基于计算机视觉技术的接触网定位器坡度动态测量算法

为实现对接触网定位器坡度的动态测量,提出基于计算机视觉技术的定位器坡度的动态检测算法。采用中值滤波算法和维纳滤波算法对拍摄到的图像序列进行图像预处理;对序列图像中的接触网定位器进行提取识别以及角点检测;选用NCC角点匹配算法对检测序列图像中检测到的角点进行匹配;在匹配角点的基础上,利用基于仿射不变性的直线匹配算法,对各幅图像中的直线进行匹配,从而可以自动获取图像序列中各图像直线的夹角,实现定位器坡度的自动动态测量并且减小了测量结果的不确定性。     

基于PCA和随机Hough变换的调车信号灯检测

针对传统信号灯检测方法中存在的弊端,提出了一种主成分分析(Principal Component Analysis,PCA)和圆拟合与分段随机Hough变换(Randomized Hough Transform,RHT)圆检测相结合的信号灯检测方法。该方法利用主成分分析结合圆拟合来简化图像的复杂背景,然后通过随机Hough变换进行分段圆检测,得到信号灯的准确位置,最后结合线路特征及信号灯的颜色特点,确定本股道有显示的调车信号灯。对调车信号灯图像进行仿真实验,结果表明,该方法检测准确度高,实时性好,并对有颜色信号灯的检测具有良好的检测效果,适合于对复杂环境中调车信号灯的准确检测和定位。     

机车车载视觉识别系统中的稳像技术研究

提出一种基于特征的机车车载图像配准稳定算法。通过计算视频帧中的特征曲线来估计图像的偏移。算法计算量较低,可以应用快速变化的实时图像序列。对从铁路现场获取的机车车载摄像机视频序列的处理验证本算法的有效性。     

序列图像中运动目标的检测

提出一种新的自适应目标图像分割，它适用于复杂环境下的运动图像跟踪，该算法利用序列连续图像的帧间相关性和差异性检测目标，用直方图滤波法分割目标，根据目标的运动牧场生在相邻帧中确认目标，并尽可能抑制背景噪声的干扰，与某些常规算法不同的是，瓣方法充分考虑了目标－背景条件，帧间相关性和差异性，目标检测及撮算法分三步：运动能量检测，直方图滤波及快速定位。本文给出了在可见了光图像序列上的实验结果。     

一种基于人脸序列模式的机车驾驶员疲劳检测方法

驾驶疲劳是导致事故的重要原因,本文在综述基于面部特征的机车驾驶员疲劳检测方法的基础上,提出了基于Gabor变换的人脸特征融合抽取模型,并在此基础上,结合隐马尔可夫模型(HMM)提出基于人脸图像序列的机车驾驶员疲劳检测方法。根据在疲劳和非疲劳状况下人脸模式特征的不同,首先利用Baum-Welch学习方法从疲劳图像序列训练学习得出疲劳模式下的HMM参数;然后,在疲劳模式识别时,把待识别的人脸图像序列表示成Gabor融合特征序列,再利用Viterbi算法计算该特征序列属于疲劳模式的概率值,从而实现对人脸图像序列的疲劳识别;最后,对各种姿态下的不同人脸图像序列数据进行了仿真测试。实验结果表明,与已有基于单幅人脸图像的疲劳识别方法相比,具有更好的疲劳识别性能。%     

一种用于大型交通枢纽的跨摄像机行人再识别算法研究

跨摄像机行人再识别是大型交通枢纽安防监控的基本功能,它为后续行人跨摄像机跟踪和行为识别提供支持。由于交通枢纽内行人的外观特征受遮挡、运动形变和光照变化影响显著,且目前常用的行人再识别算法对上述影响因素的鲁棒性不太理想。因此,文章提出了一种适用于大型交通枢纽的跨摄像机行人再识别算法。该算法用1个图像序列代替单幅行人图像作为查询图像,同时,采用系统抽样方法将图像序列进行分组。然后以组为单元进行相似度计算,并将计算结果作为特征训练Adaboost分类器。最后综合各分类器输出结果来判断识别结果。在iLIDS和ETHZ两个具有挑战性的数据集上进行实验,结果表明文章提出的算法优于目前其他行人再识别算法。     

