基于灰度形态学的车牌定位算法

根据车牌图像的统计特征,计算形态学滤波器的结构元素,进行图像背景估计;利用闭-开运算,处理残差图像;采用自动搜索种子区域填充算法,得到各个区域;根据区域的几何特征,判断是否为车牌区域;通过对二值化的车牌采用K-means聚类拟合直线方法进行倾斜校正,得到最终的车牌.实验结果表明:该算法简单、迅速,定位准确率高,为后继字符分割和识别奠定了基础.通过对120幅图像定位实验,总有效定位率为96.7%.用Matlab7.0实验时,每张车牌平均定位时间为2.438s,而用VC++实现时,平均定位时间仅为0.139s.     

基于引导滤波和积分投影算法的轨道扣件定位

精确定位是实现轨道扣件缺陷计算机自动检测的基础,为此提出了一种改进引导滤波去噪和灰度积分投影结合模板匹配算法的轨道扣件定位方法.首先,通过具有良好边缘保持能力的改进引导滤波算法对轨道扣件图像进行去噪;其次,利用改进Canny算法在Opencv平台对扣件图像进行边缘检测,实现轨道扣件图像边缘检测的自适应性;再次,采用灰度积分投影算法结合先验知识粗定位扣件区域;最后,通过模板匹配算法精确定位轨道扣件.仿真实验表明:所采用的算法具有较好的定位能力,可以准确地定位轨道扣件区域,为进一步的扣件识别提供了可靠的基础.     

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.     

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.      

复杂背景图像中圆检测的新算法

如何在复杂背景图像中确定圆的存在,并将其准确定位,具有广泛的工程应用价值.本文通过对大量圆定位算法的研究,提出了一种利用圆形性特征在复杂背景图像中进行圆检测的新算法.经实验证明,此算法实现了复杂背景图像中圆形炮管的自动定位与分割,对于发生形变的图像,此算法仍具有较好的位移、旋转和伸缩不变性,可应用于工程中的圆检测.     

用于检测疲劳驾驶的自适应脸部定位方法

针对疲劳驾驶视觉检测技术中驾驶员脸部定位快速性与准确性难以同时满足的情况,提出了一种将肤色和面部几何特征相结合的自适应脸部定位方法。该方法对YCbCr空间肤色相似度和传统Otsu闾值分割算法进行改进,降低了计算复杂度,采用新的区域连通和区域标记算法定位出脸部位置。最后,根据人脸几何特征对脸部区域做进一步确认：试验结果表明,该方法能对驾驶员图像脸部进行快速、准确定位。     

基于组合前景提取的混合交通两轮车辆视频检测

针对混合交通流中两轮车辆视频检测问题,提出一种基于混合高斯模型（GMM）与背景累加模型（BAM）的组合前景提取方法,该方法将GMM与BAM组合得到的2 种前景图像分别经过滤波和形态学的膨胀操作处理,然后进行“与”操作,过滤掉高斯前景中的大量噪声,提取出感兴趣前景区域.针对两轮车辆的轮廓边缘特征,采用Canny 边缘检测提取边缘信息,去除前景区域中的非目标区域,采用两轮车辆的自建模板,通过欧氏距离进行模板匹配,定位并标记感兴趣区域中的目标区域.在OpenCV 和Matlab7.1 实验测试平台上,对典型城市混合交通路段的交通流视频进行测试.结果表明,该方法对混合交通流中两轮车辆的识别检测具有较高的准确率.     

基于主动学习AdaBoost算法与颜色特征的车牌定位

人工选取少量的车牌区域和非车牌区域,采用积分图法快速提取Haar-like扩展特征,构成初始训练样本.使用AdaBoost算法训练样本产生一个初始分类器,经过主动学习过程,产生一个用于车牌检测的强分类器.利用Cascade结构检测法进行车牌的粗定位,通过提取边缘颜色对,对候选区域进行验证,实现车牌区域的精确定位.对不同光照条件及车牌污损等复杂情况下的车牌图像进行了定位测试.测试结果表明:车牌的粗定位率和精确定位率分别为98.3％、97.1％,平均定位时间小于0.1s,因此,该方法有较好的车牌定位效果和定位准确率.     

