考虑图像颜色小波纹理特征的工业炉温度检测关键技术

工业炉温度检测对工业炉运行状态分析具有重要意义,因此提出考虑图像颜色小波纹理特征的工业炉温度检测方法。首先,结合Retinex算法和TopHat变换对工业炉图像展开增强处理,提高特征提取精度;其次,在图像颜色空间变换的基础上获取工业炉图像的颜色特征,在小波变换的基础上获取工业炉图像的颜色小波纹理特征;最后,在最小二乘支持向量机中输入颜色小波纹理特征,实现工业炉温度的检测。实验结果表明,所提方法的图像增强效果显著、温度检测精度高,且温度检测时间控制在0.3 s以内。有效提高工业炉温度检测效果,具有较高的实用性。

基于TopHat分割和曲线模型的三车道检测方法

为了解决传统三车道检测过程中算法易受干扰、车道线拟合不准确、两侧车道误判等问题,提出了一种基于顶帽算法(Top Hat)分割和曲线模型的三车道检测方法.利用车道线的形状和颜色特征,在图像预处理阶段提出了一种变内核Top Hat的车道线分割算法.在车道线识别阶段,首先,提出了一种基于加权最小二乘法(weighted least squares,WLS)的消失点拟合方法以约束霍夫变换;其次,在极坐标中以DBSCAN(density-based spatial clustering of applications with noise)聚类法对直线聚类并匹配三车道模板;再次,以该模板为基础建立车道线感兴趣区,在每个感兴趣区内搜索并以三次曲线模型拟合车道线;最后,对于不确定的边侧车道,提出了一种基于随机投种法的边侧车道可行驶性判定方法.算法检测率以及漏检率结果显著优于传统三车道识别算法.实验结果表明:该算法具有良好的准确性及稳定性,更适用于三车道环境.

基于融合分割和LASSO回归的实时车道偏离预警

在有路面污染、标识干扰等复杂高速道路环境下,车道偏离预警系统的鲁棒性和实时性会变差。为此提出一种利用两种算法融合分割和LASSO回归模型进行车道线检测和偏离预警的新方法。首先,分别采用TopHat算法和OTSU算法分割出车道线背景并进行“与”运算融合,据此准确提取出车道信息;其次,分两步检测车道线,第一步基于概率Hough变换进行直线检测,将检测出的车道线位置设为动态ROI区域并进行卡尔曼滤波跟踪处理,第二步是基于LASSO多项式回归模型对车道线再次进行参数估计和拟合,以改善使用最小二乘法时的过拟合问题;最后,根据设置的虚拟车道线和角度模型进行车道偏离预警决策。实验结果表明,所提出的方法在复杂道路环境下的平均正检率为96.07%,检测速率可达到32 ms/帧,即具有良好的鲁棒性和实时性。

全场离散Tophat过滤操作的快速算法

Tophat是一种常见的过滤器,但是在实际计算机应用中,较大过滤尺度的全场过滤操作效率很低。本文针对全场离散Tophat过滤操作设计了新型快速算法,分别在三维和二维情形下给出了算法描述,在三维情形下,将普通运算的复杂度O(n^3△~3)降为O(n^3);二维情形下,将普通运算的复杂度O(n^2△~2)降为O(n^2),即复杂度与过滤尺度无关,只与过滤场的大小有关,该算法可极大提高过滤计算的效率,在一些大规模数据库(如Johns Hopkins大学的湍流数据库)服务中具有广泛的应用前景。

复杂海况下遥感图像舰船目标检测方法研究

针对复杂海况下遥感图像舰船检测易受舰船尾迹、海杂波、油污和薄云等影响,导致检测结果可靠性较低且小目标舰船不易被检测的问题,提出一种自适应稳健背景的显著性优化舰船目标检测模型。利用顶帽算法对原图进行预处理,抑制舰船尾迹、海杂波等干扰;提出自适应超像素分割方法对稳健背景检测模型进行优化;改进基于均值信息的大津法(Otsu),确定舰船所在区域。结果表明,该方法可以在多种海况下有效检测舰船位置,具有较高的检测准确率(91.20%)、召回率(79.31%)及综合评价指标(84.00%),相比于其他显著性检测模型,该方法具有明显优势,适用于复杂海况下遥感图像小目标舰船检测。