一种抗SPA隐写分析的图像隐写策略

针对SPA隐写分析算法,从理论上分析了F1替换和F-1替换对图像统计量的相反作用,对可以抵抗SPA分析的F1替换和F-1替换的理想嵌入比例关系进行推导,在此基础上提出一种抵抗SPA分析的图像隐写策略,实现了基于误差校正的图像隐写算法。该算法根据混沌映射产生随机位置序列来确定秘密信息的嵌入位置。首先按照F1替换和F-1替换等比率随机嵌入秘密信息,然后对载密图像嵌入秘密信息的长度进行估计,并以误差校正的方式调整F1替换和F-1替换的嵌入比例,最后按照理想嵌入比例将秘密信息随机嵌入在载体图像中。仿真实验结果表明,该算法原理清晰,能够有效抵抗SPA隐写分析,安全性高。同时,对载体图像修改少,嵌入秘密信息的载体图像视觉质量好,提取秘密信息简单。     

基于纹理信息与深度图空时梯度的深度图上采样算法

针对基于"2D+深度"数据表示格式的3D视频数据,在编码前对深度图进行降采样编码能够有效地降低码率,然而引入的降采样失真将会影响合成图像的质量。因此,如何有效地在解码端进行上采样以降低降采样失真的影响成为了当前研究的关键问题。本文提出了基于纹理信息与深度图空时梯度的深度图上采样算法,基于深度序列中图像间的时间梯度,图像像素点的水平梯度和垂直梯度,确定深度图像素间的时空相关性,对采样参考点进行决策,从而利用相关的参考点对深度图进行上采样。实验表明,本文方法提高了深度序列的编码性能和最终合成的虚拟视点图像的质量。     

基于混沌映射和视觉模型的信息隐藏算法

隐蔽性和隐藏容量是信息隐藏系统的两个重要特性,同时信息隐藏系统还必须具有一定的安全性.本文充分考虑以上特性,利用混沌映射和人类视觉模型,提出一种大容量的离散余弦变换域信息隐藏算法.首先将载体图像分成互不重叠的8×8图像块,并对各图像块分别进行离散余弦变换,然后将密钥作为混沌系统初值映射生成混沌序列,以此序列确定嵌入秘密信息的图像块位置,并利用人类视觉模型计算的JND值进行图像块中可用DCT中频系数对的选取,最后通过调整中频系数相对幅值策略自适应地嵌入秘密信息.仿真结果表明该算法不仅具有大的隐藏容量,而且秘密信息具有非常好的视觉不可见性,同时对JPEG压缩、剪切、中值滤波和高斯噪声等常见的攻击具有较好的鲁棒性.     

机车驾驶路面状况监控系统障碍检测算法的研究

提出基于铁路智能视频监控图像序列分析的铁轨路障检测算法,即通过图像预处理突出铁轨信息,确定铁轨边缘像素;沿铁轨边缘建立检测窗,计算分析铁轨检测窗内的纹理特征;结合纹理特征及灰度特征进行铁轨障碍物的检测.在检测出路障目标的基础上对机车驾驶员提供实时的警报.实验结果表明,该算法检测速度快、可靠性高,可运用于实际路面状况检测系统.     

TETRA数字集群系统图像摄取传输功能的研究与实现

本文提出了一种基于TETRA数字集群通信系统实现图像摄取传输的实现方案,分析了图像传输功能中的传输协议,大文件传输,丢包,乱序以及图像传输的完备性检测等关键技术,并给出了具体解决方法。通过对移动电台终端、移动设备和调度终端等设备的分组数据连接配置,编程实现了利用数字集群系统进行图像摄取传输的功能,扩充了集群系统的业务范围。     

铁路货车铸件工件号倾斜DR图像的识别方法

通过对倾斜的DR图像进行图像增强、二值化、倾斜校正、去毛刺、填补空洞、单字符分割和大小归一化处理,分割出若干个大小相同的单字符图像;然后通过训练45个支持向量机(SVM),并得到各个支持向量机的判别函数;利用这45个判别函数判别单字符图像是哪个数字的图像,并记下各个数字的得票数,确定得票最多的数字即为单字符图像对应的数字.应用Microsoft Visual Studi0 2008软件编写了相关的计算程序.利用该程序进行识别实验的结果表明,该方法能够在DR图像中货车铸件工件号呈倾斜情况下有效识别出货车铸件的工件号.     

