基于OpenCV的车道线识别与跟踪算法

随着无人驾驶汽车技术和机器视觉研究的不断升温,车道线识别与跟踪算法逐渐被人们重视。文章通过定义热点区域并融合其他检测算法提出一种车道线识别与跟踪方法。经过验证,该方法能够在复杂环境下准确地提取出车道线,并预测出消失点,具有较强的实时性、准确性和鲁棒性,对无人驾驶技术具有一定辅助作用。     

机动车超速监测系统的时钟误差

机动车超速自动监测系统（以下简称监测系统）是指固定安装于道路上，对监测车道内机动车行驶速度进行实时、自动测量，同时拍摄超出该车道限速范围行驶的机动车辆图像，自动记录该车道内机动车行驶时的速度值、日期、时间、地点等相关信息的系统。监测系统是交通管理部门重要的管理手段之一。     

基于FPGA的图像边缘处理研究

对于图像来说,边缘是其最基本的特征.图像边缘是指灰度有明显反差变化的周围像素的集合,它是一种具有方向和幅值的矢量,是进行图像分割、图像识别以及纹理分析的重要基础,灰度的突变是其在图像中的主要表现.要正确检测出这种灰度的非连续性,确定其在图像中的准确位置,就需要采取相应的边缘检测方法.文章介绍了基于FPGA的图像边缘检测器的研究和设计过程,这种处理方式一方面显著提高了图像边缘处理的水平,另一方面还提高了图像处理的速度.另外,还根据边缘检测结果提出了具体的后续处理方法,以供参考.     

基于张量投票的图像超分辨率算法

张量投票算法在提取图像主观轮廓上具有良好的效果。文章提出了一种基于张量投票的图像超分辨率算法。首先,用二维张量矩阵存储低分辨率图像各像素点所处的位置特征信息,并利用稀疏张量投票将特征信息进行加强,再使用稠密张量投票产生高分辨率图像对应的二维张量矩阵,此张量矩阵包含了视觉特性强的边缘信息,最后利用该边缘信息指导高分辨率图像的重构。实验结果表明,该方法得到的高分辨率图像信噪比高、视觉效果好。     

基于张量投票的图像超分辨率算法

张量投票算法在提取图像主观轮廓上具有良好的效果。文章提出了一种基于张量投票的图像超分辨率算法。首先,用二维张量矩阵存储低分辨率图像各像素点所处的位置特征信息,并利用稀疏张量投票将特征信息进行加强,再使用稠密张量投票产生高分辨率图像对应的二维张量矩阵,此张量矩阵包含了视觉特性强的边缘信息,最后利用该边缘信息指导高分辨率图像的重构。实验结果表明,该方法得到的高分辨率图像信噪比高、视觉效果好。     

基于合成孔径雷达图像的边缘检测研究

合成孔径雷达（SAR）图像边缘信息对于图像理解有着重要意义,它既是图像分割的有效途径,又是特征提取的有效手段,也是SAR图像处理中研究的重点。文章深入分析了SAR图像的Ratios边缘检测方法,并针对Ratios算法存在边缘定位精度低的缺点,提出了一种改进的Ratios边缘改进提取算法。结果表明,方法具有较高检测正确率及较好的边缘定位精度。     

一种基于小波包分解图像的去噪方法

用小波包分解图像，对图像进行去噪，在图像去噪中能得到很好的效果。这里首先利用高斯一拉普拉斯边缘检测方法检测图像的边缘，再用小波包变换对图像的平滑区进行阈值去噪，并且对图像邻域进行平滑处理，最后把边缘图像嵌入到平滑图像。这种图像处理方法不仅可以去除图像的噪声，图像的去噪效果和清晰度也大大地得到了提高，而且图像的边缘信息也得到了很好的保持。     

畅想智能化交通

在未来,交通会变成一种什么样子？未来交通自动驾驶今天,自动驾驶已经变为现实,只是它还不太成熟。至少在有生之年能够使用自动驾驶汽车这一点就足以让人感到期待。自动驾驶的部分功能在今天已经装备在很多量产车上了,例如主动巡航、城市安全、车道保持等等。ACC主动巡航是一种革命性的装置,通过毫米波雷达探测障碍物的距离并会实现主动刹车。车道保持是一种视频信号处理技术,通过摄像头捕捉道路图像随后由处理器分析出其中的车道线,当车辆的中心线在规定距离外与车道线重叠时将修正信号传递给方向盘,方向盘自动修正偏航提示驾驶员偏离车道。目前很多高端车已经配置了限速标识辨识功能,车辆的摄像头可以识别出路边的限速标识,并将其内容提示在车辆的仪表盘上。自动驾驶还要处理复杂的道路情况、制定路线、     

基于MATLAB的GUI车牌图像识别系统设计

提出了一套基于Roberts算子和最大方差阈值算法的GUI车牌图像识别系统。针对相机或高清视频流所采集的照片,本文结合图片的预处理,采用梯度检测法进行边缘检测,基于像素点的先行后列的车牌定位方法,并用最大阈值方差法进行二值化处理,根据对二值边缘图像做积分Harr识别,把车牌信息从图像转化为文本输出。实验结果表明,该GUI系统能够正确实现识别车牌图像文本信息。     

