基于内河单幅图像的去雾算法研究

图像景深和天空亮度值的求取是图像复原方法去雾的核心问题,但目前的去雾算法都是基于一定的假设条件来求取这2个值的,对于色彩单调、天空区域较大的内河图像去雾效果不理想。通过对内河航道视频图像的研究,提出将直方图多峰均值法和位平面分解法相结合的方式来求得天空亮度值并分割天空区域;采用分区域的景深计算方法求得图像任意一点的景深值。然后基于大气散射模型,完成内河雾天单幅图像的去雾处理。为了客观评价去雾后图像的质量,从图像的可见边数目比、平均梯度比和图像熵值三方面进行了去雾效果的比较。实验证明,该算法对内河航道图像有良好的去雾效果。      

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。     

一种基于车道线检测获取道路能见度方法

针对能见度低环境下驾驶不安全的问题,提出一种基于车道线检测获取道路能见度方法。首先在原始图像底部区域利用hough变换进行直线拟合获得车道线,然后利用区域生长法获得雾天道路与天空的分界线,通过坐标转换获得车道线的消失点以及道路与天空分界线在实际车道中的位置,最后结合能见度模型,实时进行能见度值的计算。使用该方法进行能见度值的获取可以作为低能见度预警系统的基础和前提,该方法对于智能辅助驾驶等领域具有重要的实际应用价值。     

改进K-means算法在混凝土裂缝图像去噪中的应用

在复杂裂缝情况下，传统裂缝图像去噪技术很难达到理想的降噪效果，且在所提取的图像中裂缝通常表现出畸形、间断或者填充不密实的现象。针对这些问题，提出了一种基于改进初始聚类中心的K-means混合降噪方法：首先利用改进K-means聚类算法对原始RGB图像中裂缝进行预提取；然后设置阈值进行图像灰度二值化操作；最后采用腐蚀膨胀的方法对裂缝区域和形态进行改善。试验结果表明，该方法在降低图像存储大小的同时有效去除了噪声，加快了裂缝形态的提取速度，保证了裂缝形态的真实性和完整性，能够批量化处理大量混凝土裂缝图像。     

基于改进k-均值算法的轻型车尾气排放数据聚类方法

在轻型车尾气排放试验中产生的大量试验数据常常具有不同属性,需要对其进行聚类分析。因此,提出了改进的k-均值算法。基于高密度方法有效地消除了孤立点的影响;采用最远点方法,摆脱了k-均值算法只能处理球状类数据和受中心初始位置控制的限制;得到最佳簇数k值,解决了直接给定k值时,因k值不恰当而导致聚类结果较差的问题。试验结果表明,改进算法比原始k-均值算法在聚类的准确率方面具有更好的效果,能够较好评估车辆排放水平。     

道路交通科学技术 2014年 第5期 内容简介

<正>基于Reti nex原理消除交通视频图像中雾影响的方法雾天由于视野不清晰,驾驶人对路况掌握不清楚。交通事故的发生概率明显高于正常天气.给交通安全造成了巨大的隐患从近年来高速公路多车相撞的事故原因看,团雾是其中一个重要方面。为增强雾天交通视频的监控效果,进一步增强交通安全控制和交通信息研判效果,消除交通视频困像中的雾影响成为研究的热点。本文介绍基于Retinae方法消除交     

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%。     

沥青混合料CT扫描切片图像分割算法研究

为科学地利用工业CT扫描的沥青混合料断面图像,通过比较图像分割学科的阈值法及模式识别领域的混合高斯模型及模糊C均值聚类三种方法,采取一系列二分类的策略较好地将二维切片图像区分为几类物质,并实现了自动批处理大量图片的过程,最后采用马歇尔试件进行了验证。     

基于实例分割的车道线检测算法

为实现在自动驾驶复杂场景下检测数量变化的车道线，提出一种基于实例分割的车道线检测算法。首先以ResNet18网络作为主干网络提取图像特征，采用特征金字塔网络进行特征融合。同时设计一种扩张卷积残差模块来提高检测的精度；然后基于车道线的位置进行实例分割，利用语义分割出的车道线点位置预测对应的聚类点位置，通过对聚类点采用DBSCAN聚类算法实现车道线实例区分。结果表明，该算法能够在复杂的自动驾驶场景下有效地进行多车道线检测，在CULane数据集和TuSimple数据集上的调和平均值分别达到75.2%和97.0%。