基于双路神经网络融合模型的高速公路雾天检测

高速公路天气状况实时监察对于高速行车安全具备重要意义,然而气象检测只能对大范围区域的气象情况进行预报,不能满足高速行车各个路段气象情况实时检测的需求. 为此,提出一种基于双路神经网络融合模型的高速公路雾天检测算法. 该算法基于双路深度神经网络融合模型,提取雾天图像的可视深度图以及暗通道图像两种视觉特征,并利用深度神经网络进行建模,获得初步分类结果;然后,再利用均值融合层进行分数融合. 为了全面评测该算法的性能,构建了一个覆盖多个省份高速公路的视频监控雾天数据集（express way fog detection dataset,EWFD）,该数据集能够全面涵盖国内高速公路的天气情况,并在该数据集上做了全面的分析对比实验. 实验结果显示,本文所提出的双路神经网络融合模型的雾天监测算法取得了93.7%的准确率,与国际前沿的检测分类算法101层残差网络（ResNet-101）相比,本文提出的算法准确率提高了10%以上.      

基于单双目视觉融合的车辆检测和跟踪算法

提出了一种基于单双目视觉融合的车辆检测与基于Kalman滤波的车辆跟踪算法,设计了一种基于二维深度置信网络的车辆检测器。在道路图像中利用单目视觉生成车辆可能存在的区域,构成双目视觉处理的车辆候选集合。在车辆可能存在的区域内利用双目视觉进行误检去除,并获得车辆的位置信息。在二维图像坐标系和三维世界坐标系内,利用Kalman滤波器对检测到的车辆进行跟踪。试验结果表明:算法的检测率为99.0%,误检率为1.3×10-4%,检测时间为57ms,检测率高,误检率低,检测时间短;与单双目视觉弱融合算法、单目视觉算法和双目视觉算法相比,本文车辆检测与跟踪算法兼具双目视觉算法检测率高和单目视觉算法检测时间短的优点。     

融合PHOG和MSLBP特征的铁路扣件检测算法

为了提高铁路扣件检测的识别率和鲁棒性,以及扣件图像PHOG特征的有效性,提出了简单有效的枕肩定位算法,该算法首先在提取PHOG特征前,根据枕肩、扣件和背景间的位置关系去除冗余背景信息;然后,模拟人眼视觉注意机制,设计MSLBP特征采样方式,提取扣件图像的宏观纹理特征;最后,采用分层次加权融合的方法联立两类特征,并采用SVM分类器进行扣件分类识别,提出一种基于计算机视觉和PHOG-MSLBP融合特征的缺陷识别算法.将该算法应用于实验,结果表明:与使用PHOG、MSLBP单一特征相比,基于PHOG-MSLBP融合特征检测算法的平均识别率分别提高了6.3%、4.5%,且鲁棒性更强,可满足扣件缺陷自动化检测的需要.     

基于重要位平面的彩色图像检索算法

针对利用颜色特征检索图像时的不足,提出了一种基于重要位平面的彩色图像检索算法.该算法利用位平面分解的方法对表征图像视觉的信息进行分解,从中提取能够表征图像视觉信息的5个最高位平面,并计算其上的R、G、B颜色分布熵来描述图像特征.为了避免图像中像素颜色值的微小变化对位平面复杂度的影响,采用了位平面的灰度码表示方法.最后设计了以位平面距离加权和的方法进行相似性度量.仿真实验表明所提出的算法具有高效的图像检索性能.     

基于视觉显著性的视频差错掩盖算法

为了避免在差错掩盖过程中由于不当的替代块选择而引入新的可察觉失真,将视觉显著性与差错掩盖算法相结合,提出了一种基于视觉显著性的视频差错掩盖算法. 首先使用显著图检测算法将原始视频的每帧图像分为感兴趣区域和非感兴趣区域,接下来在解码端利用视频序列的显著性分布信息进行差错掩盖,保证候选替代块的选择范围被限制在与原始单元具有相似视觉显著性分布水平的区域内;其次在非感兴趣区域受损单元的掩盖算法中引入显著性降低操作算子,通过算子循环迭代来降低其替代块的强度和颜色对比度,使得掩盖后的图像区域既能保持较好的匹配性又具有低显著性;最后利用快速非局部均值去噪算法,对完成差错掩盖操作的视频序列进行去噪处理,以提高视频序列的整体视觉质量. 实验结果表明:在3%、5%、10%丢包率下,相对于传统的边界匹配算法,该算法掩盖后的序列的客观质量具有0.79～1.66 dB的提升;相对于解码端运动估计算法,该算法掩盖后的序列的客观质量具有0.39～1.55 dB的提升;在掩盖完成后使用非局部均值去噪算法,视频序列的客观质量有0.05～0.51 dB的提升.      

