面向复杂光照环境的车道线检测方法

在复杂光照环境下由于光照不均匀,导致路面上的光照出现强弱不一的情况,使得车道线的亮度和颜色发生变化,从而对车道线检测造成困难。为了提高对车道线检测的精度,提出了一种面向复杂光照环境的车道线检测算法。算法主要以车道线的纹理特征为依据,借助投票算法对交通道路上的图像消失点位提取特征点,构建出车道线的关键检测区域;设计一种结合梯度和统计平均相对差的蚁群算法用于车道线边缘特征提取,并最终拟合标记出待测车道线。实验结果表明,所提方法在复杂光照环境下检测准确率高,鲁棒性强,显著改善复杂光照条件下的车道检测成功率。

复杂光照环境下的标识线图像增强方法

自动驾驶汽车在行驶过程中需要识别道路标识线以确保行驶在车道上,变电站巡检机器人通过识别道路标识线实现准确巡检。但由于复杂光照环境的影响,道路标识线信息难以准确提取。传统的图像增强方法无法对所有复杂光照环境下的道路标识线图像都产生良好的增强效果,对此提出一种复杂光照环境下的道路标识线图像增强方法。利用HSV色域空间的亮度图像的亮度差进行分层处理,对高亮度差的图像使用自适应伽马校正的方法进行图像增强,对低亮度差的图像先使用直方图锥形拉伸扩大图像灰度级,再利用自适应伽马校正提升图像对比度。实验结果表明,该算法能有效解决低光照、曝光等复杂光照环境所导致的道路标识线难以识别的问题,是一种有效的图像增强方法。

融合场景深度估计和视觉传达的复杂光照图像虚拟重建

复杂光照图像虚拟中受到光照强度不均衡性影响导致重建效果不好,为了提高复杂光照图像虚拟重建效果,提出基于融合场景深度估计和视觉传达的复杂光照图像虚拟重建方法。针对不同场景深度混频光照的相互干扰采用相关匹配降噪方法实现图像降噪处理,以光照图像低亮度区域内亮度值中位数作为场景深度的参考值,采用全局特性和局部细节特征拟合的方法实现对复杂光照图像的场景深度检测和视觉跟踪拟合,采用HSV空间特征分解方法实现对不同场景中光照图片亮度通道融合处理,提取场景物体边缘、纹理等细节信息,根据场景深度检测和全局对比度融合下的视觉传达效果实现复杂光照图像虚拟重建。测试结果得知,采用该方法进行复杂光照图像虚拟重建的视觉表达能力较好,重建后的图像细节展示能力较强,能准确重建暗区域内隐藏的图像信息,两个数据集图像的峰值信噪比较高,均方根误差较低,分别为45.63 dB、53.21 dB和0.366、0.265,且重建时长短,仅为1.5 s,具有较强的重建性能。

复杂光照环境下的线结构光条纹中心提取方法

提取线结构光条纹中心是三维测量系统中关键的一步,针对复杂光照环境以及Steger算法耗时长的问题,提出一种快速、准确的光条纹中心提取方法。采用滤波算法去噪,顶帽运算和边缘检测消除背景中的复杂光照;接着采用改进Rosenfeld骨架化得到初始中心,拟合初始中心点和条纹上下轮廓点计算初始中心的法向和光条纹的线宽;最后基于改进Hessian矩阵得到亚像素中心点。实验表明,该算法适用于复杂多变的环境;算法运行时间为0.151 s,相较于Steger算法提高了近8倍;提取精度为0.23 pixel,保留了Steger算法的高精度,能够实现对光条纹中心的快速、精确提取。

复杂光照环境下基于改进生成对抗网络的甘蔗病害样本增强应用分析

甘蔗病害的识别与检测是农业领域的一个重要课题。然而,在实际应用中,受限于光照环境的复杂性以及甘蔗病害样本的不足,传统的数据增强方法难以满足实际需求。为了解决这一问题,提出一种基于改进的生成对抗网络(Improved GAN)的复杂光照环境下甘蔗病害样本增强技术。该方法引入了自注意力机制和渐进式生成对抗网络(ProGAN),实现对甘蔗病害样本的增强。实验结果表明,与传统的数据增强方法相比,提出的方法能够有效提高甘蔗病害识别模型的泛化能力和准确率。

复杂光照条件下基于深度学习的人脸识别方法

由于传统方法在复杂光照条件下人脸识别的识别时间比较长、误识率较高,提出复杂光照条件下基于深度学习的人脸识别方法。首先,利用相机与灯光组合拍摄不同光照条件下人脸图像,建立复杂光照条件下人脸数据集。其次,对人脸图像进行对数转换、直方图均衡化以及自适应滤波处理。最后,建立深度学习网络模型,利用模型提取和识别人脸特征。分析实验可知,在复杂光照条件下,设计方法人脸识别时间在1 s以内,误识率在1%以内。

