基于多特征融合与改进霍夫变换的电缆检测研究

隧道墙体表面存在裂纹、水泥颗粒、施工标准线等干扰,再加上光照的影响,给电缆检测带来很大困难。针对一般算法难以同时克服多种干扰的不足,从电缆边界特征出发,提出用多特征融合和改进霍夫变换相结合的算法确定电缆区域。首先运用背景减除或边缘检测确定感兴趣区域|然后融合图像的梯度、灰度和邻域特征得到边界集合图|最后用一种改进的霍夫变换从边界集合图中将边界提取出来。实验表明,该算法能够适应背景和目标的复杂变化,满足电缆实时检测要求。     

基于机器视觉的车道标志线检测研究

针对车辆辅助驾驶或自主驾驶中的车道保持问题, 研究了基于视觉的车道标志线实时检测方法. 介绍了系统组成、工作原理和车道模型, 并着重讨论了车道图像的检测算法. 其主要思想是在图像上选取几个合适的处理区域, 通过对每个处理区域进行适当的预处理、边缘检测和霍夫变换等过程来提取车道描述特征. 试验结果表明, 该方法具有实时性好、识别可靠性高等特点, 在一定程度上能为后续的辅助驾驶或自主驾驶提供决策依据.     

一种基于形态学与边缘点投票统计的车道线快速检测算法

提出了一种基于形态学与边缘点投票统计的车道线快速检测算法,在道路图像感兴趣区域内进行数学形态学颗粒分析和骨架化,获取车道中心线,再进行车道边缘点筛选与投票,通过统计搜索的方式检测出车道线。实验采用数字信号处理芯片DSP为图像处理硬件开发平台,在软件系统CCS下调试程序。实验结果表明,该算法在车道偏离预警系统中运行具有较好的车道线检测效果,在复杂行驶环境下能正常运行,鲁棒性能较好。     

一种卷积神经网络结合后处理的车道线检测算法

为改善传统车道线检测方法易受环境影响且鲁棒性较差的缺点,提出一种卷积神经网络(CNN)结合后处理算法.首先通过提取感兴趣区域与增强对比度的车道线预处理方法减少不必要的图片背景,增强图片的特征细节;然后基于CNN提取的车道线图像特征构建模型,使用DBSCAN聚类算法对车道线分割模型进行后处理;最后通过最小二乘法对车道线像...     

基于蚁群优化的边缘化粒子滤波器跟踪算法

针对边缘化粒子滤波器(MPF)中的Kalman滤波通常无法从量测方程中获得线性状态估计,以及标准粒子滤波器估计非线性状态计算量大和粒子退化的问题,提出了一种改进的MPF粒子滤波目标跟踪算法。该方法采用状态的预测值作为Kalman粒子滤波的量测更新,用Kalman滤波估计目标的速度和加速度,并通过蚁群优化算法改进标准粒子滤波器,并用以估计目标的位置信息。仿真结果表明:该方法在提高目标状态估计精度的同时,降低了粒子滤波的计算复杂度,克服了粒子滤波退化现象。     

基于Kalman滤波算法的运动目标跟踪系统建模与仿真

鉴于传统的跟踪算法鲁棒性和实时性不足,构建了一种基于Kalman滤波的运动目标跟踪系统。对于运动目标的跟踪,此系统先采用背景差分法检测目标位置,再使用Kalman滤波算法估计目标位置。通过建模仿真,结果表明,该算法能较好预测运动目标的位置,实现了对运动目标的实时跟踪。     

基于相关滤波的重检测目标跟踪算法

针对目标跟踪中因严重遮挡、变形、快速运动等因素导致的跟踪失败问题,提出一种基于相关滤波的重检测跟踪算法。首先使用相关滤波算法Staple对目标进行位置估计,然后构造一个检测滤波器对Staple算法跟踪结果进行置信度检测,将检测分数作为跟踪结果的置信度评估结果。若检测分数小于给定阈值,则激活在线SVM分类器对跟踪结果进行重检测。同时用检测滤波器对SVM分类结果进行检测,若检测分数大于Staple跟踪算法检测分数,则采用SVM的跟踪结果。在基准数据集OTB-2013上的实验结果表明,该算法精度达到80.2%,成功率达到60.6%,整体性能优于其它6种对比算法。     

小型光电跟踪系统中基于Hough变换的形状检测

REVS-50M型小型光电跟踪系统的图像处理部分采用颜色阈值的方法检测手动靶标,由于相同颜色的物体进入图像检测区域而导致误跟踪。针对此问题进行改进,应用Hough变换检测形状的方法检测圆形手动靶标,消除了误跟踪,实现了转台对靶标的正确跟踪,创造了良好的实验条件。     

