面向内河雾天图像的大气光亮度值估算方法研究

在对内河雾天图像进行去雾复原的过程中,大气光亮度值是复原图像的关键参数之一,如何有效地选取天空区域来估算大气光亮度值是内河雾天图像复原的重点.通过对目前不同大气光亮度值的估算方法进行研究分析,提出利用K均值聚类方法分割天空区域,自动确定天空的聚类中心,将天空区域的亮度均值与雾最浓中心亮度值加权作为最终获得的大气光亮度值.采用该方法来提取内河雾天图像的天空并估算大气光亮度值的实验结果表明能有效地自动提取天空区域,从而更加准确地获得大气光亮度值,是一种适合内河雾天图像的大气光亮度值估算方法.      

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。     

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。     

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。     

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。     

长江航道主缓流判别算法研究

船舶航行时充分地利用主缓流航道可以节约能源。为了更加准确地划分长江航道的主缓流航道,提出了利用 k-近邻算法和 P 分位数法的划分方法。改进后的 P 分位数法采用动态选择 P 值的方法避免了主流区域可能过小的问题,k-近邻算法利用了测点的水深、流速等多种航道水文信息来划分主缓流。利用长江航道金口处和岳阳处的11个截面的实测数据对 k-近邻算法和 P 分位数法进行了对比分析,其中有10个截面的主缓流区域相近。进一步对比长江航道中典型的龙口水道和杨林岩水道,发现根据算法得出的主流区宽度和实际的相比,误差在12%以内,可以满足船舶航行的需要。      

基于改进梯度相似度核的交通图像去雾算法

雾霾天气下,交通图像采集设备获取的降质图像含有较多噪声,图像边缘不突出,整体偏暗且对比度不高,灰白不清。针对传统交通图像滤波和去雾算法存在着滤波效果和边缘保持能力不能兼顾,容易出现噪声斑块,导致去雾后图像质量较低的问题,在传统梯度双边滤波基础上,设计了一种新的梯度相似度核,提出了基于改进梯度相似度核的雾霾天气下交通图像去雾算法。新算法首先将采集的含雾图像转换到Lab颜色空间,提升色域宽度,再利用改进梯度相似度核和空间相似度核分别计算图像中每一像素点与滤波框内临近像素点的梯度相似度和空间相似度权值,根据权值对图像进行滤波处理,然后将其转换到RGB颜色空间。最后根据大气光散射模型和暗通道先验原理,对滤波后的交通图像进行去雾处理,得到复原图像。试验结果表明：与传统双边滤波和梯度双边滤波算法相比,使用新算法处理后的复原图像峰值信噪比、归一化灰度差平均提升了13.25%、9.41%和21.76%、22.7%。新算法在保证了滤波效果,避免“噪声斑块”的同时,能够尽可能保持图像边缘细节信息,提升了雾霾天气下交通图像的去雾质量,对加强交通监控,保障交通安全有十分重要的应用价值和现实意义。     

高速公路能见度快速检测算法

利用高速公路现有的视频监控系统提供的视频图像,提出了一种可以快速进行高速公路能见度检测的算法。该算法基于大气光传播模型,首先采用均值漂移准确分割出天空区域,在此区域内用局部熵估计出大气光强度值。再运用暗原色先验得到图像的初始透射率,并采用双边滤波进行了优化。最后根据CIE的能见度公式求取能见度值。试验结果证明:该算法的能见度检测值与采用散射仪检测的结果非常接近,同时具有环境适应性强且速度快的优点,能满足高速公路能见度预警的智能系统实时性要求。     

基于SuBSENSE的内河船舶检测波纹干扰抑制算法

SuBSENSE是一种融合颜色特征和纹理特征的通用运动目标检测算法,同时算法中的参数自适应反馈机制使得背景模型能够良好地适应内河环境的多样性,在多种检测环境下达到参数最优化设置.针对一般运动目标检测算法用于内河船舶检测时,难以克服水波纹干扰这一问题,提出将SuBSENSE与基于全局对比度的显著性区域检测方法结合进行波纹抑制.利用水面显著值较低这一特性,通过设置适当阈值对显著图进行二值化,从而分离船舶与水面区域.将显著图与SuBSENSE检测结果进行与运算滤除背景干扰,即可得到船舶区域.实验证明,该方法能有效抑制内河环境中的波纹干扰,相比原SuBSENSE算法将综合表现提高了14.6%.      

