌候选区域,利用HSV颜色模型,使用主颜色分析方法分析候选区域,并通过车牌字符纹理分析方法做进一步的判断.使用Hough轮廓检测方法计算非文本区域块的直线斜率.该算法定位效果较好,鲁棒性强,有很好的工程应用推广价值.     

基于Top-Hat-Canny的汽车前视摄像头图像边缘检测方法研究

针对汽车前视摄像头(Forward View Camera)拍摄存在噪声及光照不均匀的问题,提出一种基于顶帽算法TopHat Canny的多重边缘检测图像预处理方法。通过对前视摄像头拍摄的道路行人、车辆及障碍物的图片进行分析,采用小波阈值算法分别对彩色图像(Red-Green-Blue,RGB)3个空间分量进行滤波去噪,并经加权平均法对重组的3个分量灰度化处理后,采用Top-Hat-Canny多重边缘检测方法对图像进行处理。实验仿真结果表明:该方法可以有效地解决噪声及光照不均对图像边缘检测带来的影响,为后续目标识别工作提供基础。     

基于图像分析的航道能见度评估算法研究

针对内河航道多发雾情降低航道能见度,影响航运安全的问题,提出了一种基于图像分析的能见度评估算法。分别利用Retinex滤波、AC1C2颜色空间转换和图像分割技术,提取航道图像中反映能见度条件的图像特征,建立特征学习模型。实验结果表明,该评估算法的准确性达到90%以上。     

基于二维Rosin阈值方法的道路裂纹边缘检测

为了在道路裂纹图像边缘检测时选择准确的区分噪声与边缘阈值,针对一维Rosin算法不能充分利用图像局部结构信息的缺陷,将传统Rosin方法推广至二维,联合Canny边缘检测算法和Rosin算法,利用像素点本身及其邻域的局部结构信息建立图像二维直方图;利用直方图的最高点和最低点构造全角旋转阂值选取平面,以搜索直方图与各阈值平面的空间距离最大值确定阈值点,获得一种自适应的Canny算法中的阈值选取方法.研究结果表明:该算法可对道路裂纹边缘进行有效检测,并扩展Canny算法的应用范围.     

基于内河单幅图像的去雾算法研究

图像景深和天空亮度值的求取是图像复原方法去雾的核心问题,但目前的去雾算法都是基于一定的假设条件来求取这2个值的,对于色彩单调、天空区域较大的内河图像去雾效果不理想。通过对内河航道视频图像的研究,提出将直方图多峰均值法和位平面分解法相结合的方式来求得天空亮度值并分割天空区域;采用分区域的景深计算方法求得图像任意一点的景深值。然后基于大气散射模型,完成内河雾天单幅图像的去雾处理。为了客观评价去雾后图像的质量,从图像的可见边数目比、平均梯度比和图像熵值三方面进行了去雾效果的比较。实验证明,该算法对内河航道图像有良好的去雾效果。      

基于IPM和边缘图像过滤的多干扰车道线检测

在基于视觉的自动驾驶环境感知中，路面阴影、雨水、污渍和反光会对车道线识别和车辆导航造成干扰，针对此问题提出了一种基于逆投影映射（IPM）和边缘图像过滤的改进车道线识别方法。通过逆投影方法可以得到原始道路图像的鸟瞰图像，很大程度上增强了车道线的视觉特性并减少了干扰。同时提出迭代聚类分割方法对IPM图像中的灰度值进行分析，并保留与车道线颜色和形态特征最为接近的灰度点作为车道线边缘。随后提出一种搜索统计边缘图像中连续边缘区域的方法，通过分析边缘点并保留最长区域实现过滤道路干扰因素的目的。最后将该算法与其他常用车道线检测算法进行对比。研究结果表明：该方法可以更好地过滤路面各种干扰因素，有效增强干扰环境下识别模糊车道线、实车道线、虚车道线、弯车道线的能力，大幅提高了自动驾驶环境中的车道保持能力，并且由于该方法相比其他方法能够更加有效地去除路面干扰区域，因此识别车道线的速度得到大幅提高，可以满足自动驾驶对于实时性的要求。     

一种基于YUV彩色空间的运动车辆阴影消除方法

采用一种基于YUV彩色空间的方法来检测并消除交通视频图像序列中的运动车辆的投射阴影.通过对前景运动区域像素的亮度、色度和梯度密度的计算,得到一个阴影判断函数.利用阴影判断函数并结合边缘检测在前景运动区域中检测和消除车辆的投射阴影.     

