塔河南部奥陶系海西早期岩溶的发现

塔河油田奥陶系碳酸盐岩主要经历了加里东中期及海西早期岩溶作用。前人认为,桑塔木组泥岩隔水层控制了海西早期岩溶的分布范围:北部的桑塔木组缺失区是海西早期岩溶的发育区,并对先期的加里东中期岩溶产物加以全面改造;而南部的桑塔木组覆盖区则仅保留了加里东中期岩溶。通过岩石学、沉积学、地球化学及地震学等研究表明,海西早期岩溶可以在一定范围内突破桑塔木组的限制。桑塔木组的覆盖仅仅改变了海西早期岩溶作用的形式,即由裸露风化壳型岩溶转变为覆盖承压型岩溶。指出了与主体区相连的断裂带才是岩溶—缝洞型储层的发育区带,而孤立的、不与主体区相连的断裂带,则岩溶作用不发育。该岩溶作用的发现,对于在塔河油田南部、西部桑塔木组覆盖区寻找岩溶缝洞型储层发育带具有重要的指导意义。

机载视觉自主着陆过程中的跑道提取方法

跑道直线参数的准确提取,是机载视觉完成自主着陆过程的重要条件。首先在边缘图像的基础上利用相位编组算法,得到当前边缘图像中大量的线段,根据线段之间的角度,端点距离,以及线段两边的灰度均值,设计了一套规则来定量描述线段之间的亲近性,根据亲近值,将处于同一直线上的短线段首尾连接成长线段。取最长的若干条线段待选,再利用跑道区域的先验知识,主要是跑道内外的灰度对比信息,将位于同一条跑道的两条边缘上的线段识别出来。大量的实际图像结果验证了算法的有效性。

基于边缘检测的编组法直线提取

对直线相位编组法进行改进,提出了一种在边缘检测基础上进行相位编组提取直线的方法。该方法充分利用了图像的梯度和幅值信息,能够比较准确地提出物体的边缘直线,克服了相位编组法中边缘灰度幅值信息利用不够、容易生成多边缘、不利于突出物体主边缘直线的缺点,在大比例尺城市房屋的提取中能发挥比较好的辅助作用。

基于边缘跟踪的直线特征检测算法

针对现有直线检测算法的缺陷,提出一种新的基于边缘跟踪的直线特征检测算法.算法对图像边缘进行提取,并在此基础上对边缘进行跟踪,从图像边缘直接提取出局部直线.设计了一种鲁棒直线拟合策略,并对拟合后的直线以一定的准则进行合并,准确获取图像中直线特征及端点参数,最终实现完整直线检测.典型图像直线检测结果表明,所提出的算法能准确检测出图像中的全局直线,并具有较快的运算速度,性能优于现有基于Hough变换和相位编组的直线检测算法.

相位编组方法提取直线

相位编组方法的提出，是针对大多数直线抽取方法的两个主要弱点：１）利用灰度变化的幅度，作为局部边缘重要性的主要度量，受噪声影响较大；２）对边缘特征作局部决策前，缺乏对图像结构的全局理解。该方法有效地解决了以往方法中关于边缘检测算子尺寸方面的难题，可以从复杂的图像中抽取出低对比度的直线，并能获得不同类型的边缘图。

边可迁图的线独立集

证明了当群关于可迁且为阿贝尔群或幂零群时,每个非图包含两个不相交的最大线独立集.

无人机影像中直线类电力线检测算法研究

随着无人机技术的高速发展,无人机巡航环境中的障碍物检测成为热点。针对目前复杂环境下直线类障碍物检测准确率低、精度差的问题,提出了一种基于像素梯度和距离编组的直线类电力线检测算法。首先结合图像灰度特征提取图像直线边缘点,根据图像电力线特征构建直线支撑区域并对其进行调整,为改善图像电力线检测断裂的问题,最后根据直线间的距离度量完成直线段的编组和拟合,实现复杂背景环境中直线类电力线的检测。通过实验证明,算法有效解决了无人机复杂背景环境电力线图像中直线的误检、断裂与漏检问题,降低了光照变化对电力线的检测影响,提高了电力线检测的鲁棒性。