基于小区域跟踪的多晶硅视频检测系统

为实时测量多晶硅棒直径,研制了多晶硅棒径在线视频检测系统.该系统采用双相机成像的机器视觉方法实现目标硅棒的监测,采用左中右差分的图像分割技术提取目标,采用基于小区域的质心跟踪算法跟踪目标.系统标定后,可实时测量还原炉内多晶硅棒的直径.实验结果表明:该系统能检测微弱边缘,在直径为8~150 mm的范围内,测量精度高于工业视觉图像测量的要求.     

图像增强在机械工件表面处理中的应用

为了滤除噪声影响,增强工件表面图像的细节特征,提出了运用MATLAB对工件表面缺陷进行图像处理的方法.首先运用中值滤波方法对工件表面图像中高斯和椒盐噪声干扰处理,然后对工件表面图像灰度变换增强处理,最后对机械工件图像进行锐化增强处理.结果表明：通过MATLAB图像处理技术使工件表面图像在主观视觉和客观标准评价上均取得良好效果,为后续工件质量检测提供了基础.     

应用小波模历史图像的运动车辆视频检测

为提高车辆目标检测的稳定性和准确性,提出了基于背景减除和小波分解模历史图像的运动车辆检测算法.首先对原始图像进行小波分解,对低频分量用混合高斯模型和纹理特征相结合的方法,自适应更新背景并标记运动目标初始区域;然后,基于高频分量计算模值,并通过逐帧历史累积得到模历史图像;最后,利用车辆目标与阴影相比富含边缘细节的特点,对目标进行倾斜校正后,将目标边缘分别沿图像x和y方向投影,利用投影曲线将边缘信息与目标初始区域信息迭代融合,得到最终检测结果.实验结果表明,用本文方法检测车辆的捕获率达到99.0%,有效率为92.5%;与使用单一自适应背景提取方法相比,在实际交通场景中可有效处理阴影导致的多目标粘连问题,检测结果更准确.     

图像增强在机械工件表面处理中的应用

为了滤除噪声影响,增强工件表面图像的细节特征,提出了运用MATLAB对工件表面缺陷进行图像处理的方法.首先运用中值滤波方法对工件表面图像中高斯和椒盐噪声干扰处理,然后对工件表面图像灰度变换增强处理,最后对机械工件图像进行锐化增强处理.结果表明:通过MATLAB图像处理技术使工件表面图像在主观视觉和客观标准评价上均取得良...     

基于平均明暗熵差的人脸增强算法

针对人类视觉对图像亮度的响应特征,提出了一种使用粒子群优化方法对图像灰度的非线性转换函数参数进行优化,用以使图像的平均明暗信息熵之差的绝对值最小,从而使图像的明暗灰度分布更加均匀的人脸增强算法.实验结果表明,该方法在增强图像的基础上能有效地提高图像在高灰度区域的视觉效果,对图像在高灰度区对比度有所损失的现象进行弥补,同时也能有效地提高整幅图像的视觉层次.     

基于序列图像的交通流自动调节系统

本文提出了从视频动态序列图像中检测,识别汽车目标的算法,以此来分析城市道路车流量状况,并自动调节控制系统.通过背景抑制法获得汽车区域,利用基于数学形态学的方法进行去噪声;利用二值图像阈值法和相关法来分别提取汽车车身和车灯.从而估算城市道路汽车流量,并调整道路中间隔离栅.仿真实验结果表明:算法能够有效的检测,识别目标,并对控制系统进行自动调节.     