基于视频图像的公路隧道火灾烟雾检测

为有效检测公路隧道火灾烟雾并预警，针对公路隧道传统火灾烟雾探测器存在的反应慢和功能单一等问题，通过分析研究火灾烟雾视频图像的颜色和纹理特征，提出一种基于烟雾图像特征的公路隧道火灾烟雾检测方法。首先，通过改进后的Vibe算法模型提取图像运动区域；然后，在YUV色彩空间中确定疑似烟雾区域后利用颜色滤出方法分割出疑似烟雾区域；最后，用从疑似烟雾区域图像中提取的颜色矩和均匀局部二进制模式（ULBP）与灰度共生矩阵（GLCM）构成机器学习分类器的输入向量进行隧道火灾烟雾识别。为满足复杂的隧道环境，对比分析BP神经网络、支持向量机、随机森林3种机器学习分类器的烟雾识别效果，选出最优算法作为公路隧道烟雾识别分类器。通过模拟公路隧道火灾烟雾试验视频和某实际公路隧道火灾视频对分类器进行试验测试，结果表明： 基于BP神经网络算法的检测系统识别性能最优，选取的烟雾特征具有较高识别精度，能够在隧道复杂环境中识别火灾烟雾。     

高速公路场景图像的二值化及交通标志定位检测方法

采用CCD摄像机采集高速公路场景图像，并通过图像颜色空间变换，将图像的RGB量值转换为色度-饱和度-亮度（HSV）量值。采用基于阈值的方法对场景图像中颜色饱和度分量进行二值化分割处理；利用场景二值化图像形状特征（周长、形状参数、圆形性参数）去除非目标区域，并通过搜索场景二值化图像方向投影值序列的突变点实现标志准确定位。采用HSV颜色模型中的亮度分量和最佳阈值法对场景图像中标志区域进行二值化处理。结果表明，应用上述方法能取得良好的效果。     

不同的自适应卡尔曼滤波在地铁隧道沉降监测数据处理中的应用研究

由于传统卡尔曼滤波所建立的数学模型不是很精确,且动态噪声统计特性不易确定,可能导致滤波发散而无法获得准确的预测结果。为了克服这种现象,提出自适应卡尔曼滤波方法。分别用卡尔曼滤波、基于极大验后估计原理的自适应卡尔曼滤波和基于方差补偿的自适应卡尔曼滤波在地铁隧道沉降监测数据处理中的应用进行分析比较,结果表明,与其他方法相比,基于方差补偿的自适应卡尔曼滤波方法的变形预测精度更高。     

基于改进YOLOv5的雾霾环境下船舶红外图像检测算法

从监控图像中准确检测船舶对于港区水域船舶交通智能监管具有重要意义。为解决雾霾条件下传统YOLOv5目标检测算法对船舶红外图像检测准确率低、小目标特征提取能力弱等问题,提出了基于Swin Transformer的改进YOLOv5船舶红外图像检测算法。为扩大原始数据集的多样性,综合考虑船舶红外图像轮廓特征模糊、对比度低、抗云雾干扰能力强等特点,改进算法提出基于大气散射模型的数据集增强方法;为增强特征提取过程中全局特征的关注能力,改进算法的主干网络采用Swin Transformer提取船舶红外图像特征,并通过滑动窗口多头自注意力机制扩大窗口视野范围;为增强网络对密集小目标空间特征提取能力,通过改进多尺度特征融合网络（PANet）,引入底层特征采样模块和坐标注意力机制（CA）,在注意力中捕捉小目标船舶的位置、方向和跨通道信息,实现小目标的精确定位;为降低漏检率和误检率,采用完全交并比损失函数（CIoU）计算原始边界框的坐标预测损失,结合非极大抑制算法（NMS）判断并筛选候选框多次循环结构,提高目标检测结果的可靠性。实验结果表明：在一定浓度的雾霾环境下,改进算法的平均识别精度为93.73%,平...     

基于状态空间的连续断面船舶交通流量预测研究

船舶流量预测是船舶交通流研究的重要内容,建立科学合理的船舶流量预测模型有助于航道的设计、规划和管理。将传统的单断面船舶交通流预测方法向多断面进行改进和推广,提出基于状态空间和卡尔曼滤波的多断面交通流预测模型。利用船舶交通流多断面流量数据的时间序列进行多维线性回归,并转化为状态空间模型形式;在此基础上由卡尔曼滤波算法对交通流量进行递推预测,得到多断面交通流的预测值。作为实证研究,分别对武汉长江大桥、武汉长江二桥2个断面,以及长江重庆段朝天门、万州、巫山3个断面进行实际数据分析来验算模型的有效性,并与单断面多维线性回归预测方法进行对比。结果表明,使用状态空间模型得到的武汉长江大桥、二桥预测结果的平均相对误差分别减少4.59%,0.97%;而重庆段3个连续观测点采用状态空间法预测比使用时间序列预测平均绝对误差和平均相对误差均有不同程度的降低,其中平均相对误差分别降低1.08%,4.28%, 3 .54%。因此,在不同时间维度上,该模型有助于提高多断面交通流预测精度。      

改进灰色聚类法在城市交通安全水平评价中的应用

在借鉴国内外城市交通安全评价指标及方法的基础上,结合我周实际情况,构建了城市交通安全水平评价指标体系,并参考城市道路交通管理评价指标体系,确定安全评价指标分级及标准。在此基础上,采用改进灰色聚类法对城市交通安全水平进行综合评价,根据聚类白化数确定三类灰类白化函数计算灰类白化值。以江苏省相关城市为实例,对城市交通安全水平进行了综合评价。