自适应铁路场景前景目标检测

现代铁路系统中，智能视频分析技术已被广泛应用于异物入侵监测，前景目标检测是入侵判断的必要过程. 背景差分常用于检测前景目标，但铁路场景复杂，存在动态变化的背景区域和未知类型的目标，现有基于阈值分割或深度学习的背景差分算法都不能满足需求，故提出一种基于阈值自适应调节的前景目标检测算法. 利用像素值在时间上的动态信息，分割结果的反馈信息和由超像素提供的空间信息确定阈值调节因子，动态调节阈值以适应环境变化；提出一种灵活可靠的背景模型初始化方法，消除鬼影问题，实现一帧到多帧初始化的灵活切换. 实验结果表明，所提算法在铁路场景上取得了较好的准确率和误分类率，且平衡了精度和速度.     

融合边缘检测与区域生长的交通图像分割方法

在交通监控中,如何从复杂的背景中分割运动物体是至关重要的一步,针对车辆的运动阴影对图像分割产生的不利影响,提出了一种新的融合边缘检测与区域生长的彩色图像分割算法,算法同时考虑了图像的彩色信息和空间信息.该算法首先对彩色图像边缘检测,并根据检测结果设置种子像素;再基于颜色相似性生长准则,结合边缘检测结果,对每个种子点进行区域生长;最后,利用区域合并算法对剩余的像素进行合并.实验结果表明该算法很大程度上克服了阴影给图像分割带来的不利影响.     

分形维-最大熵阈值的弱边缘工业CT图像分割算法

含有弱边缘的工业CT图像在分割时易产生过分割现象,对此提出了一种分形维定位和最大熵阈值分割的图像分割算法.首先,采用中值滤波和高斯平滑对图像进行预处理;其次,对预处理后的图像进行分块,并求取每个分块的分形维;再次,根据背景和缺陷处分形维的差异对缺陷进行粗定位,并根据连通域分析精确定位缺陷区域;最后,利用最大熵阈值法对精确定位后的局部区域进行分割.仿真实验表明:所提算法具有良好的分割能力,可以准确地分割出含有弱边缘的缺陷目标,并有效排除轮廓背景对分割的干扰,避免了过分割.     

顾及A公报影响的天文测量精度分析

地球定向参数是解算天文测量数据的重要参数，其精度直接影响最终的定位定向结果. 目前，没有一种技术手段可以实时获取高精度的EOP （earth orientation parameters）观测值，主要使用国际地球自转和参考系服务（International Earth Rotation and Reference Systems Service，IERS）发布的Bulletin A （简称A公报）预报值进行解算，但其对天文测量影响尚缺少系统的研究. 为此，研究了1998年—2018年每年1～365 d预报误差的长期变化情况及不同时间跨度的预报误差变化情况，并以某站数字天顶仪观测数据为例分析了预报误差对天文测量的影响. 分析结果表明:1年跨度的极移预报值对天文经度的影响小于0.03 as，纬度的影响小于0.09 as，天文方位角小于0.07 as，该指标远高于一等天文测量的精度要求；UT1?UTC （universal time1?universal time coordinated）的预报精度是限制A公报精度主要因素，其40 d以上的预报值无法满足一等天文测量的最低要求，预报精度仍有待于进一步提升.      

基于四叉树孤立分割和屏幕误差的地形LOD算法

为解决静态和动态细节层次模型存在的数据冗余度大、精度判断标准单一和层次切换跳跃感强的问题,提出了基于四叉树孤立分割和屏幕误差的地形LOD(level of detail)算法.采用该算法,针对于规则格网,通过地形瓦片分割和数据预处理减少实时阶段计算量,利用四叉树孤立分割消除结点间依赖关系,并构建保守性屏幕误差评价标准以弱化视觉跳跃感,最后采用添加拆分点和高程平均值法消除相邻瓦片和结点间裂隙.实验结果表明:该算法能较好解决常规方法中存在的问题;可满足大规模地形实时三维显示的要求;实时显示计算量小,帧速可保持在0.03 s以内.      

