基于Beamlet和K-means聚类的车道线识别

为了解决视频车道线识别中抗噪性差和鲁棒性低的问题,提出一种基于新的特征提取和分类的快速车道线识别算法。算法首先对预处理后的灰度图像进行改进的Beamlet变换,然后对Beamlet的中点集合运用改进的K-means方法进行聚类分析,最后对每类的中点集合分别进行基于3阶贝塞尔曲线的RANSAC拟合后可以准确地提取出车道线。通过简化Beamlet词典与快速提取Beamlet基,加快了Beamlet变换的计算速度;通过寻找最佳投影线与多次迭代聚类中心来改进K-means聚类,解决了曲线车道线和车道线数目的聚类问题。实验证明,对于结构化或非结构化的道路环境,提出的算法都具有很好的可靠性、实时性和鲁棒性。

Beamlet变换与多尺度线特征提取

beamlet变换是Donoho提出的一种多尺度分析的有效工具.本文提出一种离散beamlet变换的快速算法,利用二进方块中线段的对称、平行等性质减少了求离散beamlet基上象素点坐标的计算量.对利用复杂度惩罚能量进行多尺度线特征提取的方法做了改进,建立了二进方块最大beamlet能量的二尺度关系,并提出一种阈值化最大beamlet能量方法,避免了惩罚因子选取的困难,使线特征提取结果更清晰.

基于Beamlet变换的线特征检测

线特征是图像的重要特征,其检测效果直接影响模式识别和分类。基于调和分析的思想,给出一种带有方向信息的多尺度的Beamlet基,对图像进行Beamlet变换。试验结果表明,该线特征检测方法不仅能提取无噪声图像中的直线和曲线,而且对强噪声图像中的直线和曲线提取效果也很好。

利用Beamlet变换算法提取遥感图像线性特征

利用一种Beamlet变换算法来提取遥感图像中的线性特征,通过对遥感图像按二进、递归进行划分,利用灰度信息,积分计算每一小块图像中的Beamlets,结合梯度信息,通过广义似然比检验GLRT(generalized likeli-hood ratio testing)来检测判断符合条件假设的Beamlets,重建线性目标。此算法可以克服图像中的干扰及噪声,适应复杂、低信噪比遥感图像环境,准确地定位出直线。实验结果表明,该算法具有较好的性能,可以应用到实际的遥感图像处理中,具有实用价值。

基于线奇异性分析的图像边缘检测方法

针对基于图像像素点分析的边缘提取方法存在无法同时满足高抑噪性、连续性、定位性等问题,本文提出了方向Beamle变换(DBT)方法,在定义图像线奇异性的理论基础上,利用DBT对图像进行线奇异性分析,依据Beamlet变换具有的线段提取能力,将图像边缘检测问题转化为方向Beamlet变换系数矩阵中奇异点的检测问题,以降低噪声点对边缘检测结果的影响。通过对人工图像以及SAR图像的实验,与经典边缘检测算子相比较,验证了本方法具有较强的抗噪性,特别是针对直线边缘,在抑制噪声影响的同时保证了线状边缘的直线连接性,抗噪性较强。

基于加速区域卷积神经网络的高铁接触网承力索底座裂纹检测研究

针对高速铁路接触网支撑结构中承力索底座裂纹的问题,提出一种利用加速区域卷积神经网络与Beamlet变换相结合的图像检测方法。该方法使用加速区域卷积神经网络实现对承力索底座在待检测图像中的识别定位,然后根据定位的承力索底座图像特点,通过Radon变换等预处理操作对承力索底座疑似裂纹区域精确定位,最后使用基于Beamlet变换的局部链搜索算法快速得到裂纹信息,实现承力索底座裂纹故障的可靠诊断。实验表明:该方法能在复杂的接触网支撑与悬挂装置图像中准确定位识别承力索底座裂纹故障,对拍摄距离、拍摄角度以及曝光度等因素具有很好的适应性,且具有较高的检测效率。