大跨径系杆拱桥整体顶升改造施工技术研究及应用

随着我国内河航道水上运输的发展,使得部分水运内河航道急需升级改造以适应日益发展的内河航道水运业的需要。以南河特大桥主桥整体顶升工程为研究对象,研究一种全新的桥梁整体顶升技术来进行升级改造,以满足内河通航需要。运用PLC液压同步控制技术,使同步顶升控制精度为±1.0 mm,从而保证顶升过程的同步性,确保顶升时桥梁上部结构的安全。通过对桥梁顶升方案的比选,选择液压千斤顶顶升、机械跟随千斤顶跟随保护的方式进行整体顶升。由于南河特大桥主桥顶升采用下部承台（盖梁）+上部梁体的顶升方式,结合主桥的结构特点和现场工况,采用两阶段施工的方法,保证桥梁整体顶升顺利实施。     

基于场景分类及灰度跳变的车牌定位方法

车牌定位是自动车牌识别系统实现的关键。提出一种基于场景分类及灰度跳变的车牌定位算法。该算法对彩色图像进行场景分析,将图像分类为白天场景类或夜晚场景类。这两类场景的字符与背景的灰度跳变值不同,一般白天场景类的灰度跳变值较大,夜晚场景类的灰度跳变值较小。利用不同的灰度跳变值快速提取出几块车牌候选区域,对不同的场景用不同的方法最终选取一块区域。实验结果显示本文提出的方法对图像场景分类准确率达到98.2%,车牌定位的准确率达到98.5%。     

基于亮度特性的高空间分辨率遥感影像阴影处理研究

在高密度的城市环境中,建筑物产生的阴影遮挡了许多重要信息,导致车辆信息提取不准确甚至无法提取,因此对阴影的处理显得尤为重要.利用遥感影像阴影的几何特征和光谱特征,采用基于亮度的阴影检测方法,通过双峰曲线选取合适的亮度阈值把阴影和光照区进行分割;并用灰度线性映射的阴影补偿方法,通过线性映射对阴影区域进行信息补偿,对高空间分辨率遥感影像的样本数据中的阴影进行试验处理和结果分析,结果证明这一方法是行之有效的.     

基于注意力机制的多模态自动驾驶行为决策模型

针对现有端到端自动驾驶模型未考虑驾驶场景中不同区域的重要性和不同语义类别之间的关系而导致预测准确率低的问题，受驾驶人注意力机制和现有端到端自动驾驶模型的启发，充分考虑驾驶场景的动态变化、驾驶场景的语义信息和深度信息对驾驶行为决策的影响，以连续多帧驾驶场景的RGB图像为输入，构建一种基于注意力机制的多模态自动驾驶行为预测模型，实现对方向盘转角和车速的准确预测。首先，通过语义分割模型和单目深度估计模型分别获取RGB图像的语义图像和深度图像；其次，为剔除与驾驶行为决策无关信息，以神经科学和空间抑制理论为基础，设计一种拟人化注意力机制作为能量函数来计算驾驶场景中不同区域的重要度；为学习语义图像中与驾驶行为决策最为相关类别之间的关系，采用图注意力网络(Graph Attention Network,GAT)对驾驶场景的语义图像进行特征提取；然后，以保留RGB特征为原则对提取的驾驶场景的图像特征、语义特征和深度特征进行融合，采用卷积长短期记忆网络(Convolutional Long Short Term Memory,ConvLSTM)实现融合特征在连续多帧之间的传递，进而实现下一帧驾驶场景对应驾驶行为的预测；最后，与其他模型的对比试验、消融试验、泛化试验和特征可视化试验来充分验证所提出自动驾驶行为预测模型的性能。试验结果表明：与其他驾驶行为预测模型相比，所提出模型的训练误差为0.021 2，预测准确率为86.97%，均方误差为0.031 5，其驾驶行为的预测性能优于其他模型；连续多帧的语义图像和深度图像、拟人化注意力机制和面向语义特征提取的GAT有助于提升驾驶行为预测的性能；该模型具有较好的泛化能力,其做出驾驶行为预测所依赖的特征与经验丰富的驾驶人所关注的特征基本一致。     