基于循环结构的脆弱型数字水印算法

为提高水印的篡改定位能力,提出了一种基于循环结构的脆弱型数字水印算法.该算法首先将图像进行分块,利用Logistic映射调制图像块生成水印,然后利用猫映射构造循环结构,建立图像块之间一一对应的循环关系,并将块水印嵌入到对应图像块的最低有效位(LSBs)中.实验结果显示,所提出的算法不仅能准确定位,而且可以有效地抵抗统计攻击和矢量量化攻击.     

分形维-最大熵阈值的弱边缘工业CT图像分割算法

含有弱边缘的工业CT图像在分割时易产生过分割现象,对此提出了一种分形维定位和最大熵阈值分割的图像分割算法.首先,采用中值滤波和高斯平滑对图像进行预处理;其次,对预处理后的图像进行分块,并求取每个分块的分形维;再次,根据背景和缺陷处分形维的差异对缺陷进行粗定位,并根据连通域分析精确定位缺陷区域;最后,利用最大熵阈值法对精确定位后的局部区域进行分割.仿真实验表明:所提算法具有良好的分割能力,可以准确地分割出含有弱边缘的缺陷目标,并有效排除轮廓背景对分割的干扰,避免了过分割.     

Underwater digital terrain model with GPS-aided high-resolution profile-scan sonar images

The whole procedures of underwater digital terrain model (DTM) were presented by building with the global positioning system (GPS) aided high-resolution profile-scan sonar images. The algorithm regards the digital image scanned in a cycle as the raw data. First the label rings are detected with the improved Hough transform (HT) method and followed by curve-fitting for accurate location; then the most probable window for each ping is detected with weighted neighborhood gray-level co-occurrence matrix; and finally the DTM is built by integrating the GPS data with sonar data for 3D visualization. The case of an underwater trench for immersed tube road tunnel is illustrated.     

基于光束法双像解析的森林火点定位技术

利用摄像机获取森林区域立体影像,以三维电子罗盘仪测定摄影瞬间摄影机三维姿态角作为初始值,应用光束法双像解析确定森林火点三维坐标.经过实验验证,火点定位精度能达到100 m以内,能满足森林防火对火点定位精度的要求.该方法无需已知点作为控制点,定位精度主要与同名像点视差精度、摄影基线长度、交向角及摄影距离等因素有关.坐标定位误差随着摄影距离增加而增加,沿摄影方向误差明显大于其他两个方向;随着摄影基线长度的增加,火点定位精度有所提高,交向角对火点定位精度的影响不明显.摄站选择时,摄影基线长度一般为30~200 m,应保证左、右影像重叠度在60%~80%及影像能正常匹配.      

低可见度环境下基于同步定位与构图的无人驾驶汽车定位算法

为在大范围低可见度环境下实现无人驾驶汽车的高精度定位，基于VINS-Mono算法的系统框架，在系统的前端与后端分别增添了RFAST弱光图像增强模块与VG融合定位模块，提出了一种融合定位算法LVG_SLAM; RFAST弱光图像增强模块采用小波变换将原始输入图像的细节信息与亮度信息分离，对于包含原始图像噪声的细节信息通过统一阈值和均值滤波2种方式实现噪声抑制，并利用双边纹理滤波算法进行细节增强，在此基础上，根据多尺度Retinex算法增强图像的对比度，提高低可见度环境下角点提取的成功率，从而保证图像跟踪的稳定性，改善定位算法的鲁棒性; 基于无迹卡尔曼滤波算法，VG融合定位模块将GNSS定位信息与惯性导航测量信息进行松耦合，融合定位结果作为约束引入VI-SLAM后端，通过联合非线性优化的方式减少累积误差对算法定位精度的影响。计算结果表明:相较于VINS-Mono算法，改进的LVG_SLAM融合定位算法在EuRoC与Kitti公开数据集上表现更加出色，均方根误差分别降低了38.76%与58.39%，运动轨迹更贴近真实轨迹; 在实际夜晚道路场景下，LVG_SLAM算法将定位误差控制在一定范围内，顺利检测到闭环使得定位表现得到大幅改善，均方根误差、平均误差、最大误差、中位数误差分别降低了79.61%、82.50%、71.31%、83.77%，与VINS-Mono算法相比，在定位精度与鲁棒性方面具有明显的优势。      

