基于目标空间分布特征的无人机航拍车辆实时检测技术研究

针对无人机航拍视角下存在整体图像分辨率高但占比较高的小尺度车辆检测特征点稀少这一问题,从卷积网络检测器针对性优化与基于目标分布特征的航拍图像自适应切分2个角度综合考虑,提出一种基于目标空间分布特征的无人机航拍车辆检测网络DF-Net。以单阶段目标检测框架SSD为基础,引入深度可分离卷积和抗混叠低通滤波器对网络结构进行优化搭建E-SSD,为后续检测网络搭建提供高效检测器;接着基于条件生成对抗CGAN思想构建密度估计网络生成器,从而得到航拍图像中车辆的准确分布特征,生成高质量的车辆密度图;将E-SSD与车辆密度估计网络结合,对车辆密度图进行自适应切分,并将切分后的局部图像与全局图像一同输入E-SSD,最后在决策层融合检测结果,由此实现对航拍视角道路交通场景下车辆目标的精确高效检测。在试验中,一方面将设计的基于目标空间分布特征的无人机航拍车辆检测网络DF-Net与E-SSD进行对比分析,另一方面将DF-Net与航拍目标检测领域表现较为优秀的网络进行比较。研究结果表明：设计的方法对于2个试验在均值平均精度指标上均有提升,与E-SSD网络对比时提升了至少4.4%,与航拍目标检测领域优秀网络比较时也有一定提升,并保持了较好的实时性。     

高速公路路面裂缝识别算法研究

经过研究给出了不均匀光照的路面裂缝图像识别的详细算法。算法采用多窗口中值滤波进行图像平滑,既能去除图像的噪声点,又较好地保留了裂缝的边缘信息;使用背景子集图像插值校正法进行灰度校正,有效地克服了不均匀成像对后期图像分割的影响;采用otsu阈值分割、形态学去噪及连通区域标记完成裂缝图像分割;选用连通区域个数、投影特征和分布密度3个参数完成裂缝分类;最后提取裂缝长度、宽度和破损面积等裂缝参数。实验结果显示分类准确率为94%,线状裂缝长度误差均值为7.2%,宽度误差均值为11.3%,非线状裂缝的面积误差均值为9.6%,表明这一方法有效、可靠。      

基于主颜色的图像检索技术研究

针对基于固定颜色集的直方图方法计算量与存储量过大，对亮度、噪声较敏感，参考颜色（reference colortable）方法受限于图像色彩分布的先验知识等弊端，提出了一种基于主颜色（domaincolor）的检索图像检索算法，在保持了较高的检索精度的同时，能够大大降低特征空间维度，提高检索性能。     

持续学习算法在车辆目标识别上的应用

自动驾驶汽车技术的日新月异,主要得益于深度学习和人工智能的进步。然而深度学习模型大多是在静态同分布数据集上进行训练,无法随着时间而适应或扩展其行为。针对这一问题,论文将持续学习模型运用于车辆目标识别领域进行研究。首先搭建可以使得算法流畅运行的环境,选定目标识别的原始图像数据集;在分析现有评估指标的基础上,选取适合于本次实验的评估指标,并采用卷积神经网络（CNN）、最接近类均值（NCM）、增量分类器与特征表示（iCaRL）三种持续学习算法对原始图像数据集进行学习训练与对比验证,通过实验验证了应用iCaRL算法使机器进行持续学习训练时,其精度和效率均优于其他两种方法。针对智能驾驶目标识别图像数据集不完善这一问题,构建了一个新的图像数据集,包含车辆、行人、交通标志及信号灯,将iCaRL算法应用于新建图像数据集进行研究,并在新建智能驾驶图像数据集上进行了训练与测试。结果表明,采用iCaRL算法能够较好地学习新建图像数据集,不会因为环境的改变而使得其性能发生大幅变化,测试结果良好,证明该方法可以在智能驾驶领域进行目标识别。     

基于改进密码本模型的视频对象检测

提出了自适应块均值码本模型,可以有效地处理动态背景。该方法考虑了块中像素在相邻帧间的时间联系,像素与其相邻像素间的空间联系,而不是认为像素间相互独立,并能够根据背景变化自适应调整图像块的尺寸。改进的码本模型将当前帧分割为大小自适应的非重叠块,当块中变化像素面积在一定阈值范围内时,将该图像块4等分,并用块均值建立粗糙的cache码本;在码本精细化过程中,用Mahalanobis距离计算cache码本问相似度,相似度高的码本融合为一个码本,最终得到精细码本;将改进模型与HSV色彩空间相结合,可以有效地对前景运动目标和背景进行分割。实验表明,改进的码本模型可以有效的处理动态背景,同时在处理速度上可以满足实时前景背景分割的需要。     

自适应阈值分割的图像边缘检测方法研究

边缘是图像视觉中的一种重要信息,是图像最基本的特征之一.在边缘检测过程中为了消除传统分水线算法引起的过分割现象,给出了一种新的过分割区域合并算法,该方法能把复杂的目标图像分割成为一系列反映目标基本结构特征的简单区域.然后利用轮廓提取算法去除图像内部的像素点,经最后处理得到的部分即是图像的边缘.     

