基于傅里叶描述子和加权稀疏表示的军事图像分类方法

军事图像分类是一个重要的研究方向。在傅里叶描述子和加权稀疏表示的基础上,提出一种军事图像分类方法。利用Canny算法提取军事图像的轮廓特征,计算轮廓点的中心距离序列;再将该序列转换为极坐标转换,进行傅里叶变换,得到军事图像的改进傅里叶描述子;利用加权稀疏表示分类方法对图像进行分类。该方法的优点在于提取的傅里叶描述子具有很好的平移、旋转、尺度缩放和轮廓起始点的不变性。加权稀疏表示能够克服遮挡、弱特征、视角和姿态变化等因素的影响,并且具有较强的形状区分能力。在ICL军事图像数据库上进行分类实验,分类率高达92%以上。结果表明,该方法是有效可行的,能够为军事图像自动分类识别系统提供技术参考。     

Harris相关与特征匹配

基于图像梯度提出一种图像特征,称为Harris相关.应用Harris相关特征,构造图像特征描述子,包括特征点描述子、直线描述子和曲线描述子.这些描述子的构造较简单,对图像旋转与图像亮度的线性变化具有不变性.直线与曲线描述子的构造方法为直线和曲线的匹配提供一种思路.实验表明,应用Harris相关构造的特征点描述子对图像变化表现出较好性能,直线与曲线描述子在实际图像中取得较好的匹配结果.     

球面调和描述子在图像形状匹配中的应用

球面调和分析是球面信号分析的重要工具, 本文采用球面调和描述子对图像进行形状匹配. 首先把平面图像映射到球面上, 然后计算球面图像的球面调和描述子, 最后通过球面调和描述子得到平面图像的相似性. 实验结果表明, 球面调和描述子可以较好地匹配图像的形状相似性, 并且具有旋转和比例不变性.     

一类新的纹理谱描述子

在纹理元的基础上提出了一类新的纹理谱描述子，新的纹理谱描述子在3个方面作了改进：将像素的灰度差量化为4个值；量化区间根据纹理对比度自动确定，并保证量化值具有灰度线性不变性；利用相关性弱的8邻域像素构建纹理谱描述子，从而降低了纹理谱维数。定义了基于新的纹理谱描述子的光照、旋转不变性纹理特征。利用该特征对Outex纹理进行光照、旋转不变性分类，分类准确率高于基于局部二值模式的光照、旋转不变性纹理特征。     

基于分裂合并算法的道路标线分割方法研究

针对现有的道路标线分割方法在阴影、光照、裂缝等干扰下存在分割精度不足的问题,提出了基于分裂合并算法的道路标线分割方法.该方法通过分析道路标线图像的灰度、边缘、纹理特征,首先采用Bresenham算法进行道路标线有无判定,并根据道路标线边缘实现路面检测图像标线区域和非标线区域的分裂,然后采用基于重心连线灰度值的区域合并和基于灰度与直线边缘特征的区域合并两种方法进行道路标线区域合并,最终完成道路标线的准确分割.实验表明,该方法分割精度较高,具有良好的抗噪性能,能够很好地满足道路检测车采集图像实时处理的需求.     

基于多尺度通用傅里叶描述子的灰度图像检索

灰度图像相似性匹配是图像检索系统的一个重要组成部分。为了把多尺度分析和通用傅里叶描述子相结合来得到多尺度通用傅里叶描述子，并将其用于灰度图像检索系统对。实验结果表明，多尺度通用傅里叶描述子具有多尺度分析效果，不仅能较好地克服图像灰度噪声带来的干扰，并且具有旋转、比例不变性，在灰度图像检索中能取得较好的结果。     

路面破损图像二值化方法研究

路面图像采集和二值化是路面破损自动分析的基础。构建了高分辨路面图像自动采集系统,实时采集、存储路面图像,采用直方图分析法将道路标线从路面图像的背景中去除。在路面图像二值化中,采用分块处理策略。首先利用子块图像灰度方差与标准子块好路面图像灰度方差以及该子块图像灰度方差均值的比值描述路面子块图像特征,并采用在线学习的方法设计路面子块图像模式分类器;其次利用子块图像模式的连通性,有效描述路面破损在空间上的连续性,进而去除路面破损图像误判的子块模式;最后采用最佳阈值法将所有路面破损子块图像二值化,实现整幅路面图像的二值化。实验结果表明,该文算法可有效分割路面破损图像。     

改进后的Zernike矩在文物图像检索中的应用

Zernike矩作为一种基于区域的形状描述子,具有良好的旋转不变性,能够很好地提取图像内部的形状信息,广泛应用于基于内容的图像检索(CBIR)、图像描述、物体定向及模式识别等各个领域.介绍了Zernike矩的定义和基本特性,并对Zernike矩算法提出了改进,使其具有较好的比例不变性,最后讨论了Zernike矩在基于内容的文物图像检索系统中的应用,同时给出部分实验数据和实验结果.     

