面向无人驾驶的野外道路可通行区域检测

针对野外非结构化道路中存在的环境背景复杂、道路类型多变、没有清晰车道线、没有规则道路边界等难点,提出一种基于语义分割的可通行区域检测方法。对所选取的数据集进行处理,将数据集标注为可通行区域、难通行区域、不可通行区域、天空4种类型;应用双边语义分割网络Bisenet进行4种类型的分割;再应用C-均值聚类算法进行可通行区域部分的提取以及二次分割,进而实现更精细的可通行区域检测。通过验证,该方法具有良好的检测效果,平均交并比达到78%,高于传统的方法。在野外道路无人驾驶方面具有一定的实际应用价值。     

基于Hough变换的高分辨SAR图像道路目标检测

给出了一种检测高分辨率SAR图像道路目标的方法。该方法首先对原始图像进行一系列的预处理,然后利用Hough变换识别道路。在提取感兴趣区域时,该算法采用了高斯概率迭代方法代替了一般的CFAR检测或阈值分割;在进行Hough变换时,该算法用平均Hough变换代替一般的Hough变换;在检测变换域峰值点时,采用了结合全局CFAR检测的最大值点搜索的方法;最后对检测出来的准道路,该算法根据道路的独具性质进行鉴别,以确定其是否确实为道路。使用MSTARRedstone实测杂波图进行实验,取得了满意的效果。     

时变道路网最短路径算法的研究

道路或区域通行限制在日常交通和部队兵力机动过程中普遍存在。通行限制情况下的最短路径问题属于时变道路网最短路径研究的范畴,对时变道路网最短路径算法及算法效率的研究有着广泛而现实的意义。重点讨论了道路网的模型描述、时变道路网拓扑结构的构建技术,最短路径算法的高效实现等内容,并给出了该算法的应用实例。试验结果显示,该算法有效可行。     

基于光流动态特征与SVM的阴燃火检测方法

针对传统阴燃火检测中存在误报、漏报的问题,研究了一种基于光流场的视频检测方法。首先,利用改进的Horn-Schunck光流算法计算图像光流场,并结合阴燃火颜色特征提取可疑阴燃火运动区域;然后,提取连通域的面积、光流平均速度、方向方差、光流主运动方向、光流速度不规则度和背景模糊性等六个特征建立特征向量;最后,利用支持向量机对所有含可疑阴燃火运动区域的图像帧进行分类,从而实现阴燃火检测。实验结果证明:该方法对阴燃火识别准确度高,可有效排除多种图像干扰,在复杂环境下的适应性和鲁棒性较好。     

一种高速公路车道线的快速检测和跟踪算法

提出了一种高速公路车道线检测与跟踪算法:初始检测时,首先估计消失点位置;再将图像特征点向消失点投影,通过检测投影直方图波峰来识别车道线;然后利用车道宽度和车道线强度特征滤除与车道线平行的伪车道线;跟踪时,采用卡尔曼滤波缩小搜索区域.试验结果表明:该算法抗干扰能力强,跟踪算法运行速度大约为50 Hz.     

一种基于改进SIFT的图像盲取证算法

针对常见的复制粘贴篡改,提出了一种基于改进SIFT（Scale Invariant Feature Transform）的图像篡改检测算法。首先,把待检测图像划分成多个矩形的ROS（Regions of Suspicion）区域,利用改进的SIFT算法提取各个ROS区域的关键点;然后,利用马氏距离原理对特征点对进行筛选与匹配,通过直线将这些匹配点连接起来,对复制粘贴区域进行准确定位。实验表明,该算法不仅降低了运算复杂度,而且对篡改区域的平移、缩放,旋转、亮度调整等,都有很好的检测和定位效果。     

基于微光图像均匀区域非参数检测的噪声水平估计

为了精确地建立微光图像噪声模型,提出了一种从单幅微光图像中自动评估噪声水平函数的算法。该算法首先采用Kendall coefficient统计方法提取出微光图像均匀区域;然后,在分析微光ICCD成像机理基础上提出了微光ICCD噪声模型,并采用最小二乘方法进行了参数估计;最后,对实际微光图像进行了检测,获得了高精度的参数值,由此证明了该算法的可行性。     

