基于LSD和FLD融合的道路裂缝图像预处理方法研究

针对道路中的路标、路沿等直线类干扰物影响道路裂缝识别的问题,提出一种基于LSD(Line Segment Detector)和FLD(Fast Line Detector)融合的道路裂缝图像预处理方法。首先,基于LSD算法和FLD算法对裂缝图像进行直线检测,获取直线类干扰物的线段坐标值;其次,根据直线检测算法返回的线段坐标值进行断线重连,解决了直线检测算法提取线段不连续的问题;最后,根据线段重连后获取的直线类干扰物的掩膜图和裂缝图像原图,运用FMM(Fast Marching Method)图像修复算法达到消除直线类干扰物的目的。经过大量实验分析可得:该方法能够有效地消除裂缝图像中的直线类干扰物,使得裂缝检测的准确率提升了7.1%。

基于LSD检测的无人机视觉着陆定位算法

针对复杂电磁干扰和拒止环境下固定翼无人机自主着陆的应用场景,提出了一种基于LSD的无人机视觉着陆定位算法,通过检测跑道的左右边线以及起始线对无人机进行定位;根据机场跑道的形态学特征,构建机场跑道数据模型,并对实验所用相机进行标定,采用灰度化和高斯滤波对采集到的图像进行预处理,采用LSD直线检测算法以提取跑道的直线特征,设计几何滤波策略从直线特征中提取出跑道的三条边线,采用蒙版技术以提高检测算法的抗干扰能力;根据相机成像原理推导出基于线检测的PNP定位算法,通过检测得到的机场跑道线在像素坐标系下的位置信息求出无人机相对于跑道的三维位置;分别在视景仿真环境和真实机场环境进行检测和定位解算,结果满足无人机着陆定位实时性和准确性的要求,从而验证了视觉着陆定位算法的有效性。

基于背景抑制与改进多尺度LSD的声呐小目标检测算法

针对声呐小目标检测由于水下环境复杂、目标回波信号弱等因素造成虚警率和误检率较高的问题,文章提出基于背景抑制和改进直线分割检测(Line Segment Detection,LSD)的检测算法。首先对原始声呐数据截取序列片段,构建多周期累积历程图,凸显运动目标轨迹线特征;其次设计边缘滤波算子,有效滤除部分背景噪声,并结合投影变换进行线特征增强,不仅实现了断裂直线重连,还抑制了剩余噪声;然后基于图像金字塔改进了多尺度LSD直线分割检测算法,有效缓解了过检测问题,大幅增加了直线平均长度;最后为了合并冗余检测信息,利用运动轨迹时空一致性特征设计后处理模块,提高了检测定位精度。通过多组无人遥控潜水器(Remotely Operated Vehicle,ROV)、潜水员、空心球靶小目标序列的湖试、海试数据的定量与可视化结果定性分析,实验结果显示,文中算法与传统LSD相比,误检率和漏检率分别降低了11.2和3.9个百分点,定位误差下降了1.495个像素。结果表明,文中所提算法大幅提高了声呐小目标检测精度,为后续水下目标识别、跟踪等任务奠定重要基础。

基于LSD算法的无人机航空影像电力线检测方法研究

利用无人机影像进行电力线安全巡检以及后期维护等工作是目前的主流工作方式。传统的利用边缘检测算子进行电力线提取的方法在面对复杂背景地物时稳定性较差。本文针对这一问题,提出了基于LSD直线检测算法的电力线提取方法。首先通过影像预处理,排除噪声影响。根据电力线影像特征,调整LSD算法参数,获取待定电力线直线段。然后采用斜截统计筛选的方法,将不满足斜率与截距阈值的直线段剔除,进一步精确定位电力线直线段。最后采用最小二乘法拟合完整的直线,获取最终的电力线提取结果。实验结果表明,本文算法电力线提取效果优于Canny、Sobel、Prewitt以及Roberts算子检测结果,可以很好地抑制复杂背景地物对提取结果的影响,一定程度上节省了电力工程项目成本,提高了工作效率。

