基于图像分割的船舶吃水深度检测方法

针对传统的船舶吃水深度检测方法精准度低的情况,提出基于图像分割的船舶吃水深度检测方法。以得到精准的舰船吃水值为出发点,采集舰船吃水图像,并进行动态模板匹配,减少舰船晃动对吃水深度检测的影响,在此基础上,对船舶水尺图像字符进行校正,计算吃水线位置,得到舰船吃水深度,以此实现船舶吃水深度检测。实验对比结果表明,此次设计的基于图像分割的船舶吃水深度检测方法比传统的吃水深度检测精准度高,具有一定的实际应用意义。     

基于自适应活动轮廓的图像分割

在活 动轮廓的基础上，引入了统计“图像势能”和松驰法，提出了基于自适应活动轮廓的图像分 割方法。该方法克服了活动轮廓的一些缺陷，能准确、可靠地检测物体曲率高的边缘部分，且分割结果与活动轮廓的初始位置无关。实验结果验证了该方法的有效性。     

基于色彩矩的无监督多分辨率图像分割

无监督的图像分割被广泛的应用于各种不同的条件下，包括数字相机的图像增强，目标识别，基于内容的图像检索和三维图像分析。本文提出了一种新的多分辨图像分割方法，与其他基于颜色的全局优化分割方法比较，该方法基于人的视觉系统原理，能够将感兴趣的物体从背景中分割出来，同时图像分割是一个多分辨率的分割过程，首先算法在整幅图像中搜索代表物体的特征块，然后利用特征块的色彩矩特征对所有图像块进行聚类，最后对属于物体类的图像块进行高分辨率的分类，直到块中的每一个像素点被区分为背景或物体，实验结果表明，与传统方法相比，本文算法能够在较短的时间内，取得较好的分割效果。     

路面损坏的图像处理算法浅析

通过对国内外路面损坏图像处理算法研究成果的总结，介绍了国外几种较为典型的算法，提出了研究路面损坏图像处理算法过程中应该解决的技术关键。     

基于多类型变量空间的驾驶行为基元提取

从驾驶数据中提取驾驶行为基元是实现驾驶行为高效准确分析的重要前提。为了更好地理解驾驶行为,使驾驶行为基元能够体现不同驾驶人的驾驶行为差异,考虑驾驶行为产生时所受驾驶人的主观约束,提出基于多类型变量空间的驾驶行为基元提取方法。使用驾驶行为原始变量反映车辆运行状态和驾驶操作,将所选择的原始变量定义为基础变量集;使用基础变量构造能够反映驾驶人对车辆运行状态主观期望的变量,并将其定义为构造变量集。利用基础变量集和构造变量集生成多类型变量空间,使用贝叶斯凝聚型序列分割算法分割数据以提取驾驶行为基元。针对多类型变量空间自调节问题,提出基于分割质量优选滑窗尺寸的方法,使多类型变量空间能够自适应不同数据集的数值特性,确保基元提取的准确度。对所得基元进行特征构造和提取,利用高斯混合聚类算法对直行和弯道路段的行为基元分别进行聚类,并通过分析各类基元的统计特征得到基元的语义描述。最后,通过实例分析验证基元提取和语义解释的准确性,以及多类型变量空间的优越性。研究结果表明：所提取的驾驶行为基元具有多角度语义,不仅能够反映车辆运行状态和驾驶操作,而且能够体现驾驶人对车辆操纵决策的主观期望,有利于从因果角度更全面地...     

模糊增强的Canny算法在船舶红外图像分割中的应用

航运业快速发展,水上交通密度和船舶速度不断提高,对船舶运营和管理提出了更严格的要求。红外成像系统具有探测能力强、灵敏度高、隐蔽性好等优势,被广泛应用于船舶航行安全、船舶避碰、船舶管理等领域。本文研究船舶红外图像分割算法,提出基于模糊增强的Canny算法的船舶红外图像边缘提取算法。     

基于红外热成像的朔黄铁路隧道衬砌渗漏水检测技术

总结并对比了人工目视检查、分布式光纤测温检测、地质雷达检测、红外热成像检测等国内外常用隧道衬砌渗漏水检测方法的优缺点。鉴于红外热成像检测优势明显,本文详细介绍了应用红外热成像检测隧道衬砌渗漏水的技术原理及方法,并设计了图像处理算法。在朔黄铁路5座渗漏水隧道中的检测实践表明,红外热成像技术检测速度快,准确率高,不仅能够准确检测出渗漏水位置,而且能够计算出渗漏水区域面积,建议大范围推广应用。     

基于语义分割模型的路面类型识别技术研究

在极端恶劣天气条件下,车辆能够及时根据路况信息调整车速和车距,将有效地减少交通事故的发生.道路类型和路面附着系数是影响路况的主要因素,传统的路面附着系数识别方法具有成本高、可靠性低的特点.同时基于机器视觉的路面信息识别技术已经成为当前研究的热点,但是精度低和鲁棒性差一直是研究的难点.将机器视觉中较为流行的语义分割模型作...     

基于语义分割网络的路面积水与湿滑区域检测

积水或湿滑路面的道路附着系数远小于干燥路面的附着系数,对交通的安全性和机动性都有很大的影响。通过及时获取路面状态信息而发出预警,可大大减小潜在伤害。本文中研究了基于图像的语义分割网络在积水和潮湿的路面状态识别中的应用,它不仅可预测未来路面状态信息,且可得到路面积水和湿滑区域的分布。该方法利用语义分割网络Res-UNet++,分割出路面的积水和湿滑区域。Res-UNet++结构包括嵌套了不同深度的编码器-解码器结构,并在网络的特征提取部分加入残差结构,从而使图像的特征更容易学习。该方法取得了平均交并比为90.07%的分割精度并克服了其它方法的缺点。