沥青路面破损图像分割方法研究

提出了一种减少沥青路面破损图像识别计算量的图像分割方法。将路面图像等分为64×64像素的子块图像,并用灰度方差值描述子块图像特征。同时,设计了基于BP人工神经网络的子块图像模式分类器,利用子块图像模式分类结果所组成的矩阵作为路面破损图像分割结果。实验表明,该方法可较好地分割路面破损图像。     

二值图像的阈值分割方法探讨

图像分割的目的是将图像划分成互不交迭区域的集合,将图像中有意义的部分提取出来。图像分割的用途非常广泛,分割通常用来对图像进行进一步的分析、识别及压缩编码等,分割的准确性直接影响后续任务的有效性,因此具有十分重要的意义。文中通过对常用的图像二值化确定阈值方法的对比,经实验验证总结了合适的二值图像的阈值分割方法。     

图像运动分析在汽车被动安全研究中的应用

图像运动分析法，是电测量系统—图像系统实时同步采集和图像序列运动分析二者相结合的研究方法。图像运动分析法在汽车被动安全研究领域里占有举足轻重的地位。本文阐述了图像运动分析法的原理和优势；探讨了电测量系统—图像系统同步采集的实现方法；介绍了清华大学碰撞试验室自行开发的电测量—图像同步采集系统和图像序列分析系统的方案和具体实现。最后，通过一个具体的例子介绍了电测量—图像同步采集和图像运动分析在汽车被动安全性和其它相关领域的实际应用。     

基于图像融合的驾驶员视觉增强技术研究

针对低能见度下小波变换的图像融合方法中,简单的加权融合降低图像的对比度和亮度,导致驾驶员的视觉效果较差的问题,提出了在小波低频近似分量和高频细节分量采用不同的融合规则。低频近似分量集中了图像的大部分能量,采用区域能量比例加权的融合规则,可以提高图像的亮度;高频细节分量包含了图像细节,采用区域标准差比例加权的融合规则,可以提高图像的对比度。通过红外与可见光图像融合实验表明:该图像融合方法可以有效提高图像的亮度和对比度,适于低能见度下的图像视觉增强。     

基于模糊隶属度曲面的遗传算法图像分割

介绍了遗传算法的发展历史和图像分割的应用现状，分析了基于基本的遗传算法的图像分割方法，并将遗传算法与模糊集理论相结合用于医学图像分割，提出了基于模糊隶属度的遗传算法的医学图像分割方法。并对不同方法，如分割效果、计算代价进行了分析比较。     

基于小波变换的医学图像特征点互信息配准

医学图像配准是医学图像分析诊断的基础,也是图像融合等图像处理需要先行解决的问题.目前医学图像配准方法基本上分为基于形状特征和基于像素相似性两种方法.文中用小波变换提取图像特征点,将特征点互信息作为图像配准的相似性测度,并使用粒子群算法来求解配准所需的空间变换参数.实验结果表明,此方法减少了计算量,具有较快的配准速度,能准确地实现多模态医学图像的配准。     

一种针对于行人及车辆图片的自动彩色化模型

行人检测目前是智能汽车领域的一个研究热点,如何高效、准确地识别行人是技术关键。然而我们所提取到的图像往往为灰度图像,忽略了颜色特征,文章结合全局先验及局部图像特征,提出了一种新的方法来自动彩色化灰度图像。基于深度卷积神经网络,可以很好的融合局部特征。此外,不同于现有的大部分基于CNN的方法,本文的架构可以处理任何分辨率的图像。与目前一般水平相比,文章通过用户研究证实了自身方法的优越性。此外,证明文章的方法可以适用于许多不同类型的图像。     

基于小波变换的多源遥感图像融合方法

数据融合是目前遥感应用领域的一个热点问题,文中分析了传统的多源数据融合方法,提出了采用基于多分辨率的小波分解技术进行多源图像融合的方法.它将高分辨率图像的小波系数添加到多频谱(低分辨率)数据上,再将全色图像小波变换的高阶系数添加到多频谱图像的浓度组件上.实验表明,此方法切实可行,能使低分辨率图像的信息提取与利用接近于高分辨率图像.     

IHS变换图像融合技术及融合图像评价参数的讨论

本文运用几种HIS变换方法对同一地区的SPOT和ETM图像进行融合,并在此基础上提出了一种新的方法来减少图像的光谱损失。同时运用平均值、标准差、平均梯度、熵等参数对融合的结果进行了评价。结果表明本文提出的方法在图像的熵方面基本相同,但在平均梯度方面本文提出的方法最优。同时针对图像融合评价参数提出了一些看法。     

一种基于模糊推理的交通监控图像客观评价方法

交通监控图像好坏是闭路电视监控系统的重要性能参数。在分析现有交通监控图像评价方法的基础上,提出一种操作简便的无参考评价方法,从基本属性、清晰度、抗干扰性能角度构建客观评价指标体系,并采用模糊推理算法对多个指标进行推理以获得反映图像好坏的中间量,进而建立中间量到图像客观评分的映射关系。试验结果表明,该方法有效且评分结果符合人眼主观感受。     

基于图像分割的复杂面积计算方法研究与实现

以图像分割为基础，采用自适应旋转投影分解法，用一组高斯函数来拟合图像的灰度直方图，计算出相邻高斯函数间的最优阈值，从而将待计算部分从图像中分割出来；采用数字图像分割方法，便于计算各种复杂形状的面积。试验证明，该方法适用于各类256色灰度图像，具有一定的实用价值。     

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.      

