相干激光雷达距离像的噪声抑制算法研究

激光雷达能同时成距离像和强度像,较其他的成像体制给出更多的有用信息。距离像的去噪是激光雷达图像处理的关键步骤,去噪的好坏直接关系激光雷达在跟踪、定位等方面的精确性。根据距离像噪声来源,采用结合强度像的多级中值滤波对实际的雷达图像进行了去噪处理。首先利用强度像3×3邻域均值和图像平均值消除失落信息影响,然后采用多级中值滤波消除逸出值。分别给出了各步处理结果,最终获得了较清晰的距离像。研究结果表明运用结合强度像的多级中值滤波方法能够有效地抑制相干激光雷达距离像的噪声。     

基于局部直方图的目标分割方法

图像分割是图像精确跟踪中的重要组成部分 ,是后续进行图像识别的基础。在介绍传统阈值分割方法的基础上 ,提出了一种应用序列图像跟踪、利用跟踪区域的局部直方图来计算分割阈值的方法。该方法利用相邻两帧图像数据的相关性 ,根据跟踪区域的灰度信息自动调节每帧图像的分割阈值 ,使在跟踪区域内的目标得到了较好的分割效果。运用该算法 ,不仅取得了良好的分割效果 ,而且结果证明该算法具有较强的自适应性     

大豆冠层多光谱图像提取方法

为解决大豆冠层在近地端的多光谱图像边缘灰度不均,目标与背景之间灰度差别小,难以准确高效地获取大豆冠层目标区域的难题,将多光谱成像处理技术与经典图像分割方法有机融合,提出基于多光谱图像处理技术的大豆冠层提取方法。以东北大豆为对象,通过Sequoia多光谱相机采集绿光、近红外、红光、红边和可见光五类大豆多光谱图像,采用高斯平滑滤波法对原始大豆多光谱图像进行预处理,分析多光谱图像中大豆冠层和背景的灰度直方图分布特性,在此基础上利用迭代法、Otsu法和局部阈值法提取原大豆多光谱图像中冠层区域,并以图像形态学开运算处理细化和扩张背景,避免图像区域内干扰噪声对大豆冠层识别效果的影响,同时以有效分割率、过分割率、欠分割率、信息熵以及运行时间等为监督指标,对大豆冠层多光谱图像识别模型进行效果评价。大豆冠层识别模型中迭代法可以有效分割近红外和可见光大豆冠层图像,有效分割率分别为97.81%和87.99%,对绿光、红光和红边大豆冠层图像分割效果较差,有效分割率低于70%;Otsu法和局部阈值法可以有效分割除红光波段的其余四种多光谱大豆冠层图像,且有效分割率均在82%以上;三种算法对红光大豆冠层图像的有效分割率均低于20%,未达到较好效果。在原始多光谱图像中应用迭代法、Otsu法和局部阈值法提取大豆冠层图像与标准图像的信息熵平均值波动幅度分别为：0.120 1,0.054 7和0.059 8,其中Otsu法和局部阈值法较小,表明了对于大豆冠层多光谱图像识别中两种算法的有效性。该算法中Otsu法和局部阈值法均可以有效提取绿光、近红外、红边和可见光等多光谱的大豆冠层图像,二者较为完整地保留了大豆冠层信息,其中Otsu法实时性能较局部阈值法更好。该成果为提取农作物冠层多光谱图像提供理论依据和技术借鉴。     

基于红外图像形心优化提取的汽车夜视安全系统

为了提高汽车夜间行驶安全性能,设计并实现了一套基于红外图像处理的夜视安全系统。使用被动式红外相机对车辆和行人进行红外成像以得到车辆前方行人和车辆的准确位置;测距必须确定对象的形心,对红外图像的灰度值进行判定区分行人和车辆,对行人使用中值空域滤波方法进行降噪,对车辆使用db4小波进行预处理,然后使用基于图像边缘的图像分割方法进行图像分割,使用最大类间方差评估确定分割结果,再进行区域提取得到形心坐标;使用小孔成像模型计算形心与本车的距离,提取本车速度、加速度参数计算理论碰撞时间,当理论碰撞时间小于时间阈值时进行声光告警,从而实现实时预警。系统使用DIR-384-P红外相机,系统算法使用PFGA实现,测试结果表明,经过标校和加固后,系统与目标存在5米距离时,车辆测距的误差率达到2.74%,行人测距的误差率低于3.9%,具有一定的实际应用价值。     