基于LSD聚类拟合与KF的轨道检测算法

针对传统无人机巡检中视觉轨道识别的识别效率低、精度差的问题,提出了一种基于LSD的约束聚类拟合与卡尔曼滤波相结合的轨道线检测算法。首先针对由于镜头视角造成的视角畸变,采用IPM算法矫正,并通过LSD算法检测出轨道轮廓,在轨道间距约束将LSD检测结果进行聚类并进行最小二乘拟合得到轨道直线。然后根据轨道几何特征和无人机动力学特性建立数学模型,并结合卡尔曼滤波器对轨道坐标信息进行跟踪估计,以保证算法的稳定性和鲁棒性。采用无人机采集多个场景的轨道图像作为测试样本,对检测算法与其他算法进行对比实验。实验结果表明,本文轨道识别算法优于其他算法,其轨道准确识别率达到92.49%,识别速率达到23frame/s,满足轨道检测的稳定性和实时性要求。

基于直线段检测和LT描述符的矿井图像线特征匹配算法

图像匹配是同步定位与地图构建(SLAM)技术中极为重要的一环,用于根据图像之间的变换关系确定相机位姿。基于线特征的图像匹配方法具有较强的鲁棒性和抗噪能力,更加适用于井下图像匹配,基于深度学习的线描述符对线段遮挡等场景具有较高的鲁棒性,性能优于传统描述符,但卷积神经网络架构的描述符将可变长度线段抽象为固定维进行描述,不利于线段长度及视差变化较大图像的匹配。针对上述问题,提出一种基于直线段检测和线描述符的矿井图像线特征匹配算法。在频域利用单参数同态滤波降低图像的照射分量,并增强反射分量,提升亮度及对比度;在YUV空间利用对比度受限的自适应直方图均衡化(CLAHE)算法对亮度分量进行均衡,使亮度分布更加均匀;变换至RGB空间提取直线段检测(LSD)线,引入一种基于Transformer架构的LT描述符构建LSD线的特征向量,最后完成线特征匹配。实验结果表明:该算法结合了同态滤波和CLAHE算法的优点,增强后图像的亮度适中,对比度良好,灰度分布均匀,增强效果优于单参数同态滤波算法、EnlightenGAN算法;该算法提取的线特征数较原图平均提升了32.92%,在不同相似纹理占比、不同程度旋转与平移变化的井下图像匹配中鲁棒性好,平均正确匹配数为61.75对,平均精度为86.83%,优于线二进制描述符(LBD)算法、LBD_NNDR算法、LT算法,能够满足矿井图像稳健匹配的需求。

基于改进LSD直线检测算法的钢轨表面边界提取

针对传统LSD直线检测算法容易丢失图像细节,造成提取直线不连续等不足,提出一种基于双边滤波改进Canny提取边缘图像的LSD直线检测算法。利用Canny算法提取边缘图像,基于边缘图像采用LSD直线检测算法进行直线提取;考虑到Canny边缘检测中使用高斯滤波,在降噪的同时会模糊图像边缘,而双边滤波对于图像边缘有较好的保护作用,采用双边滤波代替Canny边缘检测中的高斯滤波进行边缘图像提取。同时,将基于双边滤波改进Canny提取边缘图像的LSD直线检测算法应用到钢轨表面边界提取中。实验结果表明,改进LSD直线检测算法对钢轨表面边界直线提取效果较佳,相关评价指标得到较大提升,正常钢轨图像和锈迹钢轨图像的峰值信噪比分别提升6.49%和13.58%,为后续钢轨表面缺陷识别奠定了基础,具有一定的实用价值。

基于直线生成的卷积霍夫线段检测

直线检测作为计算机视觉的上游任务,为下游包括工业视觉、遥感图像分析等任务提供支撑。直线检测的一大方向是霍夫直线检测,但现有霍夫检测基于近似原理设计计票器,直线检测准确度不高。为提高霍夫变换线段检测的准确度,利用卷积改进霍夫直线检测的计票器并提出基于直线生成的卷积霍夫线段检测方法。利用中值滤波对原始图像中的复杂纹理平滑处理后检测图像中的边界;通过按位异或卷积去除边界检测结果中的噪点并保留候选的线段端点;将候选的线段端点两两组合并使用布雷森汉姆算法进行线段生成,由利用卷积改进的计票器判断生成的线段是否存在于边界上;确认端点所构成线段位于边界后求取端点对之间的参数并合并参数相似的加检测结果,得到最终线段检测结果。对比实验中该方法的F1指标为0.7626,优于对比方法中最高的0.6523,证明该方法保留了霍夫变换较高鲁棒性的同时提高了检测结果的准确性。

