基于局部方向编码的遥感影像平行边缘识别

针对高分辨率遥感图像中道路、建筑物和水域等的特征识别难题,提出了一种基于边缘局部方向信息的平行边缘自动识别算法。该算法首先定义平行边缘由一系列相互平行的短直线组成;然后提出了交叉点共线约束的8-邻域边界追踪和9-像素滑动窗口内直线检测算法,实现了边缘连续线条局部方向信息编码;最后通过分析连续线条结构及方向编码规律,提出了主元分析及方向一致性判别准则进行平行特征识别。实验结果表明,该算法能够有效提取高分辨率遥感图像中具有最近邻关系的平行直线和曲线特征,平均识别准确率在95%以上,但算法执行速度有待提高。     

基于光场深度序列的大视野图像拼接算法

针对现有光场深度重建算法只能获取单一视角深度信息,三维建模应用受限的问题,提出一种大视野图像拼接算法。该算法基于三维光场重建的深度图像序列,采用双边滤波及插值算法对图像进行去除噪声,利用基于边缘曲率极值的角点检测算法,并通过最小曲率偏差的列间度量匹配实现了图像之间的精确配准,采用改进的加权平均方法对重叠区域进行融合操作,既保留图像细节又拓展图像视野。实验结果表明,该算法能够有效实现光场深度图像序列的平滑拼接,有利于形成大视野深度数据,为大场景的三维重建奠定了基础。     

基于暗原色的农机具视觉导航线提取算法

针对农机具视觉导航线提取算法受外界环境影响较大,适用性、稳定性较差等问题,提出了一种基于暗原色的农机具视觉导航线提取算法。基于暗原色原理提出了一种新的农田图像灰度化方法,实现了农田图像中的农作物和土壤更好地区分。再利用形态学方法和最大类间方差法对灰度图进行二值化和滤波,并结合垂直投影的方法提取导航感兴趣区域,进而确定感兴趣区域的导航定位点,并通过最小二乘法将定位点拟合得到导航线。实验结果表明,该算法适用于不同颜色情况下的农田场景及农田道路导航线提取,与传统算法相比,在精度上满足导航线的要求且速度也有较大的提高,具有更广的适用性。     

基于轮廓特征理解的城市道路图像深度估计

准确估计道路场景图像中的深度信息,是智能交通和机器人导航中对障碍物估计和定位的关键。基于区域特征理解的单幅静态城市道路图像深度估计算法,可以通过边缘生长图像分割算法得到一系列封闭的图像区域;然后统计每个分割区域自身的多元特征,包括区域的颜色、面积、位置,所包含的直线、垂线和平行线;基于这些特征,进一步估计道路消失点,并实现天空、垂直面和道路区域的分割和三维空间推理,最后根据典型道路的深度变化规律实现对道路图像的深度估计。实验结果表明,该算法能够有效地估计道路消失点以及道路区域内部的渐变深度信息。     

基于垂线包络和平行线对的城市道路图像消失点检测算法

从单幅图像中识别道路消失点,是无人驾驶、智能导航等领域的关键技术之一。针对城市典型道路和街道图像,提出了一种新的基于垂线包络和平行线对的城市道路图像消失点检测算法。提取单幅图像中的所有平行线对,利用图像中存在的竖直线,提出了竖直区域的包络线估计方法,并实现了对道路区域的分割,有效提取了道路区域内的平行线对。使用方向分组策略将道路区域平行线分成两类,并对近似对称的直线对求交点。利用Cmeans聚类和统计相结合的方法估计了城市道路场景中的消失点。实验结果表明,该算法能够准确有效地估计城市道路场景中的消失点。