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.     

基于灰度变化率的低对比度CT图像分割研究

整幅工业CT图像具有部分区域对比度低,灰度范围狭窄,灰度变化不明显等特点,针对传统的缺陷分割方法无法对低对比度区域的缺陷进行精确分割的问题,提出一种基于灰度变化率的缺陷分割方法.通过提取图像中某点的灰度值并计算该点与其周围邻域内点的平均灰度值的变化率、差值以及方差,选取符合图像分割条件范围内的点作为边界点,从而提取工业CT图像中低对比度区域缺陷的边界并进行分割.仿真实验表明,本文方法分割CT图像的缺陷准确率可达到95%,能够快速确定缺陷区域,并准确、有效地分割提取缺陷.     

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.     

基于机器视觉的路面破损检测系统研究

分析了系统的基本组成和总体结构,介绍了软件设计流程以及网络设计与训练过程.同时考虑到传统图像分割算法的局限性,设计了一种检测图像内任意区域实时检测算法.可以适应路面龟裂、横裂、纵裂、块裂等多种缺陷以及缺陷并存的复杂道路样本图像.     

结合区域分割和Wishart分类器的机场跑道区域快速检测方法

提出了一种结合区域分割和Wishart分类器的极化合成孔径雷达图像机场跑道区域快速检测方法; 利用简单线性迭代聚类算法分割极化合成孔径雷达图像, 并将分割得到的超像素作为后续分类处理的基本单元; 采用一种优化后的距离度量方式给超像素分配类别标签, 解决了传统Wishart距离度量因子冗余运算量大的问题; 分析了机场跑道区域像素的极化散射特性, 利用机场跑道区域的弱散射特性从分类结果中提取感兴趣区域; 利用机场跑道的结构特征筛选辨识感兴趣区域, 进而确定机场跑道区域的准确位置; 利用极化合成孔径雷达实测数据测试了算法的有效性, 并与传统基于像素的检测结果进行对比。试验结果表明: 该算法在复杂大场景下能够快速有效检测出机场跑道区域, 检测出的跑道轮廓清晰, 结构比较完整; 采用简单线性迭代聚类算法预处理图像极大地降低了后续处理的复杂性; 针对墨西哥湾试验数据, Wishart分类器处理单元个数分别是Freeman+Wishart算法和FCM+Wishart算法的1.0%和2.4%, 整个检测过程耗时分别为Freeman+Wishart算法和FCM+Wishart算法的9.9%和27.1%;针对大岛试验数据, Wishart分类器处理单元个数分别是Freeman+Wishart算法和FCM+Wishart算法的1.0%和2.6%, 整个检测过程耗时分别为Freeman+Wishart算法和FCM+Wishart算法的14.0%和31.8%。可见, 所提检测方法的实时性能优于基于像素的检测方法。      

流域分割算法在细胞图像分割中的应用

为克服细胞涂片检测癌症过程中细胞交叠造成图像分析的困难，需将实际细胞图像中交叠在一起的细胞群分离为单个细胞。为此，提出一种基于流域分割算法的二值细胞图像分析方法。首先，用迭代腐蚀方法产生距离图，以从交叠的细胞图像中检测出种子数。然后，将极限腐蚀的集合作为分离交叠细胞图象的种子。最后，以种子区域为基础生长图像，直到除凸集的边界外，原图的像素都被重新吸收。叙述了该算法的设计思想和实现，并给出了实验结果。     

基于像素-亚像素级形态分析的路面三维图像裂缝自动识别算法

为了准确有效地检测路面裂缝,为路面性能评估、路面养护管理、路面结构和材料设计提供数据支撑,针对1 mm/像素路面三维图像提出了基于像素-亚像素级形态分析的裂缝自动识别算法。首先,应用Canny算法和区域生长算法检测候选裂缝目标并进行融合处理,得到融合分割图像;然后,提取并重构像素级与亚像素级图像骨架;最后,融合像素-亚像素级骨架图像,综合利用形态学算子和轮廓长度、圆度、扁平率等连通域形态特征提取裂缝目标。基于150张路面三维图像(992像素×992像素)对笔者算法和另外5种既有算法进行测试,结果显示,笔者算法获得了较高的准确率(均值90.45%)和召回率(均值96.49%),F均值由高至低分别为:笔者算法(90.72%)、种子并行生长算法(39.65%)、GAVILáN算法(33.46%)、各向异性测度算法(30.32%)、Canny检测(25.85%)和OTSU分割法(5.85%)。算法适用性分析表明,笔者算法较适用于细小裂缝图像识别,种子并行生长算法、GAVILáN算法和各向异性测度算法有利于宽而明显的裂缝识别,而Canny和OTSU通常可作为裂缝识别算法中的一个图像处理环节。     

