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%。

LDA与LSD相结合的车道线分类检测算法

提出一种车道线分类检测算法。首先采用LDA对道路图像进行有针对性的灰度化,以便更好地区分车道线与道路。采用LSD算法检测灰度图像中的直线部分并确定车道线的方向。在此基础上,选取符合车道线灰度范围内的像素点。对远距离的像素点采用抛物线拟合,近距离的像素点采用直线拟合。同时,将检测到的车道线进行虚线实线的分类标记。最后结合视频序列的连续性对检测结果进行反向验证。实验结果证明,提出的方法对直道弯道检测均有很好的效果。算法的处理速度为每秒10帧左右,采用的测试视频的帧率为每秒15帧,基本满足实时性的要求。

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OpenCV和LSD的车牌识别系统研究

传统车牌识别系统存在图像清晰度不够、识别时间长等问题,有时无法成功识别车牌。为解决这一问题,文章采用OpenCV开放源代码计算机视觉库和线段检测器(Line Segment Detector,LSD)设计了一套新型车牌识别系统。首先,对图像进行灰度化预处理,并使用LSD算法快速检测图像中的直线。其次,采用轮廓跟踪方法识别车牌轮廓,并使用基于垂直投影的分割方法来分割车牌字符。最后,采用基于模板匹配的方法识别车牌号码。经过验证,该系统在处理车牌图片模糊和光线较暗的情况下依然能够高效处理,并且能够保持较高的成功率。

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。

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%。

基于灰度不变性的扣件定位特征提取方法

针对现有扣件定位方法对不同光照条件下的铁路扣件图像适用性差、定位不准确的问题,提出一种鲁棒的、准确的铁路扣件定位检测算法。首先利用人眼视敏度特性来确定Rank变换窗口的大小,并通过改进Rank变换增强图像边缘特征;然后基于改进的LSD(Line Segment Detector)方法在增强后的图像中搜寻垫板与轨枕接触的边界线,并利用先验知识实现扣件的准确定位。实验表明,该方法定位准确且具有很好的适应性和鲁棒性。

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。

基于线特征跟踪的铁路桥梁支座振动位移测量方法

针对现有基于结构物表面纹理特征跟踪的支座振动位移测量算法易受光照、背景杂波、运动模糊等因素干扰的问题,提出一种基于线特征跟踪的铁路桥梁支座振动位移测量方法。利用大津法与连通体分析法获取感兴趣目标,并基于感兴趣目标确定线跟踪区域,提高支座位移计算效率;利用一种直线鲁棒检测算子,快速提取桥梁支座振动过程中线跟踪区域中的线目标坐标变化;采用一种多帧数据融合滤波器,对桥梁支座振动位移数据进行后处理,从而实现对桥梁支座振动位移的精准计算。将该测量方法应用于实际搭建的桥梁支座振动位移监测系统中,应用结果表明,该方法在测量精度上取得较好结果,满足桥梁结构健康监测需求。

侧扫声呐图像特征提取改进方法

由于侧扫声呐图像对于研究海底状况有着重要的作用,因此常采用点特征和线特征提取来分析声呐图像的特点。其中点特征提取分析采用尺度不变特征变换(SIFT)算法,直线特征提取采用Hough变换和线段检测(LSD)算法。文中针对Hough变换在提取直线特征时因基本空间转换方式存在不足而使得提取的线特征不理想的问题,提出了一种效果更好的空间转换方式,该方法需要建立2个图像边缘掩码矩阵,一个保持原状用于寻找直线特征,另一个根据边缘点转化情况相应减少对应边缘点,这种方法的设计可以保证属于直线的特征点都能参与到直线特征的形成中;针对LSD算法中检测到的直线特征会因相交而出现断裂的问题,设计了一种断裂线特征拟合方法,利用角度、位置等条件将被判定为断裂的直线特征进行拟合,减少因直线特征断裂造成直线过短过多的问题,然后通过长度阈值筛选出合适的直线特征。通过优化前后的方法对侧扫声呐图像进行直线特征提取验证,证明了所改进的Hough变换可以更好地提取到线特征,而优化后的LSD算法也减小了线特征断裂的影响。同时对于待处理的声呐图像,点特征提取数量较多,不能很好地体现图像内容特点,而改进之后的线特征可以提取出图像内容的轮廓,信息丰富,能更好地表现了图像的内容。以上改进方法可为有关线特征提取研究提供参考。