基于双目视觉图像的倒车障碍物检测预处理方法

针对倒车过程中双目视觉图像障碍物检测时的误匹配、障碍物检测范围等问题,提出基于双目视觉图像的倒车障碍物检测方法。利用膨胀和腐蚀操作来消除误匹配及部分噪声;采用视差图像的二值化处理来控制障碍物的检测范围,实现基于距离的障碍物检测;接着使用基于行程的连通区域标记算法对各连通区域进行标记;最后计算各区域面积,将面积过小的区域作为噪点去除,将剩余区域作为障碍物提出来。实验结果表明笔者提出的基于双目视觉图像的倒车障碍物检测方法能够有效检测出车后图像的障碍物区域。     

综合小波和数学形态学的图像边缘检测

提出一种基于小波和数学形态学相结合的图像边缘检测方法,即将图像分为高频和低频两部分别进行处理,利用小波对高频和低频部分进行边缘检测后,再利用数学形态学方法对低频进行边缘处理,并对两种边缘图像进行了融合.实验结果证实了该算法的可行性.     

一种基于模糊增强的多尺度边缘检测算法

图像的边缘检测技术是图像处理中最重要的内容之一,且已在图像分析和识别领域得到了广泛的应用.本文提出一种基于模糊增强的多尺度边缘检测算法.该算法首先用模糊增强算子对原始图像进行预处理,加大边缘两侧灰度的差异,然后利用多尺度边缘检测算法提取图像的边缘.最后,将该算法与经典的Sobel算子和Canny算子进行比较.实验结果表明,这种方法较好地解决了图像边缘的提取精度与图像噪声的抑制能力之间的矛盾.     

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NSCT和Bilateral滤波器的含噪声图像融合

对于含噪声红外与可见光图像的融合,在滤除噪声的同时通常也会损失同为高频信息的边缘细节.为了解决这个问题,提出了一种基于Bilateral双边滤波器和非下采样Contourlet变换(nonsubsampled contourlet transform,NSCT)的含噪声图像融合算法.首先采用NSCT方法对图像进行多尺度分解,调整参数使得到的红外图像和可见光图像的高频图像中包含了大部分的边缘信息和噪声,为了保留边缘信息和滤除噪声,采用Bilateral双边滤波器分别对两幅高频图像进行处理,并得到红外高频图像的细节图像.为了将原始图像的边缘细节信息尽可能多地提取到融合图像中,同时增强边缘信息,将红外细节图像与可见光高频图像叠加到一起,提升融合图像的视觉效果.然后,采用局部区域标准方差系数方法作为红外与可见光图像低频图像的融合规则进行融合.最后,将融合后的高频图像和低频图像根据NSCT反向变换进行重构,得到融合后的图像.实验结果表明,该算法在滤除噪声的同时能够很好地保持边缘细节,对于含噪声图像的融合具有很好的效果.     

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。      

基于重要位平面的彩色图像检索算法

针对利用颜色特征检索图像时的不足,提出了一种基于重要位平面的彩色图像检索算法．该算法利用位平面分解的方法对表征图像视觉的信息进行分解,从中提取能够表征图像视觉信息的5个最高位平面,并计算其上的R、G、B颜色分布熵来描述图像特征．为了避免图像中像素颜色值的微小变化对位平面复杂度的影响,采用了位平面的灰度码表示方法．最后设计了以位平面距离加权和的方法进行相似性度量．仿真实验表明所提出的算法具有高效的图像检索性能．     

基于边缘检测及数学形态学的快速汽车车牌定位

车牌定位是汽车牌照识别系统的重要环节,定位的准确性直接影响车牌识别的准确率.文章研究了利用图像边缘及数学形态学的快速汽车车牌定位方法,首先将彩色图像灰度化,并利用Sobel算子进行图像边缘提取,然后运用数学形态学算法对二值图像进行处理,得到几个车牌候选区域,最后利用连通区域的长宽比,面积比及车牌字符水平分布特征等来准确定位车牌.实验表明,这一方法能快速准确地实现车牌定位.     

低照度边缘增强的语义分割模型研究

为提高对低照度图像的语义分割精度,提出了一种基于RPN的边缘增强语义分割模型(EESN)。在该模型中,首先利用深度残差网络提取图像的高阶语义特征,并通过RPN快速生成待分割目标候选区域;然后,利用设计的融合算法对候选区域进行融合,并剔除重复的候选区域;最后,对融合的目标候选区域做低照度边缘搜索,并利用失真代价较小的局部增强算法对低照度边缘进行特征增强。将EESN用于Pascal VOC12和Cityscapes两个数据集的语义分割中,分别获得了81.2%和67.6%的mIoU,该结果证明了EESN对具有低照度边缘的图像具有较好的分割性能。