基于视觉传达的复杂光照图像虚拟重建设计研究

为了提升复杂光照图像虚拟重建后的效果,基于视觉传达对复杂光照图像虚拟重建进行设计研究。利用分水岭变换方法分割图像,通过分析图像的形状异质性,计算出光滑度差异值,将目标轮廓精准地从图像中分割出来,形成独立的图像个体,基于此,通过立体匹配对目标图像进行区域校准,利用视觉传达技术根据分割图像的位置和色彩,计算图像视觉表达灵敏度,进行虚拟重建,实现对复杂光照图像的修复。在实验论证中,对所提方法的重建效果进行了测试,结果表明,所提方法处理过的图像具有较高信噪比,能够较好地还原原始图像,对原始图像的还原率平均达到了94.41%,明显高于对比方法,说明总体重建效果较好。

应对复杂光照下的高精度表情识别方法

针对表情识别存在相似表情识别精度不高和不同光照下识别困难的问题,提出一种改进的双通道残差网络表情识别模型。通过改进局部二值化算子,改善复杂光照下难以提取到鲁棒特征的问题,通过改进注意力机制,改善全局特征提取能力;搭建特征融合网络,通过交叉实验获取对于不同数据集都鲁棒的特征融合系数;将中心损失引入设计联合算法提高相似表情之间的区分度。实验结果表明,该算法提升了相似表情的区分精度,对于光照具有更好的鲁棒性。模型在3个公开数据集上的准确率达98.53%、96.42%、94.24%。

复杂光照下LBP人脸识别算法的改进

针对复杂光照下人脸识别准确率低,改进了局部二值模式(Local Binary Patterns,LBP)算法。首先,以灰度对图像进行分层,在不同灰度层内提取LBP特征,根据某一分层上的特征分布及不同分层相同区域的特征相似度,确定该特征值的权重。其次,根据特征值的权重,动态调整尺度变换的窗口大小,合并权重较高的特征,减裁权重较低和无效特征,并构成新的直方图进行对比识别。最后,进行实验对比分析。实验结果表明,该算法可以有效地减少不同尺度变换中的特征计算量,且在复杂光照条件下更加有效地保留细节特征信息,减少干扰特征。

复杂光照环境下光伏阵列输出特性研究

为解决复杂光照环境下集中式光伏阵列最大功率点跟踪(maximum power point tracking,MPPT)的问题,采用太阳能光伏组件的电流方程以及电路分析的原理,对串、并联光伏组件的输出过程进行理论推导,总结出集中式光伏阵列处于复杂光照环境下的输出特性,建立1种复杂光照环境下集中式光伏阵列输出特性的仿真模型。通过计算机仿真以及系统实验,对集中式光伏阵列的输出特性曲线进行分析,仿真、实验结果与理论分析保持一致。

复杂光照环境下的车辆检测方法

提出一种用于复杂光照环境下的车辆检测方法,该方法在传统的假设验证框架下充分利用了先验知识和复杂光照背景下的车辆特征.在假设生成阶段,利用车辆边缘信息与车辆前部形状特征进行拟合来生成假设;在假设验证阶段,使用HOG特征作为描述子,结合SVM分类器完成假设车辆目标的验证识别.实验结果表明在复杂的光照环境中,本文方法能够有效检测出传统方法无法检测的目标,是对正常光照环境下车辆检测方法的有效补充.

复杂光照下的车牌图像二值化新方法

为解决车牌识别系统中,车牌区域由于受到光照过度、不足和不均等复杂光照的影响,使得车牌图像的二值化效果不理想的问题,文中提出一种复杂光照车牌图像的二值化新方法。根据国内车牌颜色特点,重新分配R、G、B颜色分量的权重来构造新灰度图,并设计不同颜色车牌灰度图转化的规则。采用全局和局部阈值相结合的双阈值方法实现车牌图像二值化,同时利用空域同态滤波进一步提高图像对光照的鲁棒性。实验结果表明,文中方法运算时间仅为传统方法的61.95%,同时能更有效地克服不均匀光照对车牌图像二值化的干扰,使二值图像的汉字和字符更清晰,鲁棒性更好。

基于多尺度韦伯脸和梯度脸的复杂光照下人脸识别研究

针对复杂光照变化影响人脸识别准确性的问题,提出了一种基于多尺度韦伯脸和梯度脸相结合的复杂光照下人脸识别方法。首先定义了能够有效描述人脸纹理结构的多尺度韦伯脸,一定程度上减弱了不同光照条件的影响;其次融合多尺度韦伯脸和梯度脸提取人脸光照不变量;最后利用SVM多类分类算法实现人脸识别。使用CMU PIE与Yale B人脸库进行验证,结果表明:提出的算法能够有效消除复杂光照变化对人脸识别的影响,即在光照极差情况下,单样本图像作为训练图像也可以有很好的识别效果,且识别率显著高于韦伯脸、多尺度韦伯脸和梯度脸。