基于MS-RG混合图像分割模型的道路检测研究

道路场景因其结构的多样性、纹理变化的复杂性和自然曝光的不稳定性,使得传统基于道路分割的道路检测方法大多存在信息冗余,并且存在边界丢失、模糊等质量问题.本文首先在道路图像上使用 Meanshift均值漂移算法,通过空间内的概率密度呈梯形上升去寻找局部最优,并搜索属于同一模点的像素然后生成获得超像素块.然后利用 Meanshift算法获得的聚类超像素块进行多种子点区域生长,规范生长规则,克服不能得到封闭边界的缺陷,改进道路图像的分割效果.实验结果表明,本文提出的模型适用性强,相比于传统方法有效地提升了分割准确性和实时性,可准确识别出图像中的道路信息,确保车辆能够行驶在可行驶区域上.     

基于混合粒子群优化的2维Otsu路面裂缝图像阈值分割方法

针对传统2维Otsu法由于计算量大而无法实时对路面裂缝图像进行分割的问题,将粒子群算法和遗传算法相结合,提出了一种基于混合粒子群优化的2维Otsu路面裂缝图像阈值分割方法。实验结果表明:与标准粒子群优化的2维Otsu阈值分割法相比,文中方法可以完整分割出图像中的裂缝目标;与传统2维Otsu法相比,文中方法减少了算法运行的时间,提高了路面裂缝图像的分割效率。     

基于序列图像运动分割的车辆边界轮廓提取算法

为了准确获得图像感兴趣区中运动车辆的形状特征,提出了一种新的车辆边界轮廓提取算法.利用连续3帧图像,对包含同一运动车辆的图像感兴趣区进行光流场分割,以获取目标运动区域,通过平移运动区域的左、右边界获得正确的车辆区域及其封闭边界轮廓,通过放大运动矢量计算公式的阈值来提高其运行效率.试验结果表明:该算法可从具有复杂自然场景的图像序列中检测出完整的运动车辆边界轮廓,检测正确率在95%以上.     

基于球面图像的三角网格模型分割

为了从局部形状的角度实现对三角网格模型的管理和重用,提出了一种基于球面图像的三角网格模型分割方法.通过球面参数化及球面划分,将三角网格模型的表面属性信息映射到球面图像中;利用成熟的区域生长、区域合并图像分割算法对球面图像进行分割;将球面图像的分割结果转换为三角网格模型的分割结果.实验结果表明:该分割方法可以对不均匀的低分辨率三角网格模型进行有效分割,降低了几何属性估算对分割结果的影响,不会发生过分割现象,不需要进行分割的后续处理.     

基于各向异性测度的路面三维图像裂缝识别

为准确而完整地识别路面裂缝,提出了基于1 mm/像素的路面三维图像裂缝自动识别算法．该算法主要包括各向异性测度计算与自适应优化阈值分割、深度验证和多分辨率去噪处理3个部分．首先,针对路面图像像素特征,基于0°、45°、90°和135°四个方向的线性邻域的均值和标准差计算每个像素的各向异性测度（表征方向性的强弱）,并应用最大类间方差法确定最优阈值,将路面图像分为强方向性和弱方向性像素两类;其次,根据半径为d的正方形邻域深度均值设定阈值,用方向性强且深度低于或等于该阈值的像素形成初步的裂缝图像;最后,将裂缝图像划分为多个子块,设计去噪模板对裂缝图像进行滑动窗口去噪处理,获得最终裂缝图像．基于166幅含有各类裂缝的三维路面图像（2048×2048像素）进行测试分析,结果显示,本文算法获得了较高的准确率（均值91．57％）和召回率（均值81．29％）,最终以84．26％的F1均值优于种子识别算法（F1均值69．19％）、Canny边缘检测（F1均值8．15％）和OTSU分割（F1均值5．11％）．     

桥梁下部结构裂缝提取的改进C-V模型算法(英文)

