基于多尺度Retinex的激光雷达图像自适应增强方法

激光雷达图像容易受到外界因素影响,造成细节丢失、边缘模糊、噪声过多等问题,因此,提出基于多尺度Retinex的激光雷达图像自适应增强方法。利用线性变换法则和硬阈值法预处理低频激光雷达图像,完成图像边缘细节处理,引入多尺度Retinex增强算法还原图像内实物的自身真实特征,凸显图像层次信息,仿真对比实验证明,应用本方法进行增强后,图像最大灰度值为150,PSNR值始终保持在80 dB之上,图像的清晰度增强,噪声明显减少,图像的对比度明显提升,图像边缘轮廓明显,证明该方法能够有效增强激光雷达图像的效果。

基于视觉传达的激光雷达图像目标检测方法

由于激光雷达图像目标检测的过程中,没有将背景和目标区分开,导致图像目标检测的精度较低,检测时间较长,检测效果较差,为此提出基于视觉传达的激光雷达图像目标检测方法。通过置信滤波方法对激光雷达图像实行预处理,划分激光雷达图像的背景区域和目标区域,将目标区域输入到基于视觉传达技术的视觉特征提取器中,提取图像目标区域特征,采用多核学习理论优化支持向量机,将提取的图像特征输入优化后的支持向量机中,实现激光雷达雷达图像的目标检测。实验结果表明,所提方法的检测效果好、检测精度高、检测时间短。

无人机载激光雷达图像斑点噪声滤波方法

为了保证激光雷达图像完整,抑制无人机载激光雷达图像斑点噪声,提高激光雷达图像质量,提出无人机载激光雷达图像斑点噪声滤波方法。利用自适应联合双边滤波算法修复激光雷达图像中存在的空洞,提高激光雷达图像的完整度,通过二次噪声检测方法检测激光雷达图像中存在的斑点噪声,构建冲击各向异性滤波模型,利用该模型完成无人机载激光雷达图像斑点噪声的滤波处理。实验结果表明,所提方法的均方根误差低于0.02,其熵在0.20以上,散斑指数最高可达9.9,所提方法具有良好的滤波效果和斑点噪声抑制能力。

基于中值滤波的激光雷达图像边缘特征提取方法

激光雷达图像的目标识别依赖于图像本身所反映的目标信息,由于原始激光雷达图像中存在着一定的噪声,导致图像不能清晰反映边缘特征,为了获取准确的目标特征信息,研究基于中值滤波的激光雷达图像边缘特征提取方法。定标处理激光雷达图像,避免出现干涉相位解缠绕的现象;基于中值滤波消除图像噪声,保留边缘特征信息;通过激光雷达图像边缘检测,获取图像中每个位置中心像素的梯度;提取图像边缘特征,融合探测器算子,完成特征提取。经实验论证分析,以PCA+SVM方法、NFM+HMM方法和LDA+SVM方法作为对照,本方法能够有效排除噪声干扰,在降噪处理和边缘特征保留之间取得了较好的平衡;在不同噪声条件下的特征定位误差均未超过0.10像素,精度较高,同时在边缘特征提取时间中的优势最为明显,证明本方法具有可行性。

基于改进YOLOv3的无人机机载激光雷达图像目标定位方法

为提升无人机机载激光雷达图像小目标定位的精度,提出基于改进YOLOv3的无人机机载激光雷达图像目标定位方法。基于MCA算法分割激光雷达图像信息,通过包含脊小波字典的稀疏表达重新构建图像信息,达到去除目标图像噪声的目的;通过变化检测技术分离目标区域聚类信息,将目标区域从背景区域中分离;将目标区域输入到优化后的YOLOv3算法中完成无人机机载激光雷达图像目标的定位。实验结果表明,所提算法的定位精度为95.1%,定位耗时平均为20.6 s。

基于深度卷积神经网络的激光雷达图像轮廓线提取方法

为提高地物轮廓线提取精度,提出深度卷积神经网络的激光雷达图像轮廓线提取方法。采用深度卷积神经网络进行目标点云识别,利用激光雷达点云数据构建不规则三角网,采用不规则三角网法向量方法检测激光雷达图像边缘点,搜索初始角点,通过角度阈值判断是否为伪角点,确定最终角点集合,采用变权重最小二乘法拟合激光雷达图像轮廓线。实验结果表明:该方法提取的激光雷达图像轮廓线误差小,轮廓线可以含全部边缘点,角点坐标最大偏差和占地面积相对误差低、点云贡献率高,轮廓提取效果突出。

