基于视觉注意机制 PCNN 模型的车牌 图像分割方法

车辆图像中车牌具有所占比例小、位置不固定、大小不一,以及分割易受光照影 响的特点.因此,车牌图像的分割始终是车辆跟踪、车辆识别等领域中的难点问题.针对以 上问题,本文提出了基于视觉注意机制脉冲耦合神经网络模型的车牌图像分割方法.该方 法将视觉注意机制中的数据驱动模式和任务驱动模式相结合. 数据驱动模式中,通过对 PCNN 模型细胞感受野功能的完善,使优化 PCNN 模型具有了尺度性和方向性.任务驱 动模式中,针对不同尺度的分割,利用组合不变矩和局部灰度熵,自适应地确定目标的特 征尺度和最佳尺度,并确定该目标最终的分割结果.经实验验证,该方法对车牌图像具有 较好的分割效果.     

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.      

基于PCNN与形态学的坑洞图像边缘提取

对坑洞图像边缘提取进行了研究,改进了脉冲耦合神经网络模型,提出了一种PCNN和形态学相结合的边缘提取方法。对基本PCNN模型进行优化,简化了原模型参数,并改进了原模型的线性输入项和脉冲输出计算方法。在图像边缘提取过程中,先对图像进行增强,在一定程度上消除坑洞周围环境对坑洞边缘的影响,再利用改进的PCNN模型和形态学的膨胀腐蚀特性对其进行边缘提取。实验结果表明:该方法对路面坑洞图像的边缘提取比传统边缘提取算法更为有效,抗干扰能力强,能有效地抑制路面环境对坑洞边缘的影响,所提取到的边缘更加清晰、可用。     

基于球面图像的三角网格模型分割

为了从局部形状的角度实现对三角网格模型的管理和重用,提出了一种基于球面图像的三角网格模型分割方法.通过球面参数化及球面划分,将三角网格模型的表面属性信息映射到球面图像中;利用成熟的区域生长、区域合并图像分割算法对球面图像进行分割;将球面图像的分割结果转换为三角网格模型的分割结果.实验结果表明:该分割方法可以对不均匀的低分辨率三角网格模型进行有效分割,降低了几何属性估算对分割结果的影响,不会发生过分割现象,不需要进行分割的后续处理.     

基于序列图像运动分割的车辆边界轮廓提取算法

为了准确获得图像感兴趣区中运动车辆的形状特征,提出了一种新的车辆边界轮廓提取算法.利用连续3帧图像,对包含同一运动车辆的图像感兴趣区进行光流场分割,以获取目标运动区域,通过平移运动区域的左、右边界获得正确的车辆区域及其封闭边界轮廓,通过放大运动矢量计算公式的阈值来提高其运行效率.试验结果表明:该算法可从具有复杂自然场景的图像序列中检测出完整的运动车辆边界轮廓,检测正确率在95%以上.     

利用MAS实现车辆动态识别与智能跟踪

针对视频图像车辆智能跟踪问题,提出了利用帧间差异积累动态矩阵进行自适应背景建模算法,采用背景差提取运动目标区域,设计了一种基于知识的多Agent智能系统进行目标分割、轮廓提取和空域滤波,增强了抗背景干扰能力,使获得的目标区域具有更好的空域连通特性;通过自适应核窗宽改进了MeanShift算法的收敛速度,利用SSD算法实现了快速初始定位。实验结果表明,该方法自治能力强,跟踪目标快速准确,实时有效。     

复杂背景下多目标图像分割方法研究

真实路况中的运动车辆图像进行图像分割时,图像中往往存在多个车辆车牌信息,且这些车牌信息具有尺度不一,位置随机等特点,加之光照及复杂背景的影响,如何兼顾多个车辆车牌的分割效果是车辆检测和跟踪领域亟待解决的问题.为了解决这类工程应用中的问题,需要在尺度空间下对多目标图像进行分析.因本文在前期多尺度分割模型的基础上引入视觉注意机制,利用不变性特征实现多目标的定位及最优分割尺度的选取.经大量实验测试结果表明,该算法较好地实现了图像中多个车牌图像的分割并且具有较好的分割效果.     

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。      

混合交通流视频检测中区域选择更新混合高斯背景模型研究

混合交通是我国交通的主要特征，利用视频检测技术可以获取混合交通流参数，实现混合交通的有效管制，由于检测过程中天气、光线等环境变化，实时有效的自适应背景提取模型尤其重要。本文在混合高斯模型的基础上，根据运动分割与Kalman运动跟踪，结合象素的时间与空间特性，提出区域选择更新混合高斯模型来抽取背景，克服了交通控制信号或交通阻塞等造成的长时间停车，以及高峰期大量运动物体长期充满当前图像等情况对背景抽取造成的影响，该模型通过对交叉口和路段视频进行背景提取，实验效果良好，证明了本方法具有较强的鲁椿性和自适应性。     

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.     

Saliency motivated pulse coupled neural network for underwater laser image segmentation

The detection range of underwater laser imaging technology achieves 4—6 times of detection range of conventional camera in intervening water medium, which makes it very promising in oceanic research, deep sea exploration and robotic works. However, the special features in underwater laser images, such as speckle noise and non-uniform illumination, bring great difficulty for image segmentation. In this paper, a novel saliency motivated pulse coupled neural network(SM-PCNN) is proposed for underwater laser image segmentation. The pixel saliency is used as external stimulus of neurons. For improvement of convergence speed to optimal segmentation, a gradient descent method based on maximum two-dimensional Renyi entropy criterion is utilized to determine the dynamic threshold. On the basis of region contrast in each iteration step, the real object regions are effectively distinguished,and the robustness against speckle noise and non-uniform illumination is improved by region selection. The proposed method is compared with four other state-of-the-art methods which are watershed, fuzzy C-means, meanshift and normalized cut methods. Experimental results demonstrate the superiority of our proposed method to allow more accurate segmentation and higher robustness.     