基于BP神经网络的探地雷达图像特征判识与提取研究

在隧道质量检测中,钢拱架的探地雷达反射图像具有双曲线特征。为了研究双曲线图像特征的智能判识,提出一种基于BP神经网络的判识方法对图像中的双曲线特征进行自动识别。通过现场实测获取探地雷达原始检测图像,继而对原始检测图像进行平滑去噪、二值化与细化等数字预处理;通过引入动量附加项对算法进行优化,构建了具有一个隐层的三层神经网络结构;采用图像窗口的方式对神经网络结构进行训练和判识测试,并利用训练成功的神经网络结构对雷达图像中的双曲线特征进行智能判识;基于判识重构后的双曲线灰度图像,利用MATLAB对灰度图像的颜色直方图特征进行提取。分析结果表明,通过这种方法对探地雷达图像中的双曲线特征进行智能判识与特征提取是可行的,研究工作能为探地雷达图像典型特征的智能判识与提取提供相关参考。     

基于数学形态学的路面裂缝图像处理技术

为精确提取路面裂缝信息,将数学形态学方法应用于路面裂缝图像的分析与处理中。首先将目标图像二值化并通过全局阈值法对其进行预处理,然后通过数学形态学的开、闭运算去除图像噪声;为修补裂缝断裂,对目标图像进行膨胀、细化循环操作;为捕获目标图像边缘的有效信息,通过形态学边缘检测算子对图像边缘进行叠加与捕获。最后,采用轮廓链码方法对检测结果进行计算。结果表明,单一纵向裂缝循环14次最佳,路面龟裂循环37次最佳。经数学形态学方法进行处理的裂缝计算结果与实际检测结果相比误差小于5%。     

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。     

公路隧道闭路电视系统的图像质量评价研究

分析了公路隧道CCTV系统图像质量现有评价方法,提出一种新的客观评价方法,将CCTV系统作为整体研究,在监控摄像机前方由便携式影像装置显示标准图像,利用高性能工业数字相机拍摄监视器画面获得测试图像,参考标准图像计算测试图像的各项评价指标取值,并通过多指标融合模型获得图像质量的五分制评价结果。该方法原理简单,操作方便,评价结果与人眼主观感受一致性高。     

自适应车牌抓拍识别算法研究

现有图像分割技术对复杂的环境适应性并不强,在有外界因素干扰的情况下,简单的图像分割技术根本无法满足工程实践的精度要求,针对此种情况,提出一种自适应的图像分割方法,利用小波分析剔除图像噪声,在充分保留图像原始信息的情况下再对图像进行分割处理,该分割方法能够根据不同的环境状况,不断调整X、Y方向的阈值检测范围,获取不同方向上图像最大的梯度变化率,通过图像梯度变化率以及X、Y方向的阈值变化确定最佳的分割区域。最后,以复杂环境下车牌照图例作为算例对所提算法进行验证,测试结果表明,自适应图像分割算法在一定程度上能够适应复杂的环境条件。     

标识线导航的智能车路径辨识方法研究

路径的正确辨识和诱导是实现标识线导航小车智能前进的基础和核心。采用跟踪边缘检测的阈值分割方法和数学形态学滤波的图像处理方法对采集的图像进行处理,实现对路径的识别。实验证明采用飞思卡尔S12单片机作为惟一控制单元,在基于OV6620图像传感芯片SCCB模式下采集图像,能有效剔除图像中的噪声点,路径辨识正确率达到约95％,系统运行稳定,能够满足智能车对路径的要求。     

融合自适应光照预处理和深度学习的钢桥腐蚀检测方法

针对钢结构桥梁实桥腐蚀图像往往由于光照条件较差或光照不均匀导致腐蚀区域检测困难的问题,提出了一种融合自适应光照预处理方法和深度学习的钢桥腐蚀检测方法。首先,采用Global and Local Fusion(GLF)对比度增强算法结合KinD++低光增强模型的方法,对图像进行预处理;其次,采用粗标注结合K-means算法标注腐蚀区域得到分割标签;最后,采用原始图像和预处理后图像分别对UNet++网络进行了训练和测试,验证了所提出的预处理方法的有效性和优越性。结果表明：所提出的自适应光照预处理方法有效改善了实桥腐蚀图像的光照不均和低光照问题,修复和增强了细节和纹理特征信息,颜色保真度较高;所提出的数据标注方法能够精准标注腐蚀区域,减少边缘描绘工作;与原始图像相比,该方法预处理后的图像训练的模型在准确率、精确率、召回率、F1-score、交并比IoU和A_UC上分别提高了5.2%、2.7%、22.5%、19.4%、25.4%和10.5%;对于光照良好的均匀腐蚀图像,预处理对分割精度提高有限,对于点蚀图像,分割精度有较大的提高,对于低光照或光照均匀性较差的图像,分割精度得...     

基于小波变换的车牌图像检测定位算法研究

在讨论二维二进可分离小波及图像小波去噪的基础上，研究一种基于小波变换并结合其他多种图像处理方法的车牌图像检测定位的算法。实验表明，该算法对含噪的车牌图像能较好地完成检测定位。