利用Beamlet变换算法提取遥感图像直线

遥感图像处理中,直线特征是一种极为重要的特征,能够提供重要的视觉感知线索。本文利用一种Beamlet变换算法来提取遥感图像中的直线特征,通过对遥感图像按二进、递归进行划分,利用灰度信息,积分计算每一小块图像中的Beamlets,结合梯度信息,通过广义似然比检验GLRT(Generalized Likelihood Ratio Testing)来检测判断符合条件假设的Beamlets,重建目标直线。此算法可以克服图像中的干扰及噪声,适应复杂、低信噪比遥感图像环境,准确地定位出直线。实验结果表明,这种算法具有较好的性能,可以应用到实际的遥感图像处理中,具有实用价值。

基于Beamlet变换的路面裂缝图像匀光算法

为解决路面病害检测过程中在不同光照条件下裂缝识别可靠性的问题,Beamlet变换提供了一种多尺度分析算法.该算法采用递归二进法将图像分块,利用在所有像素尺度下的Beamlet线段逼近裂缝,将裂缝从图像背景中分离,并采用插值函数均匀光照背景.在图像裂缝提取过程中,对图像中裂缝的线性提取可以有效地滤除噪声,提高裂缝提取的准确性.较传统的图像处理算法,该算法在准确地检测路面裂缝,均匀光照背景的同时有效地抑制了噪声干扰,检测效果良好,且运算速度快.均匀的路面背景为路面裂缝图像的定性、定量分析奠定基础.

基于Beamlet的图像线特征提取方法

提出一种基于Beamlet变换图像线特征提取方法。用基于方向窗的方向滤波突显图像中不同方向的线特征,通过阈值处理将灰度图像转换为一组二值图像,利用逻辑或运算融合成一幅图像,用Beamlet变换从融合图像中提取图像的线特征和曲线特征。实验结果表明,在信噪比很低的情况下该方法能够得到满意的结果。

工业CT含噪图像中的裂纹探测

提出一种基于快速Beamlet变换的工业CT含噪图像的裂纹探测方法。首先,分析图像在单尺度下的Beamlet组成以及Beamlet间的相互关系,设计出一种快速Beamlet变换。基于快速Beamlet变换,引入一个关于吻合度的控制量,并结合Beamlet自身的多尺度树型结构,采取"自上向下"寻找目标函数最优值的思路,得到裂纹的探测结果。最后,结合探测结果的相邻区域的像素特性,提取出含噪裂纹的区域边界。分别对含有裂纹的CT图像,以及叠加方差为0.1的高斯白噪声图像,叠加强度为0.1的椒盐噪声图像进行探测实验。结果表明,与基于Laplace、Canny或小波的探测方法相比,该方法能有效探测到工业CT含噪图像中的裂纹。因为Beamlet是以线基的方式分析图像数据,所以该方法对噪声干扰具有很好的抑制能力,成功实现了工业CT含噪图像中的裂纹探测。

基于线特征和控制点的可见光和SAR图像配准

以具有典型人造目标的可见光和SAR(Synthetic aperture radar)图像为研究对象,提出一种自适应多尺度快速Beamlet变换方法提取人造目标在可见光和SAR图像的共有特征—线特征,并基于线特征构造控制点,设计了一种基于控制点特征的匹配度函数,采用基于特征一致的粗配准和基于控制点的精确配准方法,对待配准图像实现由粗到精的自动配准.实验表明,在可见光和SAR图像存在较大灰度差异、旋转和平移的情况下,该算法仍然能够精确配准图像.