应用改进C-V模型,进行桥梁下部结构裂缝图像分割,通过裂缝截取、图像填充和旋转变换精确提取裂缝宽度。对不同光照条件下拍摄的在役混凝土桥梁结构裂缝图像,分别利用改进C-V模型算法、自适应阈值法、形态学算法、C-V模型以及Canny算法进行试验对比。分析结果表明:改进C-V模型算法误分率和运算时间最小,分别为3.02%与89ms;1 000幅桥梁结构裂缝图像试验对比显示裂缝检测准确率大于90.8%,裂缝宽度平均误差小于0.03mm。可见,改进算法可有效提高检测准确率,减少运算时间。     

基于头脑风暴优化的PCNN路面裂缝分割算法

为提升裂缝检测的分割精度和鲁棒性,基于头脑风暴优化（brainstorming optimization,BSO）和脉冲耦合神经网络（pulse coupled neural network,PCNN）,提出了一种路面裂缝图像分割算法（BSO-PCNN）. 该算法采用最大熵准则作为BSO算法的适应度函数,并依据适应度值决定参与次轮迭代的个体;BSO具有强收敛性,可快速确定最优个体解;结合图像特征,获得PCNN模型的最优参数,将其代入PCNN模型实现对裂缝图像的分割. 试验结果表明:算法可在20次迭代内取得不同类型路面裂缝图像的最大适应值,从而确定最佳分割参数;与Sobel边缘检测算法、PCNN图像分割算法、基于最大熵的遗传算法（genetic algorithm based on the maximun entropy of the histogram,GA-KSW）、基于遗传算法参数优化的PCNN分割算法（genetic algorithm based on the pulse coupled neural network,GA-PCNN）相比,BSO-PCNN算法取得了0.9924的区域一致性与0.0900的区域对比度.      

基于类间和类内方差的快速二维阈值分割法

为了提高二维阈值分割法的处理速度,提出二维类间方差最大法的快速实现方法.首先,将二维最佳阈值（s*,t*）的求解拆分成两个一维最佳阈值s*和t*的求解,并引入类内距离的定义,提出新的最佳阈值判别式.其次,将原二维直方图分成M×M个区域,合并每个区域为一点,并构建新的二维直方图,在其上应用本文改进的阈值判别式D（s*,t*）求解,得到分割阈值所在的区域编号.最后,在该区域内再次使用D（s*,t*）求解得到原始图像的最佳分割阈值.理论分析及针对不同信噪比的多幅图像的实验结果表明,本文方法的分割错误率低于原始二维Otsu法,且将原算法的时间复杂度由O（L4）降为O（L1/2）,空间复杂度由S（L2）降为S（2L）.      

ʵʱ�����Ŷӳ���ͼ����ϵͳ��FPGAӲ��ʵ��

针对现有交通路口车辆排队长度检测系统处理速度低、无法适用于实际复杂路口环境的缺陷,设计了一种基于FPGA的实时车辆排队长度图像检测系统.通过形态学边缘处理检测车辆的存在,对检测出的车队轮廓进行水平投影并采用一种基于信息量的车辆度量方法从投影结果中提取了排队的队尾,同时在确定排队长度时通过对算法参数的自适应调整有效消除图像逆透视效果的干扰;整个图像处理过程完全利用FPGA硬件逻辑实现,采用五级并行流水设计保证图像采集、高斯滤波、Sobel边缘检测、阈值分割和形态学腐蚀处理同步执行且同时完成,实现了对分辨率为720×576的图像25帧/s的处理速度.实验结果表明,系统性能良好,工作稳定,算法简单实用,具有较好的应用前景.     