基于云模糊理论的图像纹理分割

为了处理图像纹理的模糊性和随机性,基于云模糊理论提出了纹理特征矢量云模型,并成功地应用于纹理图像分割.该方法在对纹理统计描述符模糊化处理后,逆向生成纹理特征矢量云.矢量云模型的数字特征能够很好地表达纹理的模糊性和随机性,据此通过云距离计算及纹理特征矢量云生长,完成对图像纹理的分割.实验结果表明,该方法较经典的ISODATA算法和K-means簇算法的分割精度高,并且迭代收敛速度快.     

图像分块下的隧道裂缝识别方法

针对隧道衬砌表面不均匀光照、渗水和噪声等强视觉干扰,设计了基于图像分块的隧道衬砌裂缝检测算法;根据中国西部地区的地理特征和隧道衬砌的外观病害,研制开发出一种快速、自动化的非接触式智能隧道结构物外观检测系统; 以非均匀光照下隧道图像数据集为研究对象,在图像分块的基础上提出一种适用于隧道裂缝特征提取的图像识别算法;研究了电子元件产生的噪声,并分析和总结了隧道衬砌的灾害特征;根据裂缝特征和分辨率将图像矩阵划分为适当数量的区域块,根据区域块的灰度特征将原始图像划分为目标背景区、目标病害区、病害背景区和其他区域,通过最大类间方差法和局部阈值法分割得到了隧道裂缝的粗图像,在此基础上进行了粗图像裂缝特征提取;对原始图像的每个区域块进行了对比度受限的自适应直方图均衡操作和局部阈值分割,得到了细节图像;将细节图像和粗图像的重叠区域设为理想裂缝二值化图像;结合隧道结构物外观检测系统对不同方向的裂缝图像进行了二值化试验,并通过隧道裂缝定位和投影法得到了隧道衬砌图像中裂缝的位置信息和方向。研究结果表明:提出的算法对隧道裂缝识别的准确值、召回率和F值可分别达90.34%、98.78%和94.37%,既可以保证隧道裂缝的完整性,也可以在非均匀光照下最大程度地保留目标裂缝的细节,可用于处理一般灰度图像的二值化问题。      

Image series segmentation and improved MC algorithm

A semiautomatic segmentation method based on active contour is proposed for computed tomography （CT） image series. First, to get initial contour, one image slice was segmented exactly by C-V method based on Mumford-Shah model. Next, the computer will segment the nearby slice automatically using the snake model one by one. During segmenting of image slices, former slice boundary, as next slice initial contour, may cross over next slice real boundary and never return to right position. To avoid contour skipping over, the distance variance between two slices is evaluated by an threshold, which decides whether to initiate again. Moreover, a new improved marching cubes （MC） algorithm based on 2D images series segmentation boundary is given for 3D image reconstruction. Compared with the standard method, the proposed algorithm reduces detecting time and needs less storing memory. The effectiveness and capabilities of the algorithm were illustrated by ,experimental results.     

Prediction of Axial Capacity of Concrete-Filled Square Steel Tubes Using Neural Networks

The application of artificial neural network to predict the ultimate bearing capacity of CFST （ concrete-filled square steel tubes） short columns under axial loading is explored. Input parameters consiste of concrete compressive strength, yield strength of steel tube, confinement index, sectional dimension and width-to-thickness ratio. The ultimate bearing capacity is the only output parameter. A multilayer feedforward neural network is used to describe the nonlinear relationships between the input and output variables. Fifty-five experimental data of CFST short columns under axial loading are used to train and test the neural network. A comparison between the neural network model and three parameter models shows that the neural network model possesses good accuracy and could be a practical method for predicting the ultimate strength of axially loaded CFST short columns.     

Hierarchical Non-linear Image Registration Integrating Deformable Segmentation

IntroductionSegmentation and registration are two impor-tant problems in the field of medical image analy-sis. Traditionally, solutions have been developedfor each of these two problems in relative isolationfrom the other, but with increasing dependence onthe existence of a solution for the other. For exam-ple, model-based segmentation methods[1,2]need toregister individual data sets to a common frame ofreference, so that statistics about the models canbe gathered to guide the evolution of the…     

A Bintree Energy Approach for Colour Image Segmentation Using Adaptive Channel Selection

A new hierarchical approach called bintree energy segmentation was presented for color image seg-mentation. The image features are extracted by adaptive clustering on multi-channel data at each level and used as the criteria to dynamically select the best chromatic channel, where the segmentation is carried out. In this approach, an extended direct energy computation method based on the Chan-Vese model was proposed to segment the selected channel, and the segmentation outputs are then fused with other channels into new images,from which a new channel with better features is selected for the second round segmentation. This procedure is repeated until the preset condition is met. Finally, a binary segmentation tree is formed, in which each leaf represents a class of objects with a distinctive color. To facilitate the data organization, image background is employed in segmentation and channels fusion. The bintree energy segmentation exploits color information involved in all channels data and tries to optimize the global segmentation result by choosing the "best" chan-nel for segmentation at each level. The experiments show that the method is effective in speed, accuracy and flexibility.