基于RBF神经网络的激光雷达图像滤波融合算法

单一算法对激光雷达图像的滤波很难达到实用的理想效果,本文分析了激光雷达图像的噪声特点和各种滤波算法的优势,提出一种基于RBF神经网络的激光雷达图像滤波融合算法,仿真的结果显示了该算法能够在噪声抑制和信息熵保持两个方面都能达到很好的效果。

自适应Wiener滤波改进LOG算子对激光雷达图像的边缘检测能力

LOG算子是一种经典的边缘检测算子,针对激光雷达图像含有丰富的高斯噪声和乘性噪声干扰。提出一种LOG算子的改进方法:用二维自适应Wiener滤波代替LOG算子中Gaussian滤波。设计了自适应性算法,通过仿真可以看出,该方法有效提高了LOG算子对激光雷达图像的边缘检测能力,是一种实用、有效的方法。

基于小波变换的激光雷达图像融合研究

为了获得更好的激光雷达图像融合效果,提高图像融合质量,提出一种基于小波变换的激光雷达图像融合方法。首先采用小波变换对激光雷达图像进行分解,得到不同频率的小波系数,然后对低频小波系数进行加权,选择高频小波系数实现激光雷达图像融合,最后采用仿真实验对其性能进行分析。结果表明,相对于当前经典激光雷达图像融合方法,本文方法的激光雷达图像融合结果的主观和客观质量均更优,完全可以满足激光雷达图像实际应用的需求,具有较高的实际应用价值。

基于梯度图像法的激光雷达图像融合滤波算法

为了有效消除激光雷达图像斑点噪声的干扰,针对单一滤波算法的不足,提出一种基于梯度图像法的激光雷达图像滤波融合算法。分析激光雷达图像的噪声特点,综合Lee滤波和小波滤波的优势,该算法利用图像的梯度图像来判断斑点噪声隶属于信号区域还是边缘区域,在边缘点采用小波阈值滤波的结果,在信号区域选择Lee算法的结果达到最好的滤波目的。仿真试验的结果表明:该算法具有很强的散斑噪声抑制能力,能够在噪声滤波和图像信息保持2个方面都能达到很好的效果。

模式识别在激光雷达图像分析识别中的应用

针对当前激光雷达图像识别精度低的难题,提出了基于向量机的激光雷达图像识别方法。首先对激光雷达图像进行预处理,重构模糊视觉特征,提取显著像素点特征,然后以激光雷达图像的显著像素点特征作为分类器输入数据,利用模式识别算法—支持向量机分类器进行模式识别,实现对激光雷达图像的特征分类和准确识别,最后实验结果表明,该方法的激光雷达图像分类识别准确度高于传统方法。

基于查找表的激光雷达图像快速绘制算法

传统雷达图像的绘制一般采用直接的实时坐标变换算法,这种算法效率较低,而且无法从根本上解决雷达图像的死地址和显示盲区现象。根据激光雷达特点以及图像绘制需求,设计并实现了一种基于查找表的激光雷达图像快速算法,能大大提高激光雷达图像的绘制速度,并能够较好地解决图像的死地址和显示盲区现象。

基于激光雷达图像分析的植被退化特征提取

针对植被退化特征提取一直存在不准确,提取误差大的问题。传统的特征提取方法,主要通过分析植被退化的原因,及植被图像特征分析相结合,提取植被退化特征,导致当特征不明确或不显著时,无法准确的提取植被退化特征。提出基于激光雷达图像分析的植被退化特征提取方法,分析激光雷达图像采集原理,以此为基础,采用激光雷达技术采集植被图像,并对图像噪声特性进行分析,采用Frost滤波法对激光雷达图像散斑噪声进行滤除,通过轮廓分析法,提取植被退化特征。实验结果证明,采用改进的方法进行植被退化特征提取,相比传统的提取方法其准确度较高,具有一定的实用性。