基于深度学习的SAR图像目标检测实验

针对目前SAR图像目标检测算法只能进行单一目标检测和检测精度不高的问题,对深度学习目标检测框架在SAR图像目标检测的应用进行了实验研究,并结合SAR图像特点进行了优化。比较了基于区域建议的Faster-RCNN和无需区域建议的SSD目标检测框架在SAR图像上的目标检测精度和速度,分析优缺点;研究了预训练模型对SAR图像目标检测精度的影响;最后通过零均值规整化提高收敛速度和检测精度。实验结果表明优化后的目标检测框架,实现了SAR图像多目标识别并提高了检测精度,可以有效地应用于SAR图像多目标检测。     

基于细分小波的图像压缩算法研究

层次细节模型LOD(Level of detail)和感兴趣区域模型ROI(Region of Interesting)是静止图像压缩及网络传输技术中两个重要模型.通过将灰度图像网格化,并在图像网格上进行B样条细分小波变换,实现了图像的LOD压缩算法.并通过Gouraud明暗处理技术将网格还原成压缩过的灰度图像;同时,该算法还可方便地通过ROI区域选择,使ROI区域比背景区域获得更好的图像质量.     

无人驾驶汽车视觉导航中车道线检测的研究

为了提高无人驾驶汽车视觉导航系统中车道线检测的准确性和实时性,在对车道线检测技术进行深入研究的基础上,提出一种能快速准确检测出车道线的新算法。首先采用分块思想将RGB图像中与道路无关的区域去除,以缩短数据处理时间。然后对余下的RGB图像进行灰度化处理,接着用中值滤波法消除随机噪声,再用最大类间方差法(Otsu法)初步得到二值图像。最后对二值图像利用数学形态学进一步边缘细化,使位于车道线上的每个像素行只有一个像素特征点,再采用Hough变换检测出车道线。Matlab仿真结果表明,此算法能够快速准确地检测出车道线,较传统检测算法具有更强准确性和实时性。     

基于数学形态学和支持向量机的跑道检测方法

提出了一种基于数学形态学和支持向量机的跑道检测方法.首先采用Otsu法对原始图像进行全局阈值化处理,并利用灰度形态学边缘检测算法对所得图像进行边缘检测;然后利用Hough变换提取线段,若线段超过一定长度,则判定其所在区域为跑道的候选区域;最后选择8个分量组成跑道候选区域的纹理特征向量,用支持向量机作为分类函数,对候选区域的纹理特征向量进行分类,判别出跑道.实验表明,该算法对跑道定位准确,误检率低.     

轻量化改进网络的海天线检测模型

海天线检测在无人艇自动驾驶与海上目标识别领域具有重要作用。针对传统算法在各类场景下鲁棒性差的问题,提出一种基于目标识别算法的海天线检测模型YOLOv5-SH。该模型利用ShuffleNetV2网络单元搭建特征提取网络,替换YOLOv5模型的骨干网络,提取图像中海天线区域,再利用Hough变换的方法在其中进行线性检测,识别海天线。在自建数据集上的对比实验结果表明,YOLOv5-SH模型能够在各类场景下实时准确检测海天线。     

武警部队快速机动中最优路径的实现

紧急条件下武警部队快速机动最优路径，是一个多目标多约束随机动态交通网络寻优问题。在分析交通网络拓扑化特点及最短路模型前提下，着重研究道路通行能力带给复杂公路网络道路寻优问题的影响，并结合GIS系统利用改进的Dijkstra算法求解。     

一种有效的红外图像融合算法

给出了一种基于átrous算法红外与可见光图像融合算法,该算法主要针对光谱差异较大以及配准精度较低的这类图像的融合算法。该算法首先对融合图像源进行átrous算法分解;随后,对分解的低频信息利用取加权法进行融合;高频信息首先利用边缘检测技术对不同尺度不同方向的高频信息进行边缘点的加强,然后以区域的空间频率为度量标准得到新的高频系数;最后进行átrous算法重构得到最终的融合图像。通过两组红外和可见光图像的融合实验,结果表明该方法能有效地突出边缘细节,提高图像分辨效果和人眼对场景目标的发现和识别概率。     

