基于计算机视觉的驾驶员转向操作实时监测研究

为实时监控驾驶员操纵转向盘的状态，构建了基于机器视觉汽车转向盘实时监控系统，并运用阈值分割和边缘检测方法对转向盘图像中感兴趣区域进行了图像分割，提出了转向盘转角的计算公式。试验结果表明，感兴趣区域图像分割与转向盘转角监测方法有效。     

道路标线图像分割方法研究

采用最佳阈值法、最大类间方差法、最小误差法分别对多幅典型的破损道路标线图像进行分割,通过分析对比确定用最小误差法分割道路标线图像效果较好.但是采用最小误差法分割道路标线存在无法正确分割出细节的缺陷,为改善图像的分割效果,进一步探讨并决定采用基于最小误差的动态阈值法对道路标线图像进行分割.通过对比全局阈值法和动态阈值法的优缺点,并结合两者的优点,提出了动态阈值结合全局阈值的方法分割道路标线图像,取得较好的效果.     

基于遗传算法的视频交通量检测图像分割方法

将遗传算法应用于交通量视频检测图像分割中，在Otsu法的基础上，采用多次迭代以获得最优分割阈值，能够在搜索空间内找到全局的最优分割阈值，从而能更有效地把背景和目标分割开来；由于在寻求最优解的过程中采用并行计算，其运算速度优于Otsu法，满足了交通量检测的实时性要求。     

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。     

基于3D视觉的机械臂无规则零件抓取系统

为解决机械臂抓取零件定位不准或抓取精度不高的问题，提出了一种基于3D视觉机械臂无规则零件抓取方法，该方法主要包括系统空间标定、零件点云定位分割、零件位姿估计算法模块，提出了基于2D图像的点云相机外参标定方法及基于图像语义分割的零件点云分割方法。经试验验证，所提出的标定方法达到1 mm的系统精度误差，而且求解效率高、通用性强；与常用的聚类分割相比，零件点云分割方法精度及效率更高。所设计的二阶段零件空间位姿计算方法能准确估计零件在空间中的6自由度位姿，相比单一阶段匹配方法精度提高约1.8倍。所提出的基于3D视觉的机械臂无规则零件抓取系统精度高、可扩展性强、适应情形广。     

基于MRF纹理分割的车辆目标提取技术研究

图像分割是计算机视觉中的关键技术之一。基于马尔科夫随机场（Markov Random Field,MRF）纹理分割的方法是一种基于统计的分割方法,具有能充分利用先验知识、能形成闭合的边界、模型参数少且易于和其他方法相结合等优点。该方法首先利用纹理特征将图像划分为若干不同的纹理区域,然后以此为先验信息,得到分割结果。文中介绍了基于MRF纹理分割的一般理论与图像的关系,评述了其在车辆目标提取中应用的优势,展望了其发展方向。     

基于模糊理论的路面裂缝图像增强方法

在获取路面图像中，由于背景光照不均匀以及存在着一些路面噪声，给后来的图像分割及识别带来了一些困难。提出了一种基于模糊理论的图像增强方法，用来消除背景光照不均匀，并通过实验验证了该算法。实验结果证明了该算法对消除图像不均匀的有效性。     

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。     

快速高维均值平移算法及其在航空图像分割中的应用

随着军事伪装技术的广泛应用,如何有效提取与背景色彩接近的目标是提高航空图像目标识别能力的关键。针对背景色彩接近目标的航空图像分割问题,应用一种基于快速高维均值平移的图像分割方法对航拍图像进行处理。在包含有空间,色彩和纹理的高维特征空间中对图像进行均值平移滤波,再通过聚类方法分割图像。同时,针对特征空间维数增大带来的大计算量问题,对均值平移算法进行了改进,给出了一种基于均值平移向量预测的快速算法。实验结果表明,算法用于航拍图像分割,分割效果和运算速度均优于标准算法。     

基于分形小波理论的纹理分割研究

为了更有效地描述图像纹理特性,在深入研究现阶段各种纹理分割方法的基础上,提出了基于分形小波维数的纹理分割方法.该方法通过提取分形小波维数,将分形的方法和小波理论结合,提取了图像的分形特征参数,然后利用分形小波维数进行图像分割,并用实验证明该方法的有效性及实用价值.     

车牌识别算法的研究与实现

介绍一种基于KL变换的车牌识别算法。算法主要由车牌分割和车牌字符识别组成。车牌分割算法利用车牌的纹理特征和形状特征来定位车牌，并采用投影的方法和先验知识实现车牌的倾斜校正和字符切分；车牌字符识别算法采用一种最优变换，KL变换来提取字符图像的特征值和特征向量，并通过计算待识别字符与各样本字符特征值的欧氏距离来实现对该字符的分类。试验结果表明此方法是正确的。     

基于边界点分布特征的夜间道路检测算法研究

提出一种在结构化道路情况下的夜间道路标志线检测算法。选择邻域均值滤波、Sobel算子和最大熵分割算法对道路图像进行预处理。结合道路灰度图像与道路边界图像,分析夜间道路边界点的分布特征,将道路边界点划分为到4个点集。针对虚假道路边界点,应用多方向搜索方法予以消除。选用2D的直线模型,采用改进的Hough变换从预处理后的图像中获取道路几何特征参数,最终检测出道路边界。试验结果表明本算法可靠、有效,户外试验中具有很好的鲁棒性。     