基于图像表征特性的轮廓线提取的研究

轮廓线提取是计算机视觉中的一个重要问题。但是,用来解决这个问题的传统方法总是不能得到像人的视觉系统一样令人满意的结果。人的视觉系统一个重要的特点,就是人眼在获得轮廓线的时候,不仅对轮廓线两侧图像的差异及轮廓线本身几何拓扑结构上有所考虑,同时也考虑到了轮廓线周围区域图像的特性(图像的亮度、颜色、纹理等特征)的连续性。然而计算机解决这个问题的传统方法通常忽略了后一个问题。这些方法总是被分成边缘检测和边缘连接两步骤而当边缘被检测出来之后,它们周围区域图像的特性就不会再被考虑到,导致了属于不同物体的边缘被错误地连在一个轮廓线中。通过提取表示边缘的线段并连接它们的方法找出一幅图像中最显著的轮廓线。引入了一个"表征特性"来描述以表示边缘的线段周围的图像的特性,然后这个特征被用来定义一个度量轮廓线显著程度的尺度"显著度估计"中。这样,图像中最显著的一个完整轮廓线就可以通过对这个"显著度估计"的优化来得到。最后,这个方法的有效性在实验中得到了验证。

基于边缘编组的车位线检测方法

针对自动泊车系统中检测车位线的问题,提出基于边缘编组的车位线检测方法。首先对图像进行预处理,并对传统Canny边缘检测算子改进,增加45°和135°方向模板计算梯度幅值和方向,降低噪声干扰并提高图像质量;接着,对边缘图像进行8邻域搜索并聚类分组,剔除较短直线、解决过连接问题;最后利用各边缘组内相邻两像素点梯度方向差分剔除非车位线特征的边缘组,通过对每个边缘组做随机Hough变换,并利用先验知识和最小二乘法拟合得到车位线。实验结果表明,该算法相对于传统Hough变换可以在不同情形下准确检测到车位线,并且具有较好的实时性。

复杂地物背景下的电力线识别算法

为了从复杂无人机航拍图像中快速有效地检测与提取出电力线,基于电力线特征,提出一种复杂地物背景下的电力线识别算法。采用改进的Ratio算子并结合基于轮廓特征的背景去噪算法完成电力线的边缘检测,利用基于Hough变换的直线动态编组拟合与筛选算法进行边缘提取,最终识别出完整的电力线。实验结果表明,所提算法可有效排除噪声干扰,在多种航拍场景下的识别准确率达96.37%以上,识别精度与时效性比常见的同类算法均有明显的提升,具有较好的电力巡线应用价值。

基于基本块分组与融合的特征直线检测算法

直线特征蕴含图像中重要的几何信息,进行精确直线检测至关重要。针对场景复杂、纹理重复对象的直线检测中存在断线多、误检测率高的问题,提出一种基于基本块分组与渐进式融合的特征直线检测方法(BPC_GF)。该方法首先采用改进的自适应Canny边缘检测算法检测图像边缘点的属性;其次从边缘像素点中确定瞄点,引入基本块概念,结合贪心算法生成不同类型的基本块;然后对同一类型的基本块依据相邻基本块间主方向角度偏差和空间距离约束进行分组、渐进式融合生成候选特征直线,克服了LSD算法中断线及LB_LSD算法中短线段过融合的问题;最后利用改进Helmholtz原理准则剔除由噪声等外界干扰形成的虚假特征直线,得到准确特征直线集。以古建筑图像为数据集进行特征直线检测,实验结果表明,与现有算法LB_LSD相比,该方法的精确率平均提高了5.43个百分点,F-score提高了6.11个百分点。

基于Hough一维变换的直线检测算法

针对标准Hough变换直线检测存在的问题,提出了一种基于Hough一维空间变换的直线检测算法。对图像进行边缘检测,将互不连通的边缘进行分组;利用Hough一维空间变换对边缘组进行直线检测并编组,降低了算法和空间复杂度;通过对直线组进行精确处理,解决了过连接、端点确定和检测精度存在的问题。实验结果表明:该算法有效地解决了标准Hough变换算法中存在的问题,降低了误检率和漏检率,提高了直线检测精度,能够实现对不同类型影像数据的直线检测处理。

结合边缘编组的Hough变换直线提取

针对传统Hough变换用于直线检测存在的问题进行了细致的分析和归纳总结,在此基础上,提出一种结合边缘编组的Hough变换直线提取算法。该算法首先采用基于8邻域的边缘跟踪算法对Canny算子检测得到的边缘点进行编组;然后对每一个边缘组分别进行Hough变换,单独确定Hough变换原点和参数的取值范围。Hough变换过程中,采用迭代的"投票"方式,每次确定单一峰值点并删除对应像素。实验证明,该算法原理简单,能有效解决传统Hough变换存在的精度不高、计算复杂等问题。同时该算法具有较强的鲁棒性,可以有效处理不同类型的影像数据,适用于并行处理。