基于YOLOv7和图像分块的车道线破损检测算法

提出了一种结合YOLOv7和图像分块的车道线破损检测方法。首先,利用YOLOv7模型检测并提取车道线区域。其次,运用Otsu法计算每个子块的阈值及子块背景区域和目标区域的灰度均值差值,以此实现二值化。然后,采用双线性插值法平滑图像,实现车道线分割,并利用拓扑结构分析法提取车道线轮廓。最后,设计了像素统计、直线拟合、割断检测3种方法判断车道线是否破损。实验结果表明:在不同场景下,该算法在破损车道线检测中的精确率为91.79%,具有较好的检测效果和一定的应用价值。

基于EDLines的遥感影像直线快速提取方法研究

随着现代科学技术的发展,大数据已经成为这个时代的标志。因此快速、准确地采集图像数据变得十分重要。本文研究的是实时线段检测算法EDLines,首先通过实验对比分析及所给公式,可以获得梯度幅度和方向、线验证参数、梯度阈值、锚点阈值和扫描间隔参数值,基于所获得的参数值,在处理不同类型图像时不需要改变其参数就能获取准确的结果,然后对所研究的算法EDLines与现今已知运行较快的直线提取算法进行对比分析,得到本文所研究的EDLines算法相比较其他直线提取算法都具有最优性。最后,根据本文研究的EDLines算法对遥感影像进行直线提取,获得清晰且假阳性较少的直线提取图像。超高的精度和计算速度使实时计算机视觉和图像处理的应用迈出了崭新的一步。

应用LSD和聚类的海天/岸岛线检测算法

红外图像舰船目标检测中,目标通常位于海天/岸岛线附近,预先检测出海天/岸岛线,确定舰船目标的潜在区域,可减少目标检测过程中的搜索范围,降低数据处理量,提高检测速度。针对传统的海天/岸岛线检测算法对不同背景图像适应性差的问题,分析了海天/岸岛线特征,提出了应用LSD线段检测算法和聚类的海天/岸岛线检测算法。首先通过LSD线段检测算法获取图像中局部直线轮廓,然后通过K-均值聚类获取潜在海天/岸岛线区域,最后通过分析潜在海天/岸岛线区域纹理特征确定真实的海天/岸岛线位置。实验结果表明,该方法对多种背景下海天/岸岛线检测适应性强,检测精度高。

机器人抓取视觉传感目标精确定位方法

机器人抓取目标时,正确完成任务的前提是可以精准检测到目标位置,当距离目标较远时,以信号传感为基础的定位精度和稳定性会受到影响。为解决上述问题,提出基于视觉传感器的机器人抓取目标精确定位方法。利用视觉传感器获取目标图像,并标定目标位姿。采取直线段检测方法提取目标位姿特征,将提取的特征输入到改进粒子群算法的支持向量机回归模型中,输出定位结果。利用回归误差补偿模型对定位结果补偿,完成机器人抓取目标精确定位。实验结果显示,利用视觉传感器后,机器人抓取目标的定位时间为35 s、与实际位置的接近程度高于81%、置信度高于92%,由此可知机器人抓取视觉传感目标定位效果较好。

Rail Detection Based on LSD and the Least Square Curve Fitting

It is necessary to rely on the rail gauge to determine whether the object beside the track will affect train operation safety or not.A convenient and fast method based on line segment detector(LSD)and the least square curve fitting to identify the rail in the image is proposed in this paper.The image in front of the train can be obtained through the camera on-board.After preprocessing,it will be divided equally along the longitudinal axis.Utilizing the characteristics of the LSD algorithm,the edges are approximated into multiple line segments.After screening the terminals of the line segments,it can generate the mathematical model of the rail in the image based on the least square.Experiments show that the algorithm in this paper can fit the rail curve accurately and has good applicability and robustness.

基于多尺度多分辨率的直线段检测算法

在点线特征结合的同步定位与地图构建(SLAM)系统中,针对直线段检测(LSD)算法易受光照、角度等因素的影响且造成提取直线段过度分割等问题,提出一种基于多尺度、多分辨率的LSD(MMLSD)算法。首先,在对图像处理前,引入图像分辨率阈值判断图像的初步分类;其次,对预处理后的图像进行多尺度多分辨率处理,形成多尺度图像空间或者图像金字塔;然后,在线段合并阶段,对金字塔各层提取的直线段进行由粗至精的线段替代合并;最终,输出提取线段结果。实验结果表明:改进后的算法有效地克服了线段的过度分割现象,同时对低对比度的环境具有良好的鲁棒性。相比LSD算法,所提算法直线检测的平均精度提升13.1%。