基于智能视频分析的铁路入侵检测技术研究

针对视频监控系统人工监视容易产生疏漏的问题,研究在铁路场景下基于智能视频监控图像序列处理和分析的识别物体入侵行为检测技术,给出铁路入侵物体检测、定位与跟踪的适用算法,实现基于轨迹点行为模型的入侵行为分析与理解。设计和开发了基于OpenCV的铁路入侵检测实验平台,在此平台上实现背景建模、运动检测与跟踪等项功能,初步实现了对入侵行为的识别、分析以及对危险行为的报警。     

基于高通滤波和直方图均衡的钢轨裂纹红外图像增强技术

针对钢轨裂纹红外图像采集过程中产生的噪声大、对比度低的问题,以及传统直方图均衡化方法在对红外图像增强时灰度级减少和细节信息丢失等不足,提出频域增强与空域增强相结合的红外图像增强算法,以弥补传统算法在红外图像增强时的不足。在空间域上采用直方图均衡化对红外图像进行处理,提高图像对比度降低图像噪声;在频率域上采用高通滤波对红外图像进行锐化处理,增强图像的边缘和细节信息。仿真结果表明:该算法在对钢轨裂纹红外图像增强时很好地抑制了背景噪声,而且有效地凸显了钢轨裂纹内部微弱的细节纹理,保护图像的细节信息,为更好地提取钢轨裂纹的缺陷信息提供条件。     

基于DR图像多重快速分割的铁路货车铸件缺陷提取方法

针对铁路货车铸件DR(Digital Radiography)图像数据量大、背景亮度不均匀以及对DR图像中铸件薄壁区域的缺陷提取效果不理想和基于C-V模型的分割方法存在计算量大的问题,研究基于DR图像多重快速分割的铸件缺陷提取方法.先利用OTSU双阈值分割算法对铸件DR图像进行分割,然后应用区域生长技术得到铸件薄壁区域的图像;对该图像进行剥皮和归一化线性灰度拉伸处理后,再次利用OTSU双阈值分割算法和区域生长技术对图像进行分割,从中提取出含有和可能含有铸件缺陷的局部图像;对可能含有铸件缺陷的亮背景区域图像用C-V模型再次进行分割,最终提取出所有铸件缺陷的图像.     

图像识别在编组站驼峰作业过程控制中的应用

利用图像识别理论,针对编组站驼峰作业情况,提出一种通过图像序列快速、直观判断溜放车组特征和走行趋势的方法。根据图像的形状特征,采用伸长度、圆度、矩形度、凹凸度4个参数作为模式样本的特征。采用基于熵的运动目标的检测方法实现目标检测和跟踪。用Kalman滤波来更新背景,用当前帧图像减除动态背景,用信息熵来选择阈值,使目标和背景的信息量达到最大,从而将目标和背景正确分割。通过双轨检测判断车组走行位置。应用统计原理,建立计算距离与实际距离的关系模型,通过分析和计算分别得到双曲线拟合、二阶多项式拟合及三阶多项式拟合三条回归曲线,选取三阶多项式作为关系模型。根据车组的实际位置计算车组的瞬时速度。     

基于SBB算法的复杂背景手势输入系统

弱假设学习在近年来的机器学习领域得到越来越广泛的应用。本文提出一种多分类的基于应力的SBB(Stress Based Boosting)算法。在实时情况下,对输入的英文手语字母进行分类和识别,并转换成相应的汉字,实现了汉字的手势输入。首先对视频流进行预处理,利用双检测方法,消除噪声和背景得到手部区域,使用固定尺度的兴趣点检测器,利用特征提取器归纳出手部特征点,再利用SBB算法的学习规则对含有特征点的新样本进行分析和归类,采用应力反馈对于错判的手势进行纠正。在每个周期,都加入特征学习过程。算法能集中原手势训练集,通过已有分类器的分类结果确定分类策略。本系统具有自主学习、分类快速准确的特点。实验结果证明,本系统在实际条件下具有较高的识别率和鲁棒性,具备很好的应用前景。