尘雾环境下工作面护帮板视频目标定位

工作面护帮板的精确定位是液压支架动作决策的基础和关键。在采煤机截煤过程中出现的大量煤尘以及除尘设备喷出的水雾严重干扰了工作面视频中护帮板的识别准确性,从而严重影响护帮板定位的精度。针对此问题,面向工作面尘雾环境提出一种护帮板视频目标精确定位算法。采用常值暗通道先验知识,实现护帮板视频目标的清晰化,从而克服煤尘和水雾对护帮板视频目标定位的影响。同时采用摄像头转角动态基准校正机制,通过补偿校正摄像头装配误差和转角漂移,对视频中的护帮板目标实现精确定位。实验结果表明,该算法在尘雾环境下对不同摄像头转角下的护帮板视频目标实现了精确的定位,取得了良好的效果。

基于暗通道先验理论的图像去雾算法改进

提出了一种基于迭代的自适应图像去雾算法,该算法是在基于暗通道先验理论的去雾算法基础上增加了常数c补偿,为了保护边缘信息滤波时采取了双边滤波算法,最后将大气光及透射率当成一个整体并结合峰值信噪比构造了优化条件的迭代算法,实现了自适应图像去雾。模拟实验结果与多种评价性能参数的计算结果都表明,本文的改进算法不仅提高了去雾后图像的清晰度和对比度,而且迭代速度快、图像性能好。

一种提高可见光遥感图像黑极性舰船目标检出率的方法

针对遥感卫星和高空无人机在海上航拍的可见光遥感图像中黑极性舰船目标检出率低的问题,提出了一种基于暗原色先验和恒虚警率原理的舰船目标检测方法。这种方法先对目标图像进行预处理,得到其暗原色图(Dark Channel Image,DCI);再将DCI作为二维恒虚警(2-D CFAR)检测法的输入,以局部统计灰度均值和方差作为目标检测特征,通过选择合适的目标判定阈值及目标空间分布信息完成疑似目标定位;疑似目标集合可以有效地被舰船目标特征矢量进行检验,根据得到的结果判定虚警是否去除,最后得到最终目标检测结果。实验结果表明,该方法对于可见光遥感图像中的舰船目标有较为准确的检测效果,总检出率可达96.07%,并且对人眼视觉不易判别的黑极性目标有着类似“放大镜”的作用,对黑极性舰船目标的检出率可达86.71%,较大地提高了可见光遥感图像中黑极性舰船目标的检出率,对优化黑极性目标检测方法创新有一定的指导意义,也为暗原色先验原理的应用提供了新思路。