基于相位梯度自聚焦算法的激光雷达图像补偿

传统激光图像补偿方法,通过高斯建模各帧激光图像单时间通道的回波,减小噪声干扰,没有考虑回波中的杂强波,且过程较为复杂、图像补偿效果差。提出基于相位梯度自聚焦算法的激光雷达图像补偿方法,通过三维坐标系内分解振动、泰勒级数展开等过程计算振动导致的激光雷达图像的相位误差,使用相位梯度自聚焦图像补偿算法,通过循环移位、加窗、估计相位梯度和迭代补偿四个过程实现激光雷达图像补偿。经实验证明,所提方法确保有效补偿激光图像的同时,相位误差结果估计的偏差低于0. 01 rad,CPU占用率和内存占用率分别是8. 65%和3. 24%,且效率高于其他方法,说明所提方法能够高效、准确的补偿激光雷达图像。

星载三维激光雷达图像场景非畸变重建

星载三维激光雷达图像在重建过程中会发生畸变,为了解决这一问题,提出一种星载三维激光雷达图像场景非畸变重建技术。在激光透射空间中对采集的动态场景图像进行网格区域分割,在不同透射率的网格区域中进行图像的动态特征融合处理,提取激光图像动态场景的亮度和色差特征信息,消除畸变影响。最后进行实际动态场景重建的试验测试,结果表明,采用该方法进行动态场景重建,输出图像的动态特征点的匹配性较好,图像输出信噪比较高,说明重建质量较好,无畸变。

三维激光雷达图像

美国麻省理工学院林肯实验室研制出一种三维成像激光雷达系统，该系统具有单光子灵敏度、3cm范围的深度精度、可调的角分辨率和128×128个像元。据参与这种激光雷达研制工作的有关人员称，该系统在理念上有点像数字式闪光摄像机，但用以照明的却不是闪光灯，而是一种短脉冲激光器。

面向高机动目标检测的激光雷达探测图像分角域识别方法

高速移动和快速变换的运动模式容易导致目标模糊,从而无法准确识别目标的轮廓、形状和位置。为此,提出了面向高机动目标检测的激光雷达探测图像分角域识别方法。首先,通过邻域范围内像素点距离异常检测,去除激光雷达探测图像中的噪声和异常信号;然后,利用L-R算法解决目标高速移动造成的图像模糊问题;最后,采用基于互信息的自适应角域划分方法将图像分割成不同的角度域,并通过卷积神经网络在各角域中进行高精度目标识别,以实现高机动目标激光雷达探测。实验结果表明,该方法能够有效去除高机动目标造成的激光雷达探测图像模糊现象;相较于其他传统方法,该方法的目标识别率和全类平均精度较高、单图识别平均耗时较低,具有良好的识别效果。

图像级激光雷达在收费站入口超限检测的应用

自高速公路取消省界收费站后,货车收费由计重收费转变为入口治超与按型收费的模式。入口治超成了货车进入高速公路行驶的一道关卡,系统的应用有效防止了超载、超限车辆进入高速公路。基于此背景,本文重点阐述图像级激光雷达在收费站入口超限检测系统中的应用。系统部署时,将图像级激光雷达轮廊检测系统安装在高速公路收费站入口广场或匝道处,对即将进入高速公路收费站的车辆在自由流状态下进行尺寸检测,确保“超限”车辆在进入收费站之前进行劝返。旨在提升超限运输的防控能力,保障交通安全和公路基础设施的完好性。

激光雷达含噪图像边缘检测算法比较

边缘检测是激光雷达图像处理的重要组成部分,其性能直接影响整个雷达系统的精度和性能。对Sobel、Kirsch、LOG、Canny、参数检验算子等边缘检测算法原理及其性能参数进行了分析和比较,并且对含有散斑噪声的激光雷达图像边缘检测进行了实验研究,结果表明,参数检验算法在受散斑噪声影响的图像中的检测性能较好。

基于概率支持向量机的激光雷达风切变图像的识别

针对标准支持向量机在激光雷达风切变图像识别中无法提供后验概率这一问题,从有监督聚类的角度,提出一种基于FCM的概率支持向量机识别方法.先利用灰度-梯度共生矩阵提取激光雷达风切变图像的纹理特征,再利用支持向量机确定分类面,最后利用条件约束和FCM确定各类样本距离分类面的概率分布.实验结果表明,该算法对3种风切变的整体识别率可达到95.52%,与两种同类算法相比,识别率分别提高了1.27%和1.21%.