摘要：基于视觉的自动泊车系统受光照不均匀的影响较大,且当图像信息较为复杂时,很难对车位做出准确判断,本文中提出了一种基于背景光照去除和连通区域的车位检测方法。使用鱼眼摄像头对车辆周围环境进行拍摄,对拍摄的图像进行处理得到全景鸟瞰图,并将其输入车位识别系统。通过从原始图像中去除背景光照,有效地解决了光照不均匀和背景复杂的问题,并设计了一种基于连通区域的车位提取方法,该方法简化了车位的提取,减少了车位识别的计算量。实验结果表明,所提出的方法可实现对车位的有效识别和精确定位。

摘要：针对无行消隐图像不间断输入的高速图像处理情况,提出一种快速连通区域标记算法的硬件实现方法。利用游程编码优化标号生成算法,减小临时标号数量和等价表长度,并可同时完成特征提取;利用逐像素扫描法,以单时钟周期实现标号跟踪;利用等价表合并方法完成标号合并和特征合并。FPGA仿真结果表明:对连续输入的二值图像进行连通区域标记和特征提取时,运行时间仅由图像输入时间和等价表合并时间组成,明显优于其他方法,可适用于图像的快速识别与跟踪。

摘要：为了提高激光衍射图像连通区域的模糊性自适应识别能力,提出一种基于暗原色颜色空间双向耦合的激光衍射图像连通区域自适应识别方法,进行图像识别算法设计和系统设计。采用颜色衰减先验特征分析方法进行激光衍射图像连通区域自动成像处理,提取激光衍射图像连通区域的暗原色先验特征信息,采用软抠图透射分析方法进行激光衍射图像连通区域的边缘轮廓检测,结合大气散射模型进行激光衍射图像的光晕模糊区域检测,实现连通区域模糊图像的自动修复和识别,有效增强图像细节部分,提高激光衍射图像连通区域自适应识别能力。系统测试结果表明,采用该方法进行激光衍射图像连通区域识别的自适应性能较好,图像信息饱和度较高,图像输出质量较好。

摘要：为克服车牌识别过程中,字符分割算法受到伪车牌、阴影和倾斜等因素的影响,提出基于连通区域标记的复杂车牌的字符分割算法。经预处理消除车体和阴影对图像二值化的干扰;对被标记区域的高度和间隔特征进行特征筛选,去除复杂边框和伪车牌等因素对分割的影响;采用模板和投影法补充分割,解决字符缺省、粘连等问题。大量实例验证结果表明,该算法能有效分割复杂车牌,去除伪车牌,有较高鲁棒性和识别率。

摘要：求一幅图像中各个连通区域的面积是常见的问题。分析了几种传统处理方法的思路和特点。当连通区数量较多时,传统方法效率较低。在一类实际应用中,并不关心连通区的形状、有无孔洞等特征,只是想给出连通区面积的统计数据。针对这一应用特征,提出了一种仅通过一次扫描,就可快速给出连通区面积统计数据的算法。该算法采用链表结构,边扫描边动态地累加连通区面积,边清算、输出已完成的区域。该算法用Java实现,给出了主要的代码和数据结构示意图。

摘要：为了提高无人机着陆的有效性,设计了一种带有注意力机制的神经网络算法(LineNet)实现无人机跑道线检测。根据无人机着陆场景仿真出样本数据,并利用标注工具对数据进行标注,使用Shuffle Conv模块缓解特征融合计算量的占用问题,并引入空洞空间金字塔池化注意力机制(ASPP-SA),ASPP-SA模块中添加残差的跳跃结构获取更多的图像信息,对LineNet模型的检测结果做形态学处理并结合连通区域约束对跑道线特征点进行分类,对相同类别的特征点通过最小二乘法进行跑道线拟合。经仿真数据验证,设计的方法可以有效地检测和识别出正确的跑道线,其平均检测精度为94.36%,相较于LaneNet算法、SegNet算法分别提高了12.82和9.95个百分点,单帧检测时间17.2 ms,是CNN+Hough变化算法1.5倍左右,可以满足无人机着陆的响应时间需求,在无人机着陆的研究过程中有重要意义。

摘要：路面裂缝图像普遍存在光照不均匀,对比度低,噪声干扰严重等问题,传统图像处理方法无法有效检测路面裂缝。提出一种综合区域级和像素级特征的分步路面裂缝检测算法,将检测过程分为裂缝区域检测和区域内裂缝精确检测2部分依次进行。设计一种基于拟合图像背景的匀光算法,并结合其他预处理算法改善图像质量;而后基于图像连通域特征,采用基于多特征的滤波方法以及基于SVM的裂缝区域分类法完成裂缝区域检测;在裂缝区域内采用基于像素灰度与梯度特征的种子生长法提取裂缝目标。实验结果表明,该算法能够较好的检测和标识出复杂路面裂缝图像中的裂缝目标。

摘要：有效地检测地铁隧道表面裂缝对于隧道的安全至关重要。地铁隧道表面图像普遍存在光照不均匀,目标对比度低,背景纹理复杂,噪声干扰严重等问题,而检测传统图像裂缝,如混凝土表面、路面裂缝等的算法不能很好地适用于地铁隧道表面图像。为此本文提出了一种隧道表面裂缝识别的算法。该算法首先利用Mask匀光等预处理算法改善隧道图像的质量,而后分别设计了基于模板的分析法、基于Hough变换的线型结构分析法、基于SVM的近似裂缝结构分析法等算法对隧道表面裂缝图像各成分进行提取,从而达到识别裂缝的目的。实验结果表明,该算法对传统裂缝图像的识别准确率可达97%,对于隧道表面的裂缝图像识别准确率可达81%。

摘要：点云特征线提取是点云模型重构的基础,国内外对此从边缘检测、特征线跟踪和面域分析等方面展开了研究,但由于存在模型多样性、点云数据噪声和不完整性、特征复杂性等问题,看似简单的特征线自动化提取很难实现。从曲率突变点隐含了点云特征线这一论断出发,借鉴图像处理中的区域分割和边缘检测思想,提出了特征线提取中的聚类、细化、分段和排序方案。在具体实现中分别提出了基于连通区域聚类的备选点集分离算法,基于局部影响区域腐蚀的点集细化算法,以及基于组合搜索准则和主成分分析(PCA)双向搜索的特征线分支截断和排序算法。在对比实验中,确定了算法关键参数曲率突变点比例w和方向夹角阈值θT的推荐值,并与类似算法对比能提取更多的特征点;在模型实验中,简单几何模型的特征线提取正确率达到了100%,复杂机械零件模型和艺术品模型的特征线提取正确率均达到了85%以上,取得了预想的棱线和特征轮廓线提取效果。算法具有通用性和可扩展性,通过程序优化可获得更好的特征提取效果。

摘要：该文提出了一种汉字字形视觉重心的计算方法。首先收集常用汉字图像样本,通过图像预处理,提取出样本汉字的连通区域视觉平衡中心;然后招集被试对样本汉字进行视觉重心标注;再利用统计建模的方法,构建出连通区域视觉平衡中心和汉字整体视觉重心之间的关系模型。与相关方法比较,文中方法考虑了汉字视觉重心依赖于人的主观体验这一因素。该方法能广泛应用于汉字特征提取、汉字结构设计与优化等应用领域。