基于改进概率霍夫变换的车道线快速检测方法

车道线是行车安全的重要参考。为提高无人驾驶行车过程中车道线检测的准确性和实时性,提出一种基于改进概率霍夫变换的车道线快速检测方法。首先对获取的图像进行感兴趣区域提取,根据车道线颜色的特殊性,合理选取三色通道的比值对图片进行灰度化,为增强阈值处理的鲁棒性,采用大津二值化法对灰度图像进行二值化,由于Canny算子具有良好的定位边缘的能力,本次边缘提取算子选取为Canny。接着分别从车道线长度、角度、车体和车道宽度4个方面提出4点约束条件对该算法加以改进,剔除干扰线和伪车道线,最后通过线性回归法拟合出正确车道线。实验结果表明,该算法在快速检测车道线的同时保证了检测的准确率,并将实验结果与其他算法进行比较,证明了该算法的实时性和准确性优于其他算法。

基于图像处理技术的高鲁棒性角膜曲率测量方法

为了解决现有角膜曲率测量方法的低适应性问题,提出了一种新的人眼角膜图像处理方法。首先,对相机接收到的角膜图像进行归一化处理,通过阈值化处理与闭运算提取出只含角膜瞳孔区域的二值化图像;然后,利用大津法Otsu二值化对原始角膜图像进行处理,减去瞳孔外部的最大连通区域,利用所得二值化图像与只含瞳孔区域的图像求积,提取出靶环的像,滤除图像噪点对靶环拟合的干扰;最后,实现系统对靶环的拟合,获得高精度的角膜曲率半径。实验结果表明,该方法可以很好地滤除图像噪点,精确地提取出靶环特征,具有较高的鲁棒性,系统测量的角膜曲率精度达±2μm。

基于Visual Studio的细胞图像预处理及特征统计

针对如何有效地从细胞形态图中提取特征指标,与其他细胞形态图形区分开来,判别细胞是否产生病变。细胞图像经过色度区间法、平滑处理、二值化、孔洞填充、去噪声的预处理,再对细胞图像的区域标记,进行形状因子、宽长比、矩形度、紧凑度、重心位置的形态学计算,BP神经网络作为识别算法,通过Visual Studio程序的处理,提供统计数据,作为病理诊断的一项重要依据。