复杂光照条件下的多姿状鲁棒性人脸识别方法

为改善复杂光照条件下的多姿状鲁棒性人脸识别的效果,提出了小波变换与LBP的多姿状鲁棒性人脸识别方法。通过二维离散小波变换对人脸图像进行二级小波分解提取到低频特征信息分量,并以重构初始图像的方式实现降噪滤波处理,滤除低频光照分量后完成复杂光照补偿;继续分解复杂光照补偿后的图像,采用LBP算子对子图像的鲁棒性部分纹理特征进行描述后,提取出人脸图像各子图像的直方图特征并连接,得到人脸LBP纹理特征,通过统计法运算该特征距离,并通过K近邻分类器实现人脸特征分类识别。以Yale-B与AR人脸库为测试对象,结果表明,所研究方法对复杂光照鲁棒性较强,识别人脸的准确率与效率较高,整体识别效果较好。

用于智能汽车的复杂光照环境车道线检测及跟踪方法

针对复杂光照环境的智能汽车行驶安全问题,提出一种车道线检测及跟踪的改进方法。在图像预处理阶段,应用灰度变换方法增大不同光照环境的车道线和道路对比度;用改进概率Hough变换方法提取二值化图像中的车道线;用最小二乘法进行车道线拟合;根据前一帧车道线检测结果建立Kalman滤波动态感兴趣区域,实现车道线准确跟踪。进行夜间光照、弱光照、强光照及正常光照等不同光照环境下的车道线检测和跟踪实验。结果表明:该方法的准确率约为97.53%,对于单帧车道图像的处理时间约为60 ms,具有较好的准确性和实时性,并具有抗路面阴影、交通标志、车辆遮挡、路灯等因素干扰的能力。

面向人脸识别的复杂光照下图像细节增强算法

为了提高在光照过度、不足或不均等复杂光照条件下的人脸识别率,提出一种复杂光照条件的人脸图像细节强化算法。首先采用对数和非线性变换对人脸图像动态范围进行压缩;然后利用反锐化掩模滤波算法消除图像模糊,增强人脸图像细节信息;最后采用Adaboost算法建立人脸分类器,并采用Yale B人脸图像数据进行仿真测试。仿真结果表明,该算法解决了复杂光照条件对人脸图像的不利影响,并进一步提高了人脸识别率。

复杂光照下变电站指针式仪表图像自动识别研究

在无人巡检变电站中光照环境复杂,巡检机器人拍摄的照片总会出现光照不均匀现象,为消除复杂光照对图像识别的影响,首先使用基于Retinex理论的自适应Gamma增强算法去掉仪表图像不均匀光照的影响,使图像亮度均衡,然后使用双阈值算法对图像二值化,再进行骨架化处理,用Hough变换对指针提取,最后用查表法读取仪表示数。试验表明,使用该算法能有效克服不均匀光照的影响,二值化效果良好,指针仪表示数读取准确率提高。

面向无人机作战的复杂光照环境下小目标检测方法研究

针对复杂光照环境下无人机作战的小目标难以检测问题,以引入注意力机制的YOLOv5s-Se模型为基础,设计了基于Ghost模块与形状损失函数的YOLOv5s-Se_Point改进模型。该模型首先引入形状特征损失函数,提高对小目标形状特征的提取能力。然后,使用Ghost模块替换网络Backbone中的卷积模块,以提高识别速度,降低模型尺寸。通过设置模拟作战场景进行实验,结果表明YOLOv5s-Se_Point相对于YOLOv5s和YOLOv5s-Se模型,在准确率和检测速度上具有一定优势,可以有效地改善复杂光照环境下传统算法的缺陷,提高算法的鲁棒性,实现对复杂光照环境下小目标的有效识别。

复杂光照下人脸检测算法的研究

随人脸识别是一个具有广阔应用前景和极富挑战性的研究课题,作为自动人脸识别系统的第一步,快速有效的人脸检测至关重要。然而现有的人脸检测算法在复杂光照下的检测效果并不理想。本文针对人脸检测存在的问题,在如下两方面做了改进:(1)针对Adaboost算法造成的误检测.本文提出了Adaboost+肤色算法,大大降低了误检率。(2)针对复杂光照的影响,提出了一种改进的"参考白"算法。实验表明,该算法能很好的应用于复杂背景条件下的人脸检测。

复杂光照条件下串联光伏阵列特性研究及最大功率跟踪

分析复杂光照条件下旁路二极管的接入对串联光伏阵列输出特性的影响,根据单个光伏模块的数学模型,导出复杂光照条件下串联光伏阵列的数学模型;通过对各种光照条件下串联光伏阵列输出特性的分析研究,总结U-I曲线中呈现恒流源特性的电压区间与不同光照之间存在的关系,提出一种在复杂光照条件下快速追踪串联光伏阵列最大功率点(maximum power point,MPP)的算法,算法能够在复杂光照导致的多个MPP中确定全局最大功率点(global maximum power point,GMPP)。仿真表明,提出的算法能够识别阵列是否处于复杂光照情况下并快速追踪到GMPP。