面向对象的高分辨率遥感影像道路提取算法

针对高分辨率遥感影像的特点,提出了一种基于面向对象思想的自动道路提取方法.首先对遥感影像进行双边滤波,平滑细节信息并保留道路边缘信息;然后使用模糊C均值算法分割图像以得到独立的地物对象,并结合道路几何特征对各对象滤波得到候选道路段;使用区域增长算法形成道路网,最后使用形态学方法实现道路网的修整和细化.实验表明,该方法无需人工选取道路种子点,就可以在不同场景的遥感影像中有效地提取出道路目标.     

基于双曲线模型的车道线检测算法

针对车道线识别准确性、可靠性等问题,提出了一种基于双曲线模型的车道线检测算法。首先,对图像进行预处理,采用Sobel算子实现可靠的车道边缘检测;然后,运用Hough提取车道线边界信息,并运用区域生长法筛选道路边缘点;最后,结合车道线边界参数和双曲线模型参数,基于最小二乘法完成车道线重建。试验结果表明该算法可准确识别不同环境下的车道线。     

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。      

IMAGE ANALYSIS BASED ON EDGE DETECTION TECHNIQUES

IntroductionEdges are pixels where brightness changesabruptly and often used in image analysis for find-ing region boundaries.It locates sharp changes inthe intensity function.Edges detection is basic im-age features.They carry useful information aboutobject boundaries.Edges can be used for object i-dentification,image analysis and image filteringapplications as well.We shall consider as an edgethe border between two homogeneous image re-gions having different illumination.This definitionimp…     

IMAGE SEGMENTATION BASED ON MARKOV RANDOM FIELD AND WATERSHED TECHNIQUES

IntroductionThere are many methods to perform imagesegmentation and edge detection tasks that incor-porate region- growing and edge detection tech-niques,for example,it is applying edge detectiontechniques to obtain Difference In Strength( DIS)map then employ region growing techniques towork on the map as in Refs.[1 ,2 ]. In the others,combining both special and intensity information inimage segmentation approach based on multi- reso-lution edge detection,region selection and intensi-ty thre…     

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.      

Unsupervised color-texture image segmentation

The measure J in J value segmentation （JSEG） fails to represent the discontinuity of color, which degrades the robustness and discrimination of JSEG. An improved approach for JSEG algorithm was proposed for unsupervised color-texture image segmentation. The texture and photometric invariant edge information were combined, which results in a discriminative measure for color-texture homogeneity. Based on the image whose pixel values are values of the new measure, region growing-merging algorithm used in JSEG was then employed to segment the image. Finally, experiments on a variety of real color images demonstrate performance improvement due to the proposed method.     

基于时序融合的自动驾驶多任务感知算法

采用连续图像帧作为输入,挖掘连续图像帧之间的时序关联信息,构建一种融合时序信息的多任务联合驾驶环境视觉感知算法,通过多任务监督联合优化,实现交通参与目标的快速检测,同时获取可通行区域信息;采用ResNet50作为骨干网络,在骨干网络中构建级联特征融合模块,捕捉不同图像帧之间的非局部远程依赖关系,将高分辨率图像通过卷积下采样处理,加速不同图像帧的特征提取过程,平衡算法的精度和速度;在不同的图像帧中,为了消除由于物体运动产生的空间位移对特征融合的影响,且考虑不同图像帧的非局部关联信息,构建时序特征融合模块分别对不同图像帧对应的特征图进行时序对齐与匹配,形成融合全局特征;基于共享参数的骨干网络,利用生成关键点热图的方法对道路中的行人、车辆和交通信号灯的位置进行检测,并利用语义分割子网络为自动驾驶汽车提供道路可行驶区域信息。研究结果表明:提出的感知算法以多帧图像代替单一帧图像作为输入,利用了多帧图像的序列特性,级联特征融合模块通过下采样使得计算复杂度降低为原来的1/16,与CornerNet、ICNet等其他主流模型相比,算法检测精确率平均提升了6%,分割性能平均提升了5%,并保持了每秒12帧图像的处理速度,在检测与分割速度和精度上具有明显优势。      