基于机器视觉的转辙机缺口检测方法研究

针对现有转辙机缺口检测方法所存在的问题,本文介绍了一种基于机器视觉技术的转辙机缺口检测基本方法及其原理和步骤。文章详细论述了LSD算法的工作原理,同时本文作者对该算法做出了改进。最后将改进的LSD算法应用在转辙机缺口检测当中,结果表明该检测算法具有良好的稳定性和快速性,并且能够很好的解决转辙机缺口检测的问题。

EDLines和LSD直线提取算法性能探究

针对近景影像直线提取算法中,EDLines和LSD算法的效果性能对比在国内期刊中未有明确论述这一情况,该文对直线提取效果进行目视判读,并联合直线匹配结果的正确率及其正确匹配数目两方面进行分析讨论,对这2种直线提取算法的性能予以评价。分别采用2种算法对不同类型近景影像进行直线提取及匹配实验,结果表明,针对近景影像直线提取,EDLines算法直线提取效果略优于LSD算法。

基于线段检测技术的荧光磁粉裂纹提取方法

荧光磁粉探伤技术在现阶段工业检测领域应用广泛,而对工件裂纹提取方法成为了掣肘荧光磁粉探伤技术发展的一个重要难题。文章提出了一种基于LSD线段检测技术的裂纹区域提取方法。利用梯度方向作为提取的目标图像的主要参量,从而有效地抑制裂纹周围亮度相同的噪点对目标区域干扰。实验结果表明,该方法能够迅速有效地提取出裂纹图像,并有较强的鲁棒性。

三维重建中线段匹配方法的研究

针对传统基于特征点匹配的重建模型容易存在空洞现象的问题,提出一种基于直线提取算法的线段匹配方法。首先使用无人机设备获取校园建筑图片集,保证拍摄过程中相邻图片存在重叠部分,通过筛选分数最高的相似性评分得到相邻图片集合并只在相邻图片间进行匹配。接着利用直线提取算法提取图片中直线段,然后根据极线约束关系进行二维线段匹配最终生成三维线段模型。二维线段匹配阈值τ、相邻图片个数M、在相邻图像中与特定二维线段相匹配的线段个数K是其中3个重要参数,对4组不同的图片集进行参数评估,实验结果表明当二维线段阈值τ低于0.5,相邻图片个数M为10,在相邻图像中与特定二维线段相匹配的线段个数K为10时三维重建速率与模型精度可接受度最高。

基于线段检测的栅格地图划分方法

通过划分基于同时定位与地图构建(SLAM)技术构建的栅格地图,将地图中的室内区域识别出来,实现机器人导航目标位置的灵活标记。首先对SLAM技术构建的栅格地图进行了二值化,使用直线段检测器(LSD)识别地图中的所有线段,采用分组和拟合方法获得室内环境边界的线段;然后利用边界与边界交点将地图划分为多个矩形块;最后对矩形块进行合并、聚合等处理,从而在栅格地图上划分出室内区域。标记后的室内区域与语音功能相结合扩展了机器人导航的输入方式。测试结果表明:该方法将不同室内环境和存在家具条件下生成的栅格地图划分出室内区域时具有较高的召回率。

基于直线检测的车间地标线识别与拟合

为满足现阶段车间内无人驾驶车辆以及车辆自动导引时对车道线的识别速度和检测准确率的要求,课题组提出了一种结合LSD(line segment detect)直线检测以及ANN(artificial neural network)颜色判定神经网络的特定颜色车道线识别与拟合方法。实验表明:与传统的LSD直线检测相比,该方法在识别速度显著提升的同时,能够适应不同的检测环境,提升检测的准确率。

一种基于改进K均值聚类的输电线路覆冰状态侦测方法

输电线路覆冰是影响电网在寒冷季节正常运行的一大隐患。因此,必须对输电线路覆冰状态进行侦测,以确保及时发现覆冰现象并采取应对措施。本文提出一种基于改进K均值聚类的输电线路覆冰状态侦测方法。首先,获取输电线路图像,并进行预处理;之后,依次使用直线段检测(LSD)算法、改进K均值聚类、最小二乘拟合确定导线位置;最后,计算导线宽度,并根据覆冰前后宽度变化评估其覆冰状态。综合分析现场与实验环境的实验结果,所提方法能够快速、可靠地辨识导线覆冰状态,且具备较高精度。

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.