基于局部纹理统计模型的纹理图像检索

提出了局部纹理统计模型与改进的Log-likelihood统计相结合的纹理图像检索方法。首先设计了3种不同角度分辨率和空间分辨率的＂Uniform＂模式的局部二值模式,并且用其来提取图像特征,然后建立图像局部二值模式和局部方差的联合统计模型,最后用改进的Log-likelihood统计进行图像检索。提出的基于局部纹理统计模型的纹理图像检索算法具有旋转不变性,克服了LBP算法对旋转比较敏感的缺点。通过对Brodatz图像库中50类600幅纹理图像进行仿真试验,新算法能得到89.71%的平均查准率,与基于Gabor小波＋WMV组合算法相比,新提出算法的查准率提高了19.05%。     

基于LBP算子的路面类型识别研究

不同的路面类型会对车辆的制动、加速、变道等决策产生不同影响,因此实时获取路面类型信息对于提高智能汽车的安全性、舒适性等有着重要意义。论文提出一种基于LBP算子的路面类型识别方法,首先采集了四种车辆行驶常见路面的图像信息,并对图像进行了增广处理;然后使用LBP算子提取出路面图像的纹理特征,再采用PCA方式对纹理特征进行降维;最后通过分类器对数据进行训练与分类。实验结果表明该方法的最高分类准确率可以达到98.5%,有效提升了当前路面类型识别的精度。     

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。     

基于阈值自适应调整的图像特征均匀分布ORB算法改进

基于相机的无人驾驶汽车视觉同步定位与地图构建(SLAM),可完成无人驾驶汽车的定位与建图.针对传统ORB(Oriented FAST and Rotated BRIEF)算法在提取图像特征点时容易造成冗杂、分布集中的问题,提出一种限制四叉树算法分裂深度的改进ORB (A-ORB)算法.该算法构造图像金字塔解决尺度不变性...     

基于高度差乘积的三维沥青路面裂缝识别

为了提高三维沥青路面中裂缝的提取精度与可靠性,提出了一种基于高度差乘积原理的沥青路面三维图像裂缝检测算法。首先,使用同时考虑空域和频域信息的双边滤波器对图像进行预处理,以达到平滑路面纹理并保持裂缝轮廓特征的目的;然后,利用裂缝轮廓的高-低-高程度大于纹理区域且具有较强对称性的特点,设计了一个高度差乘积算子,该算子能有效放大裂缝与非裂缝区域的差异程度,通过该算子的处理可得到相应的裂缝映射图像;最后,对映射图像进行动态阈值分割和去噪,获得最终的裂缝二值图像。研究测试表明:提出的算法能达到96.51%的准确率、83.35%的召回率及87.97%的F值,相对于其他典型三维裂缝检测方法有所改善。     

基于改进YOLOv5的雾霾环境下船舶红外图像检测算法

从监控图像中准确检测船舶对于港区水域船舶交通智能监管具有重要意义。为解决雾霾条件下传统YOLOv5目标检测算法对船舶红外图像检测准确率低、小目标特征提取能力弱等问题,提出了基于Swin Transformer的改进YOLOv5船舶红外图像检测算法。为扩大原始数据集的多样性,综合考虑船舶红外图像轮廓特征模糊、对比度低、抗云雾干扰能力强等特点,改进算法提出基于大气散射模型的数据集增强方法;为增强特征提取过程中全局特征的关注能力,改进算法的主干网络采用Swin Transformer提取船舶红外图像特征,并通过滑动窗口多头自注意力机制扩大窗口视野范围;为增强网络对密集小目标空间特征提取能力,通过改进多尺度特征融合网络（PANet）,引入底层特征采样模块和坐标注意力机制（CA）,在注意力中捕捉小目标船舶的位置、方向和跨通道信息,实现小目标的精确定位;为降低漏检率和误检率,采用完全交并比损失函数（CIoU）计算原始边界框的坐标预测损失,结合非极大抑制算法（NMS）判断并筛选候选框多次循环结构,提高目标检测结果的可靠性。实验结果表明：在一定浓度的雾霾环境下,改进算法的平均识别精度为93.73%,平...     

远距离混凝土桥梁结构表面裂缝精确提取算法

在分析桥梁结构表面裂缝图像特征基础上,结合改进Snake主动轮廓模型图像分割算法,融合距离传感器信息,提出一种综合高分辨率图像采集、裂缝敏感区域截取、孤立噪声去除、裂缝旋转和标记的裂缝提取算法,实现了交互式远距离混凝土桥梁结构表面裂缝的精确提取。分析结果表明:改进Snake主动轮廓模型图像分割算法误分率为3.89%,运算时间为153ms,试验对比裂缝宽度显微镜观测值,裂缝提取绝对误差小于0.05mm,该算法可满足工程检测需求。     

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.     

