基于特征模型融合的实时车道线检测研究

针对无人驾驶领域的车道线检测鲁棒性差的问题,提出一种基于特征模型融合的实时车道线检测算法。在图像预处理阶段引入白平衡、灰度化操作及形态学处理,将RGB颜色空间转换成HSL颜色空间,接着采用梯度阈值检测出黄色和白色车道线进行线性融合以增强车道线特征信息。在模型拟合阶段,采用Canny边缘检测算法和改进的Hough变换提取出边缘特征,最后采用最小二乘法拟合车道线双曲线模型。本文在Python实验环境下对随机选取的不同复杂路况下的视频流序列进行算法验证。实验结果表明该算法平均正确率为96%以上,平均未检测率和平均误检测率分别为1%和3%。实验说明本文算法具有良好的准确性和鲁棒性。在无人驾驶领域具有一定的应用价值。     

基于Opencv的车牌识别研究与分析

通过OpenCV机器视觉库技术与Python开发平台对车牌识别进行了研究与分析,该车牌识别系统主要由图像预处理、车牌定位、字符分割与识别等部分组成,实验表明该系统具有良好的识别效果。     

通道注意力联合增强卷积U型网络的图像分割

为提升小目标图像分割性能,提出一种通道注意力联合增强卷积的改进U-Net网络。该网络以增强卷积模块丰富目标特征信息提取,结合通道注意力加强网络对目标特征的专注学习,从而更有效捕捉小目标对象的深层次特征。NIH数据集上的实验结果表明,提出网络在保证计算效率的同时,有效提升了Dice系数、召回率和精确率,能够更好地用于小目标图像分割。     

基于小波阈值去噪和自适应变分模态分解的谐波检测方法

为准确检测电力系统的谐波分量,提出一种基于小波阈值去噪和自适应变分模态分解（VMD）的谐波检测方法。在传统VMD算法基础上,通过构建输入信号Hankel矩阵并进行奇异值分解（SVD）的方法,自适应确定模态分解个数;利用改进的小波阈值去噪方法减少噪声的干扰,进一步提高检测精度。仿真实验表明,所提方法能有效地估计谐波的频率和幅值参数,具有较高的检测精度和良好的噪声鲁棒性。     

新型的安全可变阈值图像秘密共享方案

从提高共享安全性的角度,提出一种新型的可变阈值图像秘密共享(secret image sharing, SIS)方案。首先对秘密图像进行置乱,以破坏像素之间较强的相关性;其次通过二元多项式对秘密图像进行分割,采用对角隐藏将秘密图像像素值设置在系数矩阵的对角上,其余系数均采用随机数。通过实验及对方案正确性和无条件安全性的证明和分析发现,所提方案能够提供多个可变阈值,算法复杂度为多项式时间算法复杂度,穷举攻击复杂度为O(p^h),可以达到无条件安全,适用于根据变化的安全环境来调整阈值的场景。     

基于空间约束模糊聚类的活性污泥显微图像分割

针对活性污泥相差显微图像中絮体和丝状菌分布不均衡、絮体结构多样、存在大量细小丝状菌、图像对比度低,以及光晕、阴影等现象,提出了一种基于多尺度Retinex和空间约束模糊聚类的丝状菌分割算法和基于阈值、形态学操作的絮体分割算法。丝状菌分割算法对原始图像进行多尺度Retinex增强改善不同样本的光源强度,顶帽、底帽滤波增强絮体和丝状菌的对比度,采用边缘检测方法去除图像背景,考虑显微图像相邻像素空间的邻域信息采用空间约束模糊聚类法对增强后的图像进行聚类,结合像素面积和回旋半径形态学特性参数确定丝状菌目标和去除碎片;絮体分割算法利用灰度变换、图像反转以及开操作对絮体进行预处理,克服图像中的光晕和阴影,用阈值分割算法分割絮体,利用形态学操作对其进行后处理。实验结果表明,所提算法在图像分割准确率、精确率、Dice等指标上有明显提升。     

基于无人机激光点云的树障检测与砍伐树木数量估算

电力走廊的树木生长会对输电线路的安全运营造成巨大影响,精确检测出影响线路安全的树木并将其砍伐至关重要。因此,提出一种基于无人机激光点云的树障检测与砍伐树木数量估算方法。首先,对激光点云进行快速自动化处理,先后精确提取地面点、电力线点与植被点;其次,基于电力线点进行分段,并分析电力线与植被点的安全距离,进而确定树障区域的位置和范围;最后,对树障区域植被点云进行单木分割,并统计单木数量,最终实现砍伐树木数量的精准估算。研究结果表明,无人机激光点云可以实现输电通道树障的有效检测与砍伐树木数量的精确估算,总体树木砍伐数量估算精度可达92.3%,可为输电线路安全运营提供遥感技术支撑,也可为电网运维单位制订树木砍伐计划提供可靠依据。