改进的遗传算法在Canny算子阈值选取中的应用

Canny算子因其信噪比高、定位准确以及单边响应的优势,常常用于图像的边缘检测,而双阈值检测中阈值的选取会影响图像边缘提取的效果,为了获得边缘检测的最佳阈值,引入了一种改进的遗传算法.该方法从遗传算子和操作策略两个方面对基本遗传算法作出改进,重点设计了种群进化的适应度函数,使用该方法确定图像边缘连接的最佳阈值,以获得图像的边缘检测效果图.仿真结果表明:采用改进的遗传算法确定的阈值所得到的图像,边缘细节丰富,定位准确.     

数字化测绘技术在公路设计中的应用

数字化测绘技术是依托于智能化测量仪器兴起的一门测绘技术.数字化测绘技术涉及到的全球定位系统、地理信息系统以及遥感系统的发展,对于公路设计中有关测绘的方法和手段产生了深刻的影响.公路设计测绘技术正朝着数字化、实时化采集和处理测量数据的方向发展.通过介绍数字化测绘技术及其特点,重点是GPS技术和激光跟踪仪技术,分析了数字化测绘技术在公路设计中的运用.     

数字图像安全技术研究进展

随着数字技术和因特网的飞速发展,图像数据的安全性越来越受到社会的普遍重视.全面分析了数字图像安全需求以及为达到各安全需求的各种安全措施,重点对数字图像加密以及数字图像水印技术的研究现状以发展进行了分析,并对存在的问题以及该领域未来可能的研究方向和研究重点进行了展望.     

Vehicle Ego-Localization Based on Streetscape Image Database Under Blind Area of Global Positioning System

Vehicle positioning is critical for inter-vehicle communication, navigation, vehicle monitoring and tracking. They are regarded as the core technology ensuring safety in everyday-driving. This paper proposes an enhanced vehicle ego-localization method based on streetscape image database. It is most useful in the global positioning system(GPS) blind area. Firstly, a database is built by collecting streetscape images, extracting dominant color feature and detecting speeded up robust feature(SURF) points. Secondly, an image that the vehicle shoots at one point is analyzed to find a matching image in the database by dynamic programming(DP)matching. According to the image similarity, several images with higher probabilities are selected to realize coarse positioning. Finally, different weights are set to the coordinates of the shooting location with the maximum similarity and its 8 neighborhoods according to the number of matching points, and then interpolating calculation is applied to complete accurate positioning. Experimental results show that the accuracy of this study is less than 1.5 m and its running time is about 3.6 s. These are basically in line with the practical need. The described system has an advantage of low cost, high reliability and strong resistance to signal interference, so it has a better practical value as compared with visual odometry(VO) and radio frequency identification(RFID) based approach for vehicle positioning in the case of GPS not working.     

车牌识别技术实现方法初探

现代智能交通系统把计算机视觉和模式识别技术应用到车牌识别技术领域中,车牌识别是指对已知车辆数字图像进行预处理、车牌定位、字符分割、字符识别的过程。车牌识别系统中的关键技术在于车牌区域定位技术和字符分割与字符识别技术,探讨了车牌识别过程中的常用方法。     

Application of digital image correlation method to in-situ dynamic strain measurement

Application of digital image correlation (DIC) method to determination of in-situ dynamic strain is presented in this study. Firstly, an integrative software is programmed based on the DIC algorithms and point-wise least-squares fitting technique. Then, simulated speckle images are generated to study the computational accuracy of this software. The experimental setup and procedures for measuring in-situ dynamic strain through both DIC and strain gauge are proposed. The DIC results are close to those measured by strain gauge. This fact reveals that DIC is a practical and effective tool for in-situ dynamic strain measurement. Finally, the full-field in-situ dynamic strain of another specimen is measured by DIC, and the overall distribution of the strain in the measurement area is clearly shown.