盾构隧道点云模块分割方法研究

提出了一种隧道模块分割方法。首先,基于RANSAC算法拟合出盾构隧道圆柱体,基于圆柱轴线及半径对盾构隧道进行圆柱展开;然后,采用带限制条件的Hough变换算法提取隧道环线并分割各隧道环片点云;最后,基于隧道环片内各模块间管缝的位置特征和线性特性提取管缝线实现模块的分割。通过扫描某地铁获取的点云数据实验,对本文算法进行了验证,结果表明本文算法可有效地实现盾构隧道点云模块分割。

基于直线检测的棋盘格角点自动提取

针对现有棋盘格角点自动提取算法鲁棒性不足的缺点,提出了使用直线检测算法(LSD)来进行角点的自动提取。首先,使用LSD算法对标定图像进行处理,得出包含棋盘格子边缘的所有直线,并分别对所得直线的长度和角度进行伪排序以去除伪格子边缘。然后,对剩余直线的边缘端点进行近邻合并,得到角点的初始坐标并进行亚像素优化。最后,使用能量法对角点进行棋盘格结构复原与排序。实验结果显示:该方法可以正确提取含有阴影和噪声的玻璃材质标定板图像中的角点。与改进的Harris方法的角点坐标提取精度对比试验得到其最大偏差小于0.2pixel,平均偏差小于0.15pixel,表明该方法具有较高的鲁棒性且定位精度与改进的Harris方法相当,可用于工程实际中环境光源变化较大的场合。

基于改进线段分割检测的电线杆遮挡检测算法

针对监控视频中的电线杆遮挡问题,提出一种改进的线段分割检测(LSD)算法。将RGB图像进行双边滤波,并将滤波后的图像转换到HSV空间,在HSV彩色空间内利用矢量求导方法计算彩色图像的梯度和方向,利用LSD算法实现图像直线的提取。对直线进行合并得到矩形区域,采用矩形区域在H和S分量的标准差之积和结构相似度确定候选区域,通过合并候选区域完成电线杆检测。实验结果证明,提出算法的准确率可达到89.40%,能够有效并且准确地检测出电线杆遮挡。

基于遗传算法的SAR图像道路网检测方法

提出了一种基于遗传算法的SAR图像道路网检测算法．该算法以道路在SAR图像中呈黑色直线状结构为基本出发点,首先检测线特征点以获取潜在道路点;接着利用基于每个连通区域上的Radon变换提取线基元;然后从图像上最长的线基元出发,以其为种子基元,在其周围确定一个搜索区域,用遗传算法选择与种子基元共线的线基元进行连接,并更新种子基元,直到完成所有的连接,得到候选道路段．为了使检测道路更准确,利用蛇模型调整道路段的位置,然后用道路的特征进行鉴别．最后检测道路的交叉点,完成整个道路网的检测．机载SAR图像的实验结果及定量分析均证明了该算法的有效性．

基于边缘连接的线段检测方法

提出了一种基于图像边缘连接的线段检测方法。数字图像中的线段是由很多线段图元组成,在同一条线段中,它们的方向是相同的并且受到真实线段的方向约束。因此可以通过提取小的线段图元,然后分析它们的连接特性,进行线段的检测。首先用ADM算法对图像进行边缘检测,得到单像素宽的边缘;然后在4个方向上进行线段的检测;对初步得到的结果进行合并和验证,去掉短的线段,连接临近的线段。经过实验证明,该方法能够快速地提取图像中的线段,并且对噪声具有一定的鲁棒性。

应用Canny算法和灰度等高线的金相组织封闭边缘提取

为了对金相组织的多项组织含量进行定量分析,提出应用Canny算法和灰度等高线相结合的方法来产生封闭金相组织边缘。首先,采用高斯函数对金相组织的灰度图像进行模糊处理,然后,用Canny算法对模糊后的图像获取具有单边缘效应的原始边缘。通过最大类间方差法对原始边缘进行自动计算,获得抑制虚假边缘的阈值,并通过该阈值获取基础边缘。由于基础边缘具有不连续性,因此需根据基础边缘端点的邻域灰度中值计算所需的灰度等高线,同时根据设定的等高线和基础边缘融合的条件,以基础边缘的端点为起点生成封闭边缘。实验结果表明,该算法可有效地生成符合要求的封闭边缘,采用该算法产生的封闭边缘进行金相组织含量测定可使测量误差降低到±1%,可测组织含量范围达到5%～95%。该算法能满足多项金相组织含量测定的定量分析要求且具有普适性。