均值-标准差描述子与直线匹配

提出一种通过直线描述子来进行自动直线匹配的思想.直线描述子的建立分为以下3个主要步骤:首先为直线定义平行邻域并将该邻域分解为一系列平行线,其次通过选择图像特征建立直线描述矩阵,最后通过计算描述矩阵列向量的均值和标准差获得直线描述子.基于不同的图像特征(灰度、梯度和梯度幅值),提出3个具有平移、旋转和线性光照不变性的直线描述子.实验结果表明本文提出的直线描述子具有较好的匹配性能.     

车载激光点云道路标线提取方法

针对车载激光点云中道路标线的强度随扫描距离与扫描入射角等因素变化较大而难以提取的问题,提出了一种在强度特征图像中进行边缘检测的道路标线提取方法。该方法首先将道路面点云投影成强度特征图像,然后在图像上检测图像边缘,并根据道路标线的几何特征进行连通分析,提取道路标线边缘,最后通过道路标线边缘信息从道路面点云中提取道路标线候选点云,并引入高斯混合模型剔除路面噪声点,得到最终的道路标线点云。3份测试数据的实验结果表明,该方法提取道路标线的平均完整率和平均正确率分别为93%和97%。     

P分位改进算法及其在路面裂缝检测中应用

针对传统的P分位分割算法容易受到道路标线的干扰,设计了一种改进型P分位算法分别对含有或没有含有道路标线的裂缝图像进行二值化,其中对不含道路标线的裂缝图像采用传统的P分位法,而对含道路标线的裂缝图像分三种情况进行细化处理。实验结果表明,与传统P分位算法相比,改进后的算法对路面裂缝图像分割及后续的图像处理产生较好的效果。     

A model-driven approach for real-time road recognition

This article describes a method designed to detect and track road edges starting from images provided by an on-board monocular monochromic camera. Its implementation on specific hardware is also presented in the framework of the VELAC project. The method is based on four modules: (1) detection of the road edges in the image by a model-driven algorithm, which uses a statistical model of the lane sides which manages the occlusions or imperfections of the road marking – this model is initialized by an off-line training step; (2) localization of the vehicle in the lane in which it is travelling; (3) tracking to define a new search space of road edges for the next image; and (4) management of the lane numbers to determine the lane in which the vehicle is travelling. The algorithm is implemented in order to validate the method in a real-time context. Results obtained on marked and unmarked road images show the robustness and precision of the method. Received: 18 November 2000 / Accepted: 7 May 2001     

基于Radon变换的视频测速算法

为了从视频监测图像中自动提取车辆行驶速度,提出了一种基于Radon变换的视频测速算法。根据车辆行驶轨迹的时空特点,利用道路交通标线为图像与道路建立距离映射关系,简化了现场标定的条件和过程;利用时间堆栈成像方法,建立了车辆行驶轨迹的时空关系;基于Radon变换的图像处理,实现了行驶车辆的视频测速技术。算法具有较好的鲁棒性,与传统方法相比,计算复杂性也要低很多。     

基于数字图像的汽车驾驶员行驶状态判别

通过车载CCD图像传感器摄取图像，在利用中值滤波、边缘检测等图像处理技术去除噪声和获取道路标线的基础上，建立了摄像机的透视投影模型和汽车驾驶员行驶状态模型，研究了车辆行驶过程中相对道路标线的行驶状态参数，以监控驾驶员行车状况。实验证明，该方法获得的行驶状态参数曲线能有效判别驾驶员的行驶状态，为减少驾驶员人为因素导致的交通事故作了有益的探索。     

一种高分辨率遥感影像道路提取方法

针对空间异质性导致的道路几何纹理特征突出性下降问题, 提出一种高分辨率遥感影像道路提取方法. 首先设定跟踪模型, 依据人工输入点, 自适应提取道路中心点和道路宽度, 设计迭代内插、双向迭代两种跟踪方式以及矩形跟踪模板; 然后提出多描述子道路匹配模型, 针对道路几何纹理特征突出性不足问题, 基于道路区域地物边缘与道路方向一致的语义关系, 通过线段峰值约束的思想, 提出一种多尺度线段方向直方图(Multi-scale line segment orientation histogram, MSLSOH)描述子, 以此对跟踪方向进行预测; 针对道路几何纹理特征均质性下降问题, 从道路区域与道路非道路混合区域纹理差异性出发, 组合三角形构成扇形描述子, 突出道路影像纹理特征, 以此不仅可对预测跟踪点进行验证, 而且也可在结构信息缺失的情况下对道路进行跟踪; 最后选取不同类型、不同分辨率、不同场景的高分辨率遥感影像, 通过与其他方法的实验对比, 表明该方法能够解决道路提取过程中几何纹理特征突出性下降问题, 具有准确率高和自动化程度高的优势.