基于室内标志的视觉定位方法

为解决室内交通场景中智能汽车和移动机器人进行定位计算的问题, 利用室内场景中已存在的各类标志, 引入BEBLID算法, 提出1种视觉定位方法。对BEBLID算法进行改进, 赋予其对图像整体进行特征表征的能力。将定位过程分解为离线阶段和在线阶段, 离线阶段构建场景标志地图。在线阶段中, 首先通过全局特征匹配, 引入KNN方法确定最近节点和最近图像。通过局部特征匹配获得特征点一一对应关系。利用场景特征地图中存储的标志坐标信息, 进行度量计算, 获取当前位置信息。在教学楼、办公楼和室内停车场场景进行实验, 实验中对场景标志的正确识别率达到90%, 平均定位误差小于1 m, 与传统方法相比, 同一样本下识别精度相对提升约10%, 实验验证了算法的有效性。      

多源遥感数据融合的道路材质精细识别

针对当前道路识别方法对道路材质识别精度不高的问题,提出了一种融合多源遥感影像进行城市道路材质高精度识别的方法。首先,对高光谱遥感影像中的地物光谱曲线进行分析,在保留地物光谱分离度较大的波段的基础上提升计算效率;通过分步融合的策略对多源遥感影像进行融合,提升高光谱影像的空间分辨率,为后续道路材质识别提供高质量的数据保障。其次,通过使用不同的指数对融合影像进行掩膜,提取城市建筑物,并在此基础上提取建筑物纹理信息与光谱信息,进行多特征融合并分类;最后,通过影像后处理对提取的道路进一步进行规范,得到最终高质量的道路材质识别结果。通过使用高分五号高光谱影像、高分二号全色/多光谱影像、高分一号多光谱影像对提出的方法进行实验验证,试验结果表明,本文方法可取得较高精度的道路材质识别效果,具有较好的应用价值。     

基于虚拟线圈的内河船舶流量检测方法

实时检测内河船舶流量对水上交通管理具有重要意义.为实时检测船舶流量,研究了一种基于虚拟线圈的船舶流量检测系统.虚拟线圈即在视频图像上设置一个封闭区域,根据该区域内图像的变化检测是否有运动目标通过.利用RGB三通道背景差分法得到视频图像的二值化图像,二值化图像的三个分割阈值由大津法求出.设置2个平行的虚拟线圈,通过虚拟线圈的船舶会被检测并计数,同时检测船舶的船长与船宽,利用BP神经网络对船舶进行分类.通过在武汉长江大桥和武汉长江二桥上不同时间段采集的视频进行实验,结果表明,船舶计数正确率达到97.1%,计数漏检率2.9%,计数错检率0%,船舶分类正确率98.6%.处理一帧图片的平均时间为7 ms,具有较好的实时性.      

基于不良天气下的单点信号灯控制优化

在不良天气条件下对单点交叉口的信号控制优化,是能够使得车辆在不良天气条件下交叉口延误降低、降低交通事故率、增大交通安全系数的重要手段.本文首先通过对目标城市——柳州市的天气环境进行调查,结合柳州市气象局的资料公开发布,将柳州市存在的雨、雾、霾天气进行聚类分析,将各种天气按照对交叉口延误和饱和车头时距的影响分为一级、二级...