基于改进U型神经网络的路面裂缝检测方法

针对传统的裂缝分割算法难以识别狭窄裂缝且分割边缘不精准，从而造成识别精度较低的问题，研究了基于改进U型神经网络（Unet）的路面裂缝检测方法。由于传统Unet特征提取网络是层次较浅的浅层神经网络，难以提取更复杂的裂缝特征信息，故本文以牛津大学视觉几何组网络（VGG16）作为传统Unet的特征提取网络，提高网络的裂缝特征提取能力；为抑制高低阶特征融合时产生的无用特征，本文在模型解码部分添加压缩与激励单元（SE block），构建裂缝注意力单元，使得网络可以关注不同通道下的裂缝特征，建立了基于SE block和VGG16的改进Unet网络（SE-VUnet）。研究采用迁移学习的方法，将在ImageNet上预训练好的VGG16网络权重迁移到裂缝检测中。通过挑选Crack500数据集，并使用摄像头采集图片构建1 600张路面裂缝数据集，再次训练SE-VUnet模型，获得裂缝区域分割结果。以查准率（precision）与查全率（recall）的加权调和平均值F1和雅卡尔（Jaccard）相似系数作为量化评价指标。将SE-VUnet分别与Unet、SOLO v2、Mask R-CNN以及Deeplabv3+进行分割效果和实时性对比。研究结果表明:SE-VUnet模型的综合F1和雅卡尔系数分别为0.840 3和0.722 1，相比于Unet分别高出了1.04%和1.51%，且均高于其他3种对比模型；SE-VUnet的单帧图片预测时间为89 ms，在分割效果提升明显的情况下仅比Unet慢5 ms，优于其他模型。      

基于计算机扫描技术的沥青混合料集料质量均匀性评价

运用 CT（Computer Technology）获得沥青混合料的内部微观结构已成为现阶段研究热点之一,但是现阶段结合沥青混合料的 CT扫描断面图具有的特点进行数字图像系统处理的研究相对较少,而且将其用于区分内部材质的技术目前比较粗糙,无法有效将数字图像处理和混合料无损检测技术结合起来。基于混合高斯模型（GMM）E M算法的基础上,对沥青混合料的集料特性进行分割,进而对细观结构的质量均匀性分析进行判断,最后通过试验深层次探索内部体积组成结构情况。研究结果表明本文采用的混合高斯模型能较好的对 CT扫描断层图片进行处理,通过扇形扫描方法可对沥青混合料集料的分布情况进行判断,进而通过对集料颗粒的面积比进行统计分析,进而评价沥青混合料的集料分布均匀性,本文研究结果可为沥青混合料微观领域研究提供借鉴和参考意义。     

基于彩色图像车牌分割研究

智能运输系统中车牌识别技术得到了广泛应用,车牌分割是车牌识别的重要部分。基于彩色图像车牌分割与采用灰度图像车牌分割相比,可以有效消除阴影影响,同时车牌颜色也是车牌识别的一个参数。颜色分类处理使用特征函数,可以减少颜色坐标转换运算,提高颜色分类速度。文中详细讨论中国车牌特征,给出车牌分割详细步骤。车牌区域判别采用信息融合技术。车牌倾斜矫正结合车牌倾斜特点,提出快速算法。     

多帧速度场估计方法及在交通视频监测中的应用

基于速度场的运动估计方法是进行运动物体分割的有效途径,提出了一种视频图像处理中基于多帧速度场的运动物体分割方法,针对简单速度场运动物体分割方法的不足,提出对多帧速度场图像提取的运动物体信息相融合的方法。试验结果证明:用此方法提取的运动物体核心点更完备,提高了运动物体分割的准确性。该方法在智能交通、视频监控系统中都有广泛应用。     

汽车整车尺寸机器视觉测量系统的研究

使用彩色图像的彩色分割技术,开发了一套基于机器视觉的汽车整车尺寸测量系统。论述了该系统组成、测量原理及方法,针对复杂背景的彩色图像,提出利用初始轮廓线逐渐逼近最佳图像边缘,让图像轮廓的整体信息参与分类过程,有效地克服了噪声影响,同时又不损失图像的边缘信息,提高了图像边缘的检测精度和分割的质量。试验结果表明,该系统可以实现汽车整车尺寸的自动、快速、准确测量。     

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。     

基于主元分析的车牌图像倾斜校正新方法

为解决机动车牌图像倾斜将对其字符分割与识别带来不利的影响,提出一种基于主元分析(PCA)的车牌图像倾斜校正新方法。在该方法中,PCA被用于求取坐标变换矩阵以进行图像旋转修正。将原始的像素坐标矩阵经过中心化后转换为2维协方差矩阵,再奇值分解为能反映图像倾斜方向的2维对角矩阵和坐标变换矩阵。算法的时间复杂度分析与试验结果均表明:相对于Hough等搜索倾角的校正方法,PCA方法缩短了计算时间1￣2个数量级,并且在污迹、光照不均等条件下也能获得较好效果。