红外图像强固定模式显著性噪声抑制

针对红外成像设备对天远距离观测中得到的小目标、强固定模式噪声这一类典型数据,提出基于显著性的红外图像强固定模式噪声抑制算法。对此类图像数据进行特性分析,指出图像中目标区域相对于背景固定模式噪声区域是显著的,利用显著性检测算法分离出图像中目标区域及背景,对不同区域分别采取不同处理,仅基于单幅图像信息实现强固定模式噪声的有效抑制。通过大量小目标、强固定模式噪声红外图像对算法性能进行测试。结果表明,本算法能够准确提取出图像中目标区域,实现图像中强固定模式噪声的有效抑制。     

基于摆动式单线激光雷达的障碍物检测算法

基于无急回摆动机构,实现了单线激光雷达对周围区域环境的实时感知与建图。为了准确地检测障碍物,在讨论了摆动机构的安装标定及扫描帧与角度编码器对准方法的基础上,采用了一种生成可通行性代价地图(costmap)的算法。该算法以2-D栅格模型方式,通过综合高程信息、测量值个数、扫描帧个数和测量时间等信息,得到各栅格单元的代价值,生成一张关于环境可通行性代价地图。实车验证结果表明:基于该算法得到的地图能够较好地描述环境的可通行性,实现了对环境的实时感知。     

基于显著性的红外图像强固定模式噪声抑制*

本文针对红外成像设备对天远距离观测中得到的小目标、强固定模式噪声这一类典型数据提出基于显著性的红外图像强固定模式噪声抑制算法。文中首先对此类图像数据进行特性分析,指出图像中目标区域相对于背景固定模式噪声区域是显著的,利用显著性检测算法分离出图像中目标区域及背景,对不同区域分别采取不同处理,仅基于单幅图像信息实现强固定模式噪声的有效抑制。最后,通过大量小目标、强固定模式噪声红外图像对算法性能进行测试,结果表明,本算法能够准确提取出图像中目标区域,实现图像中强固定模式噪声的有效抑制。     

一种面向目标的伪彩色图像融合算法

针对远距离红外与可见光融合图像中目标不突出的问题,提出了一种面向目标的伪彩色图像融合算法。基于目标特征将红外图像分割为目标区域和背景区域,以人类视觉的生物机理和感受野的数学模型为基础,利用差分高斯函数(Difference of Gaussians,DOG)模拟视觉拮抗特性,对目标区域和背景区域用改进的感受野模型和不同的彩色映射规则进行伪彩色图像融合。实验结果显示:该算法能够保留图像共有特征,突出独有特征,融合图像色彩自然、目标突出,具有良好的视觉效果。     

基于改进引导滤波算法的水下图像复原

针对水下图像对比度低,细节模糊,存在颜色偏差的问题,提出一种基于改进引导滤波的水下图像复原算法。将红通道进行反转得到新的水下模型,利用红色暗通道图估计背景光;通过饱和度估计粗透射率图,利用改进的引导滤波算法对透射率图进行细化;对恢复后的图像进行图像增强处理。使用该算法与几种水下图像处理算法对多种水下环境中的图像进行处理,比较视觉效果和UCIQE等评价指标。实验结果表明,算法可以有效复原出清晰图像,校正颜色失真,提高对比度,增强细节,且对人工光源区域也同样适用。     

基于非凸范数最小化图像去噪算法

为改善高斯噪声条件下图像去噪性能,基于低秩理论,提出基于伽马范数最小化的图像去噪算法.所提算法对噪声图像重叠分块,基于结构相似性指数自适应搜索与当前图像块若干最相似非局部图像块以组成相似图像块矩阵,进而利用非凸伽马范数无偏近似秩函数以构建低秩去噪模型,并基于凸优化理论求解所得低秩去噪优化问题,重组所得去噪图像块以获得最终去噪图像.与PID,NLM,BM3D和NNM等主流去噪算法相比,实验结果表明,所提算法可有效消除高斯噪声,且可较好地恢复原始图像细节.