基于时频图像特征约简的柴油机故障特征提取新方法

针对柴油机振动响应信号时频表示特征提取困难的问题,提出了一种直接对柴油机振动谱图像进行特征约简的时频特征提取新方法。通过现有的时频分析方法生成柴油机振动谱图像,采用三次卷积插值法对图像矩阵的维度进行压缩,并将矩阵分块计算的方法与稀疏非负矩阵分解算法(sparse non-negative matrix factorization,SNMF)相结合,用来直接对压缩后的振动谱图像进行特征约简以获取蕴含在其内的低维特征。将提出的方法应用于4种不同状态的柴油机气门故障特征提取试验中,结果证明该方法可准确、快速提取柴油机气门故障特征。     

基于双目立体视觉的月球车三维定位算法

为了满足月球车自主导航的需要,提出了1种基于双目立体视觉的月球车三维定位算法。建立了基于双目立体视觉的月球车三维定位系统框架图,并对框架中主要模块进行了分析;研究了图像预处理、特征点提取、特征点的立体匹配、三维重建和特征点的跟踪匹配算法等图像处理环节,以获得月球车运动前后相匹配的环境特征点,并提出了1种鲁棒的月球车位姿变化估计算法。通过实际场地试验验证了算法的有效性。     

基于融合特征稀疏编码模型的车辆品牌识别方法

提出了一种基于融合特征稀疏编码模型的车辆品牌识别方法,该方法首先提取车脸图像的方向梯度直方图特征作为融合特征稀疏编码模型的一级特征向量,然后将车脸图像的一级特征向量作为过完备字典中训练样本集的线性组合,并构建非负性约束稀疏编码模型,最后采用重构误差最小原则对车辆品牌进行识别。基于东南大学的车脸数据库进行了试验,结果表明,基于融合特征稀疏编码模型的车辆品牌识别方法优于HOG+SVM、传统稀疏表示和字典学习稀疏表示的车辆品牌识别方法,其平均识别率达到96.16%。理论分析和试验结果表明,基于融合特征稀疏编码模型的车辆品牌识别方法具有较强的鲁棒性和适用性。     

智能车辆非结构化路面障碍检测

为在非结构化路面条件下进行有效障碍检测,提出一套利用雷达和图像进行一般障碍特征提取的算法和一种利用多层技术专门适用于负障碍检测的轮廓提取方法.然后讨论通过双传感器融合进行障碍物识别的方法和框架.最后通过实车试验验证整套检测算法的准确性和可靠性.     

基于多分辨率近似熵的发动机声信号特征提取

介绍了近似熵的概念、主要特点及其快速算法,在分析了小波包与近似熵原理的基础上,提出了一种多分辨率近似熵的特征提取方法,并且讨论了近似熵值计算中3个参数的选择原则,其后对发动机声信号进行了分析处理,通过对比正常状态与故障状态共8种工况下的小波包3层分解后各节点的近似熵值,确定出了故障的特征频带,根据近似熵在敏感频带内的变化有效提取出发动机故障特征,从而实现了对发动机状态的监测与诊断。试验结果也证明了近似熵在分析复杂信号特征方面具有很强的能力,在判别机械设备运行状况方面具有很好的效果。     

基于卷积神经网络的路表病害识别与测量

为进一步提高利用二维图像统计路面病害的精度与效率,将卷积神经网络（Convolutional Neural Network,CNN）技术引入了基于图像分析的路面病害识别与测量。首先,将原始图像进行等尺寸分割作为CNN的训练样本。其次,经结构设计、前反馈算法训练及样本测试3个步骤后,建立病害识别模型（CNN1）。用训练完成的CNN1对所有图像进行病害类型识别并将输出结果作为裂缝特征提取模型（CNN2）和坑槽特征提取模型（CNN3）的训练样本。采用相同步骤建立裂缝特征提取和坑槽特征提取模型,完成训练后,运行CNN2,CNN3对路面裂缝与坑槽图像进行特征提取。最后,分析图像分辨率对3个CNN识别和特征提取精度以及效率的影响。结果表明：CNN1可以准确识别多种病害,CNN2的裂缝长度提取的平均误差为4.27%,宽度提取的平均误差为9.37%,裂缝病害严重等级判断准确率为98.99%;CNN3的单张图像中的坑槽个数测量无误差,单个坑槽面积的平均误差为13.43%,坑槽病害等级判定准确率为95.32%,可见CNN具有较高的测量精度;CNN1在使用CPU的情况下测试完成原始图像平均用时为704 ms·幅^-1,CNN2用时为5 376 ms·幅^-1,采用图形处理器加速后CNN1用时为192 ms·幅^-1,CNN2测试平均用时为1 024 ms·幅^-1,可见CNN在图形处理器加速下效率具有显著优势,相比其他方法,在图像分辨率高于70像素时,CNN对路面裂缝与坑槽的识别与测量具有运算高效、结果精准等优势。     

基于彩色二值化的车牌定位方法

提出了一种基于彩色二值化的车牌定位方法。首先将彩色图像从RGB颜色空间转换到HSI颜色空间,同时生成一个与彩色图像大小相同的二值化状态特征矩阵,根据车牌的色彩特征,调整状态特征矩阵;再用数学形态学方法对状态特征矩阵进行填充空洞和滤除噪声的处理,并根据车牌的几何特征除去伪牌照区。该方法将图像的色彩特征与状态特征分离,充分利用车牌的色彩特征调整彩色图像的状态特征,并融合了数学形态学方法;而且将车牌的色彩特征和几何特征进行了有机的结合。实验结果表明该方法是一种有效的车牌定位方法。