基于对称差分和光流估计的红外弱小目标检测

针对复杂天空背景条件下低信噪比的红外弱小目标检测问题,提出了一种基于对称差分和光流估计相结合的目标检测算法。对序列红外图像做对称差分运算,通过图像差减运算和自适应阈值分割提取目标可能的运动区域,并对区域做扩张和叠加处理,得到连续帧间目标可能出现的区域。计算每个区域红外图像的光流场,对光流场进行阈值分割,辅以数学形态学滤波等方法,检测区域中的目标。该算法充分利用对称差分运算计算量小和光流检测准确度高的特点,在保证检测准确度的同时大大减少了目标检测算法的计算量。实验及结果分析表明,基于对称差分和光流估计的目标检测算法能实时有效地检测出复杂天空背景下的红外弱小目标。     

高噪声背景下激光条纹亚像素中心的提取

针对线结构光三维形貌测量中大量噪声易干扰激光条纹中心提取准确度的问题,提出了一种条纹亚像素中心提取方法。分析条纹图像中的噪声,采用平均法和中值滤波预处理图像;利用迭代阈值分割及形态学方法,获取条纹目标,引入距离变换提取条纹的像素级中心;根据像素级中心、二值信息及光强灰度,结合曲线拟合及重心法精确提取条纹的亚像素中心。仿真分析和实验验证下,相邻行条纹中心列坐标最大偏差值像素小于2 ,平均偏差像素值约为0.3,与传统方法相比,2项指标值更小。实验结果表明,算法有效利用条纹灰度分布规律,可降低噪声对中心定位精度的影响,更逼近条纹真实中心位置,抗噪能力极强。     

深空背景弱小目标实时检测算法研究

根据深空背景的特点,提出一种基于FPGA和DSP的检测算法,并设计相应的硬件系统,能对大小为512×512像素、帧频率为40帧/s的视频图像进行实时处理。先在FPGA中用最大中值滤波抑制空间成像噪声,解决了图像预处理运算量大对处理速度要求高的难题,再在DSP中用使用改进的双差分法进行运动目标分割,克服了单差分提取目标轮廓不准的缺点,最后结合候选目标的特征,采用基于逻辑的最近邻关联方法提取目标航迹。试验结果证明该算法满足了深空背景弱小目标实时检测的要求。     

基于中值的平方距离对称共生矩阵阈值化方法

对灰度概率分布呈现偏斜和重尾的一类图像的阈值选取问题进行了研究.鉴于应用均值方法进行分类估计出现偏差的问题,本文应用中值方法进行修改,使图像阈值的选取更加合理.基于平方距离的对称共生矩阵阈值方法,在对称共生矩阵上定义了区域中值,提出了基于中值进行分类统计的平方距离对称共生矩阵阈值法,并给出了多阈值分割计算式.与Otsu′s法、基于平方距离法的分割比较表明:本文提出的方法不仅对于分类概率呈现偏斜和重尾的情况分割效果突出,而且由于考虑了图像的空间信息,与基于中值的Otsu′s法相比,所提取的目标信息更加完整,边缘更加清晰;对于小目标类的图像,该方法也具有良好的阈值选取效果.为进一步说明该方法的正确性和有效性,基于标准分割图像进行了误分类误差计算,结果表明所提出的方法误差值能够达到最小.     

连续帧间差分与背景差分相融合的运动目标检测方法

为了克服背景差分法和帧间差分法的不足,有效提高运动目标检测的准确性、实时性和检测效率,提出了一种将连续帧间差分法与背景差分法相结合的运动目标检测方法.首先通过连续帧间差分法获得连续帧差图像,然后分别通过线性的自适应滤波、非线性的中值滤波获得背景图像进行差分,之后再利用阈值分割技术实现运动目标的增强,从而有效解决背景差分法和帧间差分法中都可能出现的无法检测目标的现象.实验表明,该算法可以有效避免漏检、误检等情况,提高运动目标检测的效率和准确性.     