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。     

基于图像处理的内河船舶目标提取与特征值计算

内河航行船舶进行目标提取及特征值计算,是船舶航行监控及船舶交通流参数测量的基础。文中主要介绍:1将背景差分法与大津法相结合,提出了1种新的船舶目标提取方法,对不同天气、不同角度下内河在航船舶目标进行提取;2提出了基于圆环划分的特征值算法,通过此算法计算所得目标船舶的特征值。验证结果表明,基于背景差分结合大津法可实现船舶目标提取,所得船舶轮廓较为清晰,并具有一定天气适应性;在特征值计算实验中,正拍图像的特征值1均大于0.95,而侧拍图像特征值1均小于0.5,可区别不同拍摄角度;各种船舶目标在进行旋转、平移及缩放后,特征值基本保持不变。因此,文中算法所得到的特征值具有旋转、平移及缩放的不变性,并可以适应在不同角度下摄像机所拍摄的要求。     

基于数字图像的道路平面线形恢复的研究

在老路改造过程中,需要道路的平面线形资料。基于对数字图像平面图像特性以及噪声分布规律的特点进行分析,运用特征空间聚类法对图像目标区域进行图像分割,提出了一种基于递归循环思想的噪声筛选算法对目标图像进行再处理,达到剔除噪声的效果。对道路的边线进行了标定及距离的测量,配合GPS设备在实践中进行了应用。实践证明方法在满足准确性的同时,也提高了运算的效率。     

基于形状模板匹配的交通标志污损检测方法研究

本文通过一种改进的基于RGB空间的颜色增强算法变换RGB空间颜色值并分割图像,锁定道路两边的图像信息并利用其特有的几何形状检测并定位交通标志,提取其内部图形,建立基于边缘梯度特征的交通标志匹配和污损识别算法模型。该算法利用少量样本快速创建不同尺度和角度下的模板,解决了基于机器学习方法下需要大量样本并训练时间过长的问题,同时基于梯度特征进行匹配,解决了基于灰度的模板匹配对光照变化过于敏感的问题。最后,通过采集了大量图像数据,并研发基于服务端和移动端的原型系统进行模型算法的验证,实例实验表明,本文提出的算法具有较高的识别准确率和匹配效率,检测准确率可达到83%,且能满足基于移动端的应用需要。     

基于计算机视觉的停车位车辆存在性检测方法

为了提高停车场的车位利用率,有效地管理停车场,提出了1种基于计算机视觉的车位检测方法.与传统的视频检测方法不同,该方法在停车位上绘制了特定的辅助识别图案,图案具有各向同质性的特征,在大部分光照、阴影的影响下具备图案特征不变性,且与一般车辆上绘制的图案有显著差别,在此基础上采用图像检测算法对图案进行数学解析描述,作为检测目标,同时采用图像识别算法,逐行扫描各个像素,利用模式匹配判断停车位状态.通过选取停车场的2个车位进行实例验证,准确率为98.12%.结果表明该方法识别速度快、准确率高,具有很好的应用前景.      

基于快速DIC与正则化平滑技术的结构形变测试

传统的有接触结构形变测试存在现场操作困难、多点测试不便、测试成本高等问题，难以应对工程结构形变测试中较为复杂的应用场景。为实现无需人造靶标、可远距离测试且具有较高测试精度的非接触无靶标形变测试，针对采集的结构形变视频图像，引入数字图像相关（Digital Image Correlation，DIC）技术，采用基于Fourier变换的互相关整像素匹配算法与反向组合高斯-牛顿迭代亚像素匹配算法，利用英伟达公司的CUDA并行计算平台，实现结构多点动位移时程的快速测试；基于有限元应变计算与正则化平滑理论，采用位移场后处理方式实现结构连续与非连续应变场的计算。对DIC匹配算法的精度及运算速度、应变算法处理连续与非连续位移场的性能进行对比分析；对超高性能混凝土墩柱抗冲击试验及拱桥吊杆振动试验视频数据进行处理，得到多点位移（频率）测试结果，并与传统测试方法进行对比分析；对砂体抗拔试验及混凝土梁抗弯试验视频进行处理，以云图方式展现位移场与应变场的分布，并与基于逐点最小二乘法的应变测试结果进行对比。研究结果表明：基于快速DIC与正则化平滑技术的非接触结构形变测试方法在结构多点变形、位移频谱及应变场，特别是非连续应变场的测试中得到了较理想结果，具有一定的工程应用价值。     

