基于非采样高斯差分金字塔的多尺度融合边缘检测

针对传统边缘检测算法抗噪性差、边缘连续度低、细节边缘冗余,对运动目标检测应用领域的适用性差等缺点,论文基于图像多尺度的思想,结合小尺度图像边缘信息准确,大尺度图像抗噪性强、边缘冗余度低的优点,提出一种基于非采样高斯差分金字塔的多尺度融合边缘检测算法。算法首先对图像进行非采样高斯金字塔分解得到多尺度图像,同时在分解过程实现基于高斯差分算子的边缘检测,得到多尺度边缘图像。最后采用多尺度图像边缘融合策略实现多尺度边缘融合。论文通过实验对算法的有效性进行验证：通过对边缘融合结果进行Abdou-Pratt品质因数分析,表明该算法抗噪性强,边缘定位准确;连续度分析结果表明该算法在降低边缘冗余度的同时保留了主要边缘,且边缘连续度较高;车辆检测实验结果表明基于该算法得到的车辆检测结果准确度较高。     

基于LoG算法的车辆图像边缘提取

阐述LoG算法的一般式及其对图像边缘提取的原理,并应用LoG算法对车辆图像进行提取。获得了质量比较理想的车辆边缘图像。该方法可应用于流量较大的自动车辆检测系统和其他动态图像识别系统。     

基于卷积神经网络的道路车辆检测方法

提出了一种基于卷积神经网络的前方车辆检测方法。首先,根据车底阴影特征,运用基于边缘增强的路面检测算法以及车底阴影自适应分割算法来分割并形成车底候选区域,以解决路面灰度分布不均及光照条件变化问题;其次,运用针对道路交通环境的卷积神经网络结构,建立图像样本库进行网络训练;在此基础上,采用基于卷积神经网络识别的方法以验证并剔除被误检测为车底阴影的候选区域,进而确定真正的车辆目标;最后,修改网络为三分类识别,以验证本文方法的强扩展性的优势。实验结果表明:本文提出的车辆检测方法能够很好地区分车底阴影和非车底阴影干扰,有效地提高车辆检测的准确率和可靠性,降低误检率。     

基于先验形状信息和水平集方法的车辆检测

针对交通视频检测应用,提出一种基于先验形状信息和主动轮廓模型的运动车辆检测方法.算法首先利用颜色信息和边缘信息检测并去除车辆阴影,提取车辆的初始轮廓;为了改善车辆轮廓的提取精度,在进一步的车辆分割中引入车辆形状的先验知识,用水平集符号距离图像的隐含表示建立车辆的先验形状模型,并以先验的车辆形状模型作为约束构造出主动轮廓能量函数;将第一步获得的车辆轮廓作为车辆分割演化曲线的初始轮廓,采用变分法求解能量函数的极小值,利用形状配准和水平集方法演化车辆的分割曲线,得到准确的运动车辆轮廓.将该方法应用于实际采集的交通视频,获得了很好的测试结果.     

基于改进的三帧差和卡尔曼滤波的车辆检测方法

针对卡尔曼滤波方法在车辆检测中存在背景更新参数固定、背景建模实时性较差的问题,提出了三帧差法与自适应卡尔曼滤波算法相结合的运动车辆检测方法.先采用三帧差法快速提取车辆运动区域,再采用高斯分布确定背景更新参数,同时更新背景模型,最后将两者得到的图像相减得到最终检测结果.实验结果表明,该算法的背景更新速度较快,运动目标提取效果较好.     

颜色特征模型在静态车辆检测中的应用

为了解决智能交通中的静态车辆检测准确率不高的问题,提出一种基于颜色特征的车辆目标检测方法.该方法首先根据Hough变换分割出路面感兴趣区域,利用颜色特征空间降维建立理想的颜色特征模型;其次,根据贝叶斯分类器进行路面与车辆的像素分类;最后,由最小割/最大流算法进行车辆目标分离.在实景采集交通视频图像后对文中提出方法和现存方法进行了对比评估.基于颜色特征的车辆目标检测方法对于静态车辆目标的检测准确率达到了63.05%,误检率降低至21.27%,漏检率降低至24.01%.与传统方法相比,该方法能更快、更准确地检测到目标.     

注意力机制的SAR图像车辆目标检测网络

在SAR图像车辆目标检测过程中,车辆轮廓定位不仅能够提供车辆位置信息,而且还能够为车辆状态分析提供依据,是SAR图像理解的关键步骤。但SAR图像中乘性斑点噪声会对轮廓定位造成干扰,增加车辆目标检测的难度。针对这一问题,提出了一种注意力机制的SAR图像像素级车辆目标检测网络。该网络由目标筛选、目标定位和轮廓细化三个模块构成。目标筛选在一个轻量级的特征提取网络中采用通道注意力和自注意力机制,在抑制噪声影响的同时对包含目标图像进行快速筛选,并提供稳定的定位热力图;目标定位利用掩码交叉注意力机制根据定位热力图优化粗尺度特征细化目标定位,并融入细尺度信息改善目标轮廓细节;轮廓细化通过轮廓点筛选消除上采样及噪声带来的轮廓不确定点获取准确的轮廓像素点置信度。对MSTAR数据集进行车辆像素级标注,建立SAR图像车辆数据集及大场景图像数据集用于网络测试。实验结果表明,该网络具有良好的像素级检测性能,可实现大场景SAR图像中车辆目标的快速精确检测。     

基于地磁技术的车辆检测传感器

利用车辆对地磁场的扰动,设计基于地磁技术的车辆检测传感器.该文简单描述了基于地磁技术的车辆检测原理,介绍了传感器的硬件结构,确定了车辆检测的算法,并对实验结果进行了深入分析.道路实验表明:该设计能够判断车辆的存在,车速以及行驶方向,具有一定的准确性和实用性.     

基于机器视觉的车辆对称中心检测

介绍了一种基于车辆和背景的特征、灰度值、轮廓及对称性等的目标检测定位及对称中心确定的方法.提出了一种新的对称性检测算法.该算法具有简单、可靠的特点.并进行了实验验证.实验统计结果表明:该对称性检测算法能有效地检测出目标车辆的中心位置.     

基于多结构元素的数学形态学图像边缘检测

提出一种基于多结构元素的数学形态学图像边缘检测算法。利用边缘与噪声具有不同的形态,在进行边缘检测时,只需要先确定出梯度突变的像素点,然后再利用多结构元素对该像素点进行二值形态学的腐蚀操作,以确定该像素点是边缘点还是噪声点:若是噪声点则被滤除,若是边缘点则保留。为验证算法的效果,给出了本文算法和几种传统算子对图像进行边缘提取的实验结果。结果表明,该算法成功地完成了图像的边缘检测,且检测效果明显优于经典的Sobel算子和Canny算子。