基于L1-L2混合噪声模型的图像超分辨率重建方法

文章提出了一种基于L1-L2混合噪声模型(HNM)方法用于图像、视频的超分辨重建,该方法有效利用L1范数在突变区域较好保持图像边缘信息的特点,同时兼顾了L2范数对图像平坦区域的噪声抑制特性。针对求解过程中噪声分布的改变,L1、L2范数的选择问题,提出一种自适应隶属度(AMD)方法,该方法不仅能达到理想的实验效果,而且大大地减少了迭代次数与运算时间。     

齿轮视觉检测中测量基准确定方法研究

文章针对直齿渐开线圆柱齿轮的视觉测量系统,提出一种综合利用图像处理、边缘检测和尺寸测量等方法的齿轮测量基准确定算法,完成了对齿轮轴孔目标边缘的准确检测和对齿轮测量基准的精确计算。     

陶瓷墙地砖尺寸偏差视觉检测算法研究

文章提出一种应用于陶瓷墙地砖图像测量领域的尺寸偏差检测算法：使用基于Sobel算子的改进的方向算子,综合利用图像灰度信息和灰度梯度信息对陶瓷墙地砖图像边缘进行检测和亚像素精确定位,通过计算目标在图像中的面积、哈夫变换和最小二乘法等算法对陶瓷墙地砖边长尺寸进行精确测量。     

基于多结构多尺度形态学的医学图像边缘检测

文章针对医学图像中人体组织结构复杂的特点,提出一种形态学运算的修正算法,该算法结合膨胀、腐蚀和开、闭运算的特性,既具有较强的噪声滤除能力又减轻了边缘的模糊性;在结构元素的选取上,引入多结构元素的方法,能够兼顾到不同方向的边缘,保持边缘的完整性;同时进行了局部对比度增强处理。实验表明,与传统的边缘检测算子相比较,该算法抗噪性能良好,得到的边缘更为准确精细,能够有效地检测出图像的边缘,因此具有一定的实用性。     

基于最小二乘法特征点的图像拼接方法应用研究

针对常用的图像拼接技术拼接效果有锯齿显现,边缘不圆滑等的问题,文章在精确获取图像特征点匹配对的前提下,采用基于最小二乘法拟合求取较优的变换矩阵拼接图像,获取完整的图片信息。通过实验,表明该方法拼接后的图像效果良好,边缘比较平滑。     

基于稀疏字典的图像去噪方法研究

传统的去噪方法在去除噪声时,不仅会造成较大的模糊,还会影响图像的边缘信息。文章利用稀疏表示理论去噪,将包含噪声的图像分解成低频信号和高频信号,由于噪声大部分都是高频信号,于是我们利用K-SVD算法仅对高频信号进行去噪,然后将去噪后的高频信号和原有的低频信号相融合。这样能有效地降低噪声对图像影响,为下一步的图像处理打好了基础。文章通过实验对比了传统空间域和频率域的去噪方法和NL-means去噪算法。试验结果表明,文章内所述方法在去除噪声的同时,能较好的保留图像的边缘和细节信息。     

一种车牌定位与提取方法

本文提出一种基于边缘检测和行扫描相结合的车牌定位与提取算法:主要通过Sobel算子提取原始图像的边缘信息,然后通过水平和垂直扫描进行粗定位,最后根据车牌的特征进行精确定位。     

基于Neyman-Pearson准则和小波模极大值的边缘检测

图像边缘是对图像进行进一步处理和识别的基础,边缘都是图像上灰度不连续的点或灰度变化剧烈的地方,所以说图像的边缘就是信号的高频部分,边缘检测就是检测信号的高频部分,是图像基本特征之一。但在实际的图像中,由于噪声的存在,边缘检测成为一个难题,所以本文提出了一种基于Neyman-Pearson准则和小波模极大值的边缘检测方法,该方法能很好地检测出图像的边缘。     

基于Duda算子的铁轨自动提取

随着我国铁路的大面积提速,为了保障列车的运行安全,对周围路况的实时监控成为研究熟点。本文依据红外图像中轶轨及其周围区域的灰度分布特征,将铁轨横截面的分布近似的看作是线边缘,结合Duda线边缘检测算子提取了铁轨的中心践,与传统的边缘检测算子相比而言,该算子检测效果更好,即使在复杂的背景下让能较为完整的提取铁轨的中心线。     

基于数字图像在医学病灶检测方法的比较研究

数字图像边缘检测在实际应用中有很重要的作用,本文介绍了数字图像处理中的几种的边缘检测算子,利用这几种算子对医学图像进行边缘检测,并对各种边缘检测算子的优劣进行了比较,选择适当算子对确定病灶的大小、位置等信息有重要的意义。     

BIM技术在环形车道施工中的应用研究

随着我国车辆保有量的持续增加,城市车库需求急速增长。车库环形车道因其空间节约、占地面积小、进出效率高的特点,成为医院及城市综合体的车库进出车道首选形式。但环形车道造型独特也给施工带来了较大难度。而且传统二维设计图纸越来越难以满足建筑信息的表达和传递,随着BIM技术的不断进步和实践,工程人员可对环形车道进行BIM建模,模型数据丰富,细节精细,效果直观。本文利用武汉亚洲医院项目为例,探索BIM技术在环形车道施工中的应用。