基于多特征检验的三维沥青路面裂缝检测

针对由裂缝对比度低、路面纹理复杂多变等因素引起的沥青路面三维图像的裂缝检测精度低的问题，对原始三维裂缝图像进行尺寸降维、灰度校正、高斯滤波等预处理；然后以图像截面为研究对象，分别对4个方向的截面依次进行特别设计的倾斜度、高斯分布、边缘梯度3种特征检验，从而获得裂缝截面；接着对各个方向的裂缝截面进行融合和去噪，获得完整的裂缝二值图像；最后，根据路面粗糙度的高低，变化高斯分布特征检验中的相关参数，实现裂缝的高精度检测. 研究结果表明:提出的算法能达到89.19%的准确率、93.69%的召回率及91.06%的 F 值，优于基于三维光影、种子识别的典型三维图像裂缝检测方法.      

一种改进的RLE压缩方法

介绍了一种改进的压缩方法，此方法对含有大比例连续重复像素信息的图像文件有较好的压缩效果，同时给出了相应的压缩译码算法，并将此方法与ＲＬＥ方法作了深入细至的比较。     

基于深度学习的公路货车车型识别

为判断公路货车车型，并提升货车车型识别的速度与精度，提出基于深度学习的方法对公路货车及其轮轴进行精细化目标检测；采用道路监控拍摄和网络爬取的方式获得了16 403张公路货车侧方图像，建立了货车侧方图像数据集，并采用Retinex理论和加入限制对比度的自适应直方图均衡化(CLAHE)等视觉增强方法预处理所采集图像中的光照不均图像和夜视图像；通过理论分析和对比试验选取单阶段检测网络YOLOv3作为公路货车车型识别的目标检测网络，并从调整先验框和模型输入大小以及引入注意力机制3个方面优化了检测模型；针对单帧图像可能同时出现多辆货车的情况，采用基于目标位置信息挖掘的算法分析了货车与轮轴的位置信息，提出一种通过轮轴中心点与货车预测框位置信息判定公路货车与轮轴隶属关系的方法。研究结果表明：图像经过预处理可显著增强车辆的特征信息，优化后检测模型的网络性能得到提高，通过对目标位置信息的挖掘与利用可以很好地解决货车车型判定问题；优化后的检测模型实时检测速度可达47帧·s^-1,对公路货车车型的识别综合准确率达到了94.4%。该方法实现了对公路货车车型的无接触、快速和准确识别，为公路货...     

交通图像在智能交通系统中的应用

介绍了交通图像的相关内容,包括其获得方式、交通参数的提取、图像的压缩方式及形式,针对交通图像在智能交通系统中的应用进行了相关讨论,如车牌检测和识别、闯红灯检测技术、超速检测技术、道路识别系统,提出了在处理过程中一些尚待解决的问题.     

一种激光辅助非辐射钢板宽度测量的方法与实现

结合线性结构光和CCD摄影测量原理,提出了一种简单易行的钢板宽度测量系统方案,进行了详细的原理和算法分析,并用Matlab和VC++6.0加以软件实现,结果表明,本方法测量准确、稳定性好、简单易行,在近代工业生产中具有一定的实用价值.     

人脸识别技术在公交系统中的应用与思考

随着城市交通行业逐步跟上"互联网+"的潮流,在生物识别技术中准确度更高、操作性更强且被接受度更广的人脸识别技术已广泛应用于各类出行通勤环节.目前,使用率极高且用户面极广的城市公交系统因诸多复杂因素无法落实人脸识别技术的启用.在此基础上,本文旨在分析人脸识别技术的发展现况与应用优势,评估部分针对公交系统的创新提案,提出需要解决的问题并作出系列思考.     

基于Matlab的船舶润滑油清净分散性研究

为了测试润滑油斑点扩散性,检测水和温度对润滑油清净分散性能的影响程度,快速掌握机器的磨损情况,利用滤纸斑点试验法,基于Matlab图像处理功能和润滑油的组成特性,编写斑点图像识别程序,计算油斑的色度和分散度。结果表明:水和温度对润滑油扩散性影响明显。     

基于图像处理技术的混凝土桥梁裂缝宽度检测

基于数字图像处理技术,通过MATLAB强大的图像处理功能,对混凝土桥梁裂隙图片进行灰度化、滤波、去噪等预处理,并利用canny算法提取裂缝轮廓,通过距离变换获取裂缝的形态学信息,然后对裂缝细化,得到距离信息。结果表明:本文提出的算法,对混凝土桥梁表面裂缝宽度进行检测,跟实测数据相对比,识别率到达92.95%以上,其中裂缝宽度大于0.2mm识别精度为97.48%。表明该算法可以有效检测混凝土桥梁裂缝宽度。     

红外国像处理在汽车昉撞系统中的运用

基于红外图像的视觉处理,提出了新的汽车夜视安全控制方法.通过对车载热像仪所拍摄的红外图像的一系列处理,包括图像滤噪、图像分割和图像分析,得到前方车辆的排气管的形心坐标.根据这个坐标和已知的参数,建立测距几何模型,可以实时得到本车与前车的距离.指出将这一控制识别方法可以用在汽车防撞系统中,具有一定的应用前景.     

3D动态工业照相机成像技术定位仪 工作原理解析(八)

6.光源机器视觉系统的核心是图像采集和处理。所有信息均来源于图像之中,图像本身的质量对整个视觉系统极为关键。而光源则是影响机器视觉系统图像质量的重要因素,照明对输入数据的影响至少占到30%。通过适当的光源照明设计,使图像中的目标信息与背景信息得到最