道路交通标志浅谈

简要介绍了道路交通标志设计的三要素。     

级配碎石图像的碎石颗粒提取

本文介绍一种以蓝色为背景拍摄离散碎石图像、利用彩色图像的蓝色调视图提取碎石颗粒图像的方法,给出由彩色图像的R、G、B分量求蓝色调视图灰度的计算式.试验结果表明,这种提取颗粒图像的方法可获得较好的效果,并且对图像拍摄时的光照条件不敏感.     

轨道交通户外站台门与列车间隙背景灯带图像分割算法研究

轨道交通在发车前需要清空站台与列车间隙,否则异物入侵会对乘客与列车运行造成安全隐患,基于背景灯带的异物入侵检测需要对灯带在图像中进行图像分割、提取、识别。针对在户外站台场景下,复杂背景和日光等因素为背景灯带提取带来困难的问题,提出一种无监督的图像分割算法。首先通过卷积神经网络进行特征提取,然后将特征图输入到后续分类器中对所有像素进行类别输出。在训练过程中,使用的损失函数从三方面进行设计：考虑特征相似度和空间连续约束、基于深度支持向量描述以及基于几何与光度增强。算法能够实现单样本无监督对神经网络参数进行调优。通过对某城轨站台真实数据采集及实验结果表明,本文提出的方法在与训练样本不同光照条件、拍摄角度条件下,对背景灯带进行分割的F1分数为78.47%;在性能优于其他方法的同时,耗时最多能减少97.1%;算法为基于背景灯带的异物检测方案提供一种行之有效的图像分割方法,为后续的异物自动检测提供基础。     

一种新型交通标志自动识别系统

道路交通标志自动识别系统是智能交通系统的重要组成部分,本文介绍了一种基于MATLAB的交通标志自动识别方法。摄像机采集道路交通标志图像,输入图像预处理模块后进入计算机,计算机用matlab基于直方图均衡化对图像作预处理改善图像的像质。然后以颜色为依据通过阈值分割的方法提取颜色特征的目标区域。之后通过孤立点和面积去噪去掉一些不必要的干扰提取目标区域。腐蚀,最后与模板库交通标志对比基于特征模板进行识别。     

基于计算机扫描技术的沥青混合料集料质量均匀性评价

运用 CT（Computer Technology）获得沥青混合料的内部微观结构已成为现阶段研究热点之一,但是现阶段结合沥青混合料的 CT扫描断面图具有的特点进行数字图像系统处理的研究相对较少,而且将其用于区分内部材质的技术目前比较粗糙,无法有效将数字图像处理和混合料无损检测技术结合起来。基于混合高斯模型（GMM）E M算法的基础上,对沥青混合料的集料特性进行分割,进而对细观结构的质量均匀性分析进行判断,最后通过试验深层次探索内部体积组成结构情况。研究结果表明本文采用的混合高斯模型能较好的对 CT扫描断层图片进行处理,通过扇形扫描方法可对沥青混合料集料的分布情况进行判断,进而通过对集料颗粒的面积比进行统计分析,进而评价沥青混合料的集料分布均匀性,本文研究结果可为沥青混合料微观领域研究提供借鉴和参考意义。     

路面裂缝图像自动识别算法综述

路面裂缝自动检测对于路面养护管理、路面性能评价与预测、路面材料和结构设计具有重要的实用价值,但快速、准确、全面且稳定地识别路面裂缝一直是个难题.为此,对路面裂缝自动检测研究现状进行综述,包括以图像增强和去噪为目的的预处理方法,基于阈值分割、边缘检测和种子生长的空间域识别算法,以小波变换为代表的频域识别算法,基于有监督学习的识别算法及其他裂缝识别方法;指出既有裂缝识别算法存在易受光照和油污等因素的影响、裂缝识别图像连续性差和识别速度和精度较低等不足.最后,提出综合考虑边界和区域特征消除纹理和噪声干扰、基于局部和全局信息设计优化识别算法和基于三维图像进行裂缝识别等研究展望,为裂缝自动识别算法的改进提供参考.     

基于批量分割的虚拟单元制造系统多阶段动态调度

鉴于虚拟单元中批量分割调度模型研究的不足以及虚拟单元下批量分割呈现的新特点,文中考虑作业车间中同类设备有多台,多重作业具有不同加工路径可选的情况下的批量调度问题,其中批量分割包含横向分割和纵向分割。考虑到调度的复杂性,文中运用一个多阶段调度模型对设备资源进行分配,确定设备上的批量种类、大小和顺序,并在交货期内使总生产成本达到最小。通过算法对案例研究结果的对比,证明了所提方法的可行性和有效性。     

基于模板库的自动图像对象分割方法研究

针对现实世界中外观不一,而形态上有模式可循的对象,提出了一种基于模板库的自动对象分割方法。采用模板描述对象形态,构建模板库作为对象的先验知识,将未知的匹配模板视为隐变量,采用由按位编码方式组成的复合模板与图像特征进行匹配确定隐变量的取值空间;然后,对隐变量求积分得到图像中对象的边缘概率。最后,求解边缘概率所对应的能量函数,实现基于模板库的自动对象分割。实验结果验证了论文方法的正确性和有效性。     

基于GPGPU的快速医学图像FCM分割算法

由于医学图像生成容易受到空间时间影响,噪声较大,具有不确定性,传统的硬分割方法很难取得理想的分割结果.模糊分类技术能很好地处理医学图像中的不确定性,却由于计算量大不能保证实时性.灰度统计方法和通用计算图形处理器技术的引入,保证了初始聚类中心的准确性.又由于模糊C均值聚类算法是可并行的,将其改进并在图形处理器上完成计算,降低了算法迭代次数和计算时间,保证了实时性.实验结果表明,使用该方法对医学图像分割得到了良好的结果.     

基于灰度共生矩阵和单尺度MRF的纹理图像分割

为改善纹理图像分割效果,提出一种基于灰度共生矩阵和单尺度MRF的纹理图像分割方法．这种方法考虑到纹理信息在空间内的结构特征以及一个像素与周围像素作用的特性关系,采用灰度共生矩阵的几个二次统计量作为纹理特征向量,利用K-means聚类获得起始分割,然后联合建立MRF的特征场与标号场模型．实验表明,此方法提高了分割准确度与一致性．