基于图像恢复的车道标志线提取算法的研究

研究了基于机器视觉的车道标志线实时检测和提取问题。提出了基于图像恢复的车道标志线提取算法,并对实验效果进行了分析。结果表明,该方法具有较好的实时性和识别可靠性。     

复杂道路环境下车道线快速提取方法

针对无人驾驶车辆在行驶过程中受到地面污损、障碍物、光照等环境影响,导致车道线情况复杂问题,提出一种快速的车道线识别方法。首先,对采集到的图像进行预处理,设置自适应感兴趣区域,并进行灰度化、双边滤波和边缘提取。其次针对边缘噪声复杂的情况,提出了一种新的边缘噪声消除方案,将边界图像划分为若干个子图像并通过计算每个子图像的边缘方向来实现噪声边缘的消除,再对被切断的车道边缘块进行补偿。最后,通过直线拟合算法拟合出车道线。实验结果表明,所提方法可以有效地消除边缘噪声,且在各种天气和路况下具有较快的处理速度和较高的精度。     

基于小波变换的图像边缘检测

根据小波变换原理,指出在边缘检测之前先对图像进行自适应平滑滤波。同时,选取更加有效的小波函数,以改进用于构建边缘检测算子的滤波器。结果表明,该方法用于图像边缘检测效果较好。     

基于KPKM算法的动目标检测与跟踪

针对均值偏移算法在跟踪目标发生形变和遮挡时丢失问题,提出了一种自适应目标检测、核函数带宽可变、Kalman滤波预测和重心轨迹跟踪的改进均值偏移算法（KPKM）。该算法利用目标检测中得到的外接矩形和重心作为均值偏移算法的初值,用改进的Kalman滤波器预测目标运动趋势,使本算法能沿着梯度方向快速收敛到目标中心。实验和仿真结果表明,该方法实现了在复杂场景下,对运动目标的精确检测和准确跟踪。     

基于随机Hough变换的圆形目标检测实验

针对REVS-50M小型光电跟踪系统基于颜色阈值检测所存在的误跟踪问题,设计了形状检测实验。在实验过程中,提出采用Hough变换检测圆形手动靶标的方法。但常规Hough变换存在许多缺点,并不适用于较为复杂的情况。进而引导学生采用随机Hough变换,并针对其随机采样带来的缺陷,对随机Hough变换做出了一些改进,利用了梯度信息减少无效累积,并在判断真圆时缩小了验证范围,从而优化了算法。     

基于单目视觉的视频跟踪算法的改进

提出了一种基于单个摄像头的视频跟踪的改进算法。通过将阈值与背景模型建立联系,更新背景的同时更新阈值,并通过观察背景的平均灰度值来判定环境光线突变与渐变,有效解决了建立真实世界背景模型难的问题。     

基于单目视觉的视频跟踪算法的改进

提出了一种基于单个摄像头的视频跟踪的改进算法。通过将阈值与背景模型建立联系,更新背景的同时更新阈值,并通过观察背景的平均灰度值来判定环境光线突变与渐变,有效解决了建立真实世界背景模型难的问题。     

基于双边滤波与小波变换的分频滤波算法的分析

针对图像在滤波时把图像的一些特征信息去除和图像分割边缘模糊的问题,提出了基于双边滤波和小波变换的分频滤波算法.通过二代小波提升变换后,得到图像的高频分量和低频分量,然后结合双边滤波和小波变换各自的优缺点,在低频分量部分采用双边滤波,在高频分量部分采用阈值小波变换,通过Matlab仿真结果分析,该方法在滤波过程中有很明显的优势.     

基于小波变换的角点检测算法

传统Harris角点检测算法对噪声敏感,图像分辨率不同,角点容易产生漂移。,结合小波变换的多尺度特性,提出一种基于小波变换的角点检测算法.该算法在图像缩放、旋转或灰度变化时保持了Harris角点检测算法检测角点效果良好的优点．改进了其不具有尺度不变性的缺点,并具有较强的抗噪性与实时性,     

基于改进的Keystone变换高机动目标检测研究

对于传统脉冲多普勒体制雷达下的高速、高机动目标而言,随着相参积累时间的增加,目标回波信号会明显产生距离徙动、多普勒扩散现象。传统的Keystone变换方法可以提高匀加速类目标的能量积累,但在速度及加速度补偿处理时要以知道目标的运动参数为前提。将Keystone变换与数据处理相结合,首先在数据处理域估算目标的运动参数范围,然后进行匹配搜索,以缩小搜索范围降低计算量,然后进行能量积累。仿真验证了该方法的有效性。     

基于SSDA算法嵌入式运动目标检测跟踪系统设计

在目前视频监控领域,大部分的视频采集和跟踪都是通过PC机完成的,但由于PC机体积较大、不易移动等缺点,给特定环境下视频的采集和跟踪带来了困难.因此本文设计了一种嵌入式的视频采集和跟踪系统,通过应用SSDA算法,使该系统具有处理速度快、体积较小、便于携带等一系列PC机不具备的优点.