基于Beamlet变换的直线特征提取

提出了一种基于Beamlet变换的算法,克服了图像中的各种干扰及噪声,试验结果表明其具有较好的实用价值。

基于Wedgelet变换的图像边缘检测

边缘是图像的重要特征,其检测效果直接影响模式的识别和分类。基于调和分析的思想,作者给出一种带有方向信息的多尺度的Wedgelet基,对CT图像进行边缘提取。实验表明,此方法检测边缘效果很好。

一种基于Beamlet变换的图像线性特征检测方法

提出了一种基于Beamlet变换的新型特征检测算法,可检测出任何方向、任何位置、任何长度的线性信息,且线性特征的完整性和准确性都得到了很好的保持。检测结果在视觉角度和实际应用方面都具有很好的效果,明显优于一些传统的检测算法,具有良好的应用前景。

Beamlet变换提取线特征的改进算法

文章首先利用二进方块中Beamlet基的对称、平行等几何性质对离散Beamlet基进行分类;然后通过定义一个新的二进方块统计量和建立一个新的能量函数,对Beamlet变换方法中利用BD-RDP提取线特征的算法进行改进。通过实验对比,该算法进一步减少了运算量,提高了线特征提取的速度,且对复杂结构图像中的线特征提取效果更为清晰。

一种基于Beamlet变换的线特征提取方法

线特征提取对于自动目标识别有重要作用。给出一种基于二进的、多尺度的Beamlet变换提取图像中线特征的方法。先通过线积分计算各分块的Beamlet变换,再利用广义似然比检验寻找保留符合条件的Beamlet,提取线特征。通过实验表明,算法可以克服噪声干扰,能够有效地提取强噪声仿真图像和实际道路图像中的线特征。

基于离散Beamlet变换的线特征检测算法

提出一种基于离散Beamlet变换的快速新型线特征检测算法,可检测出任意方向、位置、长度的线性信息,并使线性特征的完整性和准确性都得到很好的保持。给出一种带有方向信息的多尺度的Beamlet基,利用Beamlet多尺度分析的思想,对传统的基于Bresenham直线生成的算法进行改进,通过设计偏差函数与优化的二进递归分解结合,对图像进行快速离散Beamlet变换。通过简单算法对图像的线特征进行提取,实验验证了该方法使用效果优于其他传统特征检测算法。

基于MSTO的含噪声多传感器图像融合算法

为了解决在含噪声多源传感器图像融合中,常规滤波存在图像边缘缺失、对比度差的缺点,提出了一种基于多尺度顺序开关算子(multi-scale sequential toggle operator,MSTO)和Beamlet保边滤波算子的含噪声红外与可见光图像融合算法.首先,将多源图像通过MSTO进行多尺度分解,得到能量分量和细节分量.对于细节分量采用Beamlet保边滤波算子进行处理,保持图像边缘细节的同时滤除噪声,采用MSTO计算出能量图像的亮边缘和暗边缘并融合叠加到细节分量中,进一步增强融合图像的边缘.对于能量分量采用基于灰度值取大的融合规则.最后根据MSTO反变换对融合后的能量分量和细节分量进行重构,得到结果图像.实验结果表明,融合后的图像不但滤除了噪声,而且对轮廓和边缘细节得到较完整的提取和增强.该图像融合算法在含噪声多源传感器的融合中取得较好的效果.

Beamlet分析的药柱裂纹图像边缘检测方法

在分析某固体火箭发动机推进剂药柱裂纹图像自身特点和传统边缘检测方法局限性的基础上,将Beamlet高维奇异几何分析工具应用于裂纹图像的边缘检测中,并给出线段的长度和斜率的Beamlet基链的近似计算公式。首先对图像进行分割,以提取裂纹区域;然后对已分割的图像进行四叉树分解,以最佳划分图像;最后对图像子块进行Wedgelet变换,筛选出最优Beamlet基作为边缘显示出来。结果表明,能够在检测出裂纹边缘的同时给出边缘的位置、长度、方向等更具体的几何信息,这将为药柱结构完整性研究和药柱裂纹图像计算机辅助分析打下基础。

基于小波和Beamlet变换的图像线特征提取

Beamlet变换是多尺度几何分析的有效工具之一。本文提出了一种基于小波变换和Beamlet的图像线特征提取算法,利用小波变换凸显图像的线特征,再通过Beamlet变换提取图像线特征,实验结果表明了该方法有效。