隧道掌子面岩体裂隙快速识别方法

隧道掌子面上含有许多地质信息,若能充分提取和分析,将有助于对隧道工程地质状态作出评价,用于指导隧道设计和施工. 以隧道掌子面数码图像为基础,对掌子面上岩体裂隙检测、提取、分组算法进行研究. 首先,基于数字图像处理技术对掌子面岩体裂隙目标分割算法进行分析,根据分割结果,通过图像细化和边界线拟和、分离、合并、过滤,连接不连续边界,过滤短边界,形成较完整的岩体边界线识别结果;然后,计算岩体边界线视倾角,将视倾角相近的边界线合并为一组,实现对裂隙边界线的自动分组;最后,将本方法应用于实际掌子面岩体图像测试其有效性. 测试结果表明:该方法基本实现了对掌子面上岩体裂隙的自动提取和分组;对具有明显裂隙的掌子面岩体,本算法能较完整的提取出岩体裂隙,错误提取率不超过10%,并实现了自动分组,自动分组错误率不超过5%,提高了掌子面岩体分析的自动化程度,可用于地质素描,并为掌子面围岩分级提供参考依据.      

基于改进YOLO v3模型与Deep-SORT算法的道路车辆检测方法

针对道路车辆实时检测遮挡严重与小目标车辆漏检率高的问题，提出了基于改进YOLO v3模型和Deep-SORT算法的车辆检测方法；为提高模型对道路车辆的检测能力，采用K-means++聚类算法对目标候选框进行聚类分析，选择合适的Anchor box数量，并在网络浅层增加了特征提取层，可提取到更精细的车辆特征；为加强网络对远近不同目标的鲁棒性，在保留原YOLO v3模型输出层的同时，增加了一层输出层，将52像素×52像素输出特征图经过上采样后得到104像素×104像素特征图，并将其与浅层同尺寸特征图进行拼接，实现车辆目标的检测；为了降低目标遮挡对检测效果的影响，提高对视频上下帧之间关联信息的关注度，将改进YOLO v3模型和Deep-SORT算法相结合，以此来弥补两者之间的不足。试验结果表明:改进YOLO v3模型有效地提高了车辆检测的性能，与在网络浅层增加特征提取层的模型相比，平均精度提高了1.4%，与增加一层输出层的模型相比，平均精确度提高了0.8%，说明改进YOLO v3模型提取的特征表达能力更强，增强了网络对小目标的检测能力；改进YOLO v3模型在引入Deep-SORT算法后，查准率和召回率分别达到90.16%和91.34%，相比改进YOLO v3模型，查准率和召回率分别提高了1.48%和4.20%，同时保证了检测速度，对于不同大小目标的检测具有良好的鲁棒性。      

基于DenseNet结构的轨道暗光环境实时增强算法

车载视觉系统是未来城市轨道交通安全运行的重要保障，列车在封闭环境或夜间运行时所处的弱光照环境会严重影响车载视觉系统的检测效果. 为此，提出了一种针对铁路封闭环境或夜间行车环境下低照度图像的实时视觉增强算法. 该算法以密集连接网络（densely connected network，DenseNet）结构为骨干网建立特征尺寸不变网络，提取图像光照、颜色等信息输出光照增强率图，并基于非线性映射函数调整每个像素的光照强度，通过分级结构将低照度输入图像的曝光率由低层到高层不断增强. 建立的深度学习网络模型采用自监督的方式训练网络参数，利用低照度图像自身特征和先验知识构建损失函数，其由曝光损失、色彩恒定损失及光照平滑度损失3个分量组成. 多种场景下的低照度增强实验结果显示:本文算法能够对输入图像曝光值进行自适应，对低曝光以及高曝光区域动态调整曝光率从而改善低照度图像的可视化效果，处理速度能够达到160帧/s，满足实时性处理的要求；通过在低照度增强前后的轨道分割及行人检测算法性能对比实验证明:所提出的算法能够大大提高暗光环境下的视觉检测效果，在RSDS （railroad segmentation dataset）数据集中轨道分割F值提高5%以上，在轨道场景下行人检测误检率及漏检率均有效降低.      

New Iris Localization Method Based on Chaos Genetic Algorithm

This paper present a new method based on Chaos Genetic Algorithm (CGA) to localize the human iris in a given image. First, the iris image is preprocessed to estimate the range of the iris localization, and then CGA is used to extract the boundary of the iris. Simulation results show that the proposed algorithms is efficient and robust, and can achieve sub pixel precision. Because Genetic Algorithms (GAs) can search in a large space, the algorithm does not need accurate estimation of iris center for subsequent localization, and hence can lower the requirement for original iris image processing. On this point, the present localization algirithm is superior to Daugman‘s algorithm.