基于自适应阈值和连通域的隧道裂缝提取

为了解决传统人工隧道裂缝检测存在诸如效率低、主观性大、安全性差等弊端,利用裂缝具有方向性和连续性等特征,提出了一种基于自适应阈值和连通域标记的隧道裂缝提取方法. 首先,根据裂缝的方向性特征,设计了一种阿拉伯数字算法（Algorithmic）对裂缝进行粗提取,其中对于该算法公式中的阈值选取进行了自适应阈值化,利用改进的阈值迭代法完成系统自动获取最佳阈值,无需人工干预;然后,根据裂缝的连续性特征,采用数学形态中的连通域标记法对裂缝进行细提取,其中通过控制连通域面积大小,实现裂缝粗提取后的去噪处理,通过膨胀和腐蚀操作实现裂缝粗提取后的修复处理;最后,选取了共计165张不同类型的裂缝图像作为实验样本,在MATLAB上进行仿真实验. 从实验数据可以看出,自适应阈值和连通域标记的提取方法其提取精度可高达94.2%,平均运行时间仅35.4 s,误识率和拒识率已控制在2.7%和1.1%,相较于传统的图像处理方法有着显著的提高,充分展现出良好的应用前景.      

基于云模糊理论的图像纹理分割

为了处理图像纹理的模糊性和随机性,基于云模糊理论提出了纹理特征矢量云模型,并成功地应用于纹理图像分割.该方法在对纹理统计描述符模糊化处理后,逆向生成纹理特征矢量云.矢量云模型的数字特征能够很好地表达纹理的模糊性和随机性,据此通过云距离计算及纹理特征矢量云生长,完成对图像纹理的分割.实验结果表明,该方法较经典的ISODATA算法和K-means簇算法的分割精度高,并且迭代收敛速度快.     

交通事件视频图像自动识别系统的研究

如何有效利用高速公路视频图像信息,实时全天候自动智能检测交通事件,提升交通管理部门应急处置能效,是当前公路视频监控亟需解决的问题．本文基于视频图像处理技术,开展交通事件自动识别算法和系统的研究：采用中值滤波、亮度缩放等图像预处理方法,提取交通视频图像的前景目标边界并抑制噪声;基于灰度阈值化方法,对车辆前景进行二值化分割处理;提出一种二值化场景图像连通区域标定算法,对交通事件前景目标进行特征提取与检测识别,并基于上述算法和识别流程开发了交通事件视频自动识别系统．试验表明,该系统对噪声干扰抑制能力较强,识别准确率较高．     

基于深度图像的机场道面裂缝自动检测算法

为了实现强噪声、弱光照、低对比度条件下的机场道面细小裂缝检测, 设计了基于深度图像的机场道面裂缝检测算法; 将采集到的深度图像划分成多个网格, 并对每个网格进行扩充, 获得了局部道面区域; 针对每个网格区域, 基于随机抽样一致算法进行局部三次曲面构建和优化估计; 在此基础上, 在全局尺度下融合全部网格区域的曲面模型, 生成整个图像采集区域道面的全局曲面模型; 利用全局曲面模型与原始深度图像之间的差值图像, 采用自适应阈值方法分割出候选裂缝像素, 并利用裂缝的像素总数、长度以及长宽比等多种形态学约束筛选候选裂缝像素, 去除错误的候选裂缝像素, 从而获得了最终的裂缝检测结果; 在机场道面深度图像数据集上进行了试验, 以人工标注结果作为真实值, 以准确率、召回率以及F值作为量化评估指标, 将提出的算法分别与4种有代表性的传统算法进行了对比。试验结果表明: 传统算法能够取得的最高准确率、召回率以及F值分别为77.05%、41.02%和50.02%, 提出的算法在准确率、召回率和F值3个指标上均有明显优势, 其均值分别为91.20%、97.99%和94.12%;提出的算法能够在分辨率为1 984像素×2 000像素的深度图像上检测出最小宽度为3 mm、最小长度为10 cm的裂缝, 实现了在复杂机场道面场景中识别细小裂缝的目标。      

车牌自动识别系统设计与实现

车牌自动识别分为图像预处理、车牌定位、字符分割、字符识别四步。利用形态学变换对图像进行滤波聚类,HOUGH变换对车牌图像进行水平校正,BP神经网络的方法进行字符识别,最后基于DELPHI7．0环境下设计开发了车牌自动识别系统。