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。     

基于中介理论的车道线识别方法研究

以中介真值程度的数值化度量为基础,利用单个像素点的真值度,设计了新的图像去噪滤波算法。与经典算法相比,新算法具有较好的视觉效果。通过研究道路图像车道线的特点,采用中介距离比率函数来衡量像素点间相似程度,并设计了相应的图像边缘检测算法。与传统的道路图像边缘检测算法相比,新方法边缘增强效果显著。最后,基于道路直线模型,采用Hough变换实现了车道线的识别。     

基于单目视觉的路面车辆检测及跟踪方法综述

首先介绍了车辆检测算法的3种基本组成部分：检测、验证、跟踪，然后根据算法的组成重点介绍了车辆检测以及跟踪的几种主要算法。车辆检测算法包括基于特征的方法、基于光流场的方法和基于模型的方法，车辆跟踪算法包括基于区域相关的方法、基于活动轮廓的方法、基于特征的方法和MeanShifi快速跟踪算法。根据试验结果对各种车辆检测和跟踪方法的优点、缺点以及实际应用中不同情况下适用范围的局限性进行了综合分析。最后在结论部分总结展望了文中介绍的几种车辆检测和跟踪方法的应用前景，并提出了在实际应用时的一些建议和将来的主要研究和发展方向。     

交通视频背景估计动态高斯混合模型

为适应交通环境多变情况下实时交通信息动态采集的要求,提出了1种基于单高斯分布假设、图像分块处理、利用帧差法进行样本选取的动态混合模型对交通信息的图像背景进行快速估计,并在实际道路环境下对多种方法进行实验比较,证明该模型有效地削弱了运动物体和噪声对于背景估计的影响,具有较好的正确性和有效性.     

MEAN SHIFT尺寸链在某车型尾灯优化中的应用

尾灯板的结构形式直接影响尾灯匹配,为了减少尾灯定位孔尺寸链,文章提出了一种考虑MEANSHIFT的尺寸链分析方法,在设计前期对尾灯板结构进行优化。以某车型尾灯板结构优化为例,通过尾灯安装定位孔位置分析出该设计存在的风险,针对风险,提出调整定位孔位置的解决办法,使新结构尾灯孔偏差低于原结构,通过现场验证,证明该方法可行。     

MEANSHIFT尺寸链在某车型尾灯优化中的应用

尾灯板的结构形式直接影响尾灯匹配,为了减少尾灯定位孔尺寸链,文章提出了一种考虑MEANSHIFT、的尺寸链分析方法,在设计前期对尾灯板结构进行优化。以某车型尾灯板结构优化为例,通过尾灯安装定位孔位置分析出该设计存在的风险,针对风险,提出调整定位孔位置的解决办法,使新结构尾灯孔偏差低于原结构,通过现场验证,证明该方法可行     

视频车辆检测技术中的阈值分割算法研究

为了提高视频交通检测交通流参数提取的精度,研究了视频交通检测技术．中的阈值分割算法;文中使用分形维数法、双峰法、迭代法和大津法研究了获取图像的阈值分割方法使得车辆和背景分离。结果表明,分形维数法处理时间较长;迭代法编写程序较复杂,且运算时间长;由于双峰法对满足一定要求的图像处理效果较好,而试验证明双峰法不适用与车辆视频图像处理。大津法分割后得到的二值图像中仍然存在车辆内部存在黑色像素点的问题,但其效果图中车辆与背景的分离情况较好。所以课题中选取大津法作为视频车辆检测中闽值分割的最终处理算法。     

视觉检测在车辆尺寸测量上的应用

设计了一套非接触在线检测系统,该系统基于近景摄影测量原理,与传统测量方法相比,它可以快速地对目标车辆的长宽尺寸进行非接触检测。利用图像处理的方法,对几种边缘提取算法进行比较,提取图像的边缘,计算其尺寸,再将图像尺寸转换为实际尺寸。指出这一算法可以应用到检测线模糊车型的区分等领域,具备一定的应用前景。