基于中值滤波和提升小波分析的图像去噪方法研究

针对现有算法大多对单一高斯噪声或脉冲噪声进行图像滤波的问题,在对二维图像平滑去噪的过程中,采用基于中值滤波和提升小波变换相结合的图像去噪方法。在中值滤波基础上,构造基于脉冲检测的中值滤波器,找出混合噪声中脉冲噪声并进行滤波;与此同时,对原始小波进行提升,构造提升小波,然后采用提升小波阈值去噪方法抑制高斯噪声。实验结果表明:采用本文方法,混合噪声得到有效抑制,去噪效果好。     

基于边缘特征的中值滤波的小目标检测法

提出了一种基于边缘特征调整滤波尺寸的中值滤波算法用于小目标的检测。以图像像素的四个方向的边缘分量确定阈值,以此阈值判断像素是否为小目标区域,在此基础上调整滤波尺寸,采用中值滤波方法检测出小目标。结果表明,该算法对于小目标检测有很好的效果。     

星空背景下的运动点目标轨迹提取

针对星空图像中运动点目标轨迹难于提取的问题,提出了有限帧最小二乘轨迹关联算法。采用相邻帧差分、自适应阈值分割、连通域处理和质心计算等步骤实现了疑似目标的定位。根据星点目标运动轨迹近似为直线、运动的连续性和相关性等特点,利用有限帧最小二乘线性拟合预测目标位置,以预测位置为中心开搜索窗,关联匹配真实目标,并通过置信度检验确认并提取目标运动轨迹。整套算法简单,易于实现,通过实拍星图实验,验证了该算法效果好,实时性强。     

基于多特征融合与ROI预测的红外目标跟踪算法

针对当前红外目标检测与跟踪算法存在场景自适应能力弱、专用性强,以及在大视场条件下,首帧图像中小目标误检率高的问题,提出一种红外序列图像目标自适应阈值分割、检测与跟踪方法.选取目标移动速度、目标轮廓的面积和周长、以及自适应分割阈值与感兴趣区域位置为动态变量,建立动态决策准则.采用首帧目标检测算法计算出序列图像的第一帧图像目标的静态变量和部分动态变量,再采用改进的局部自适应阈值分割算法分割后续帧图像,然后利用静态与动态决策准则筛选出分割后的真实目标,最后计算并更新动态决策准则.红外靶标测试结果表明:该方法对不同场景具有较好的适应性,四个场景平均跟踪准确率为95.81%,微机平台平均每帧处理时间为10.93ms,嵌入式平台为26.79ms.     

复杂工况下视觉AGV导航标识带中心线的提取研究

针对光照不均匀、导航标识带破损、少量杂物干扰的复杂工况条件下,对视觉AGV采集到的路面导航标识带图片进行特征提取,采用灰度化、中值滤波进行了图像预处理,研究了Otsu法和迭代法等动态阈值分割算法以及形态学在图像分割中的应用,并对预处理图像作了分割对比实验。然后对分割后的图像进行边缘提取,分析了基于最小二乘法和Hough变换算法的直线拟合原原理,提出了Hough算法下基于边缘线的中心线拟合算法,并作了直线拟合对比试验。实验表明,复杂工况下,采用基于形态学和Otsu算法相结合的方法对图像进行分割,得到的二值图像边界更完整,效果更好,基于Hough变换算法较最小二乘法能更精确有效地提取出导航标识带中心线及其方程。     

闪光照相CCD图像的自适应中值滤波方法

中值滤波是一种在去除噪声的同时能较好地保护图像边缘细节的非线性图像处理方法。为了滤除闪光照相CCD图像中的脉冲噪声，同时能更好地保护图像边缘，提出了一种改进的自适应中值滤波方法。该方法采用局部中值和局部方差作为判断噪声点的阈值，实现了局部自适应的中值滤波，克服了传统自适应中值滤波方法的缺点，对椒盐噪声和随机脉冲噪声均有较好的滤波效果。实验结果表明，该方法消除图像脉冲噪声十分有效，对闪光照相CCD图像的处理结果也较好。     

一种复杂背景下红外目标提取的实时性算法

由于自然环境及成像条件的影响,红外目标提取常受到背景干扰的影响。针对复杂背景下的红外目标提取提出了一种算法,该算法采用预处理去除大量的灰度较低的背景和杂波,利用形态学滤波进一步去除部分背景和杂波,通过自动阈值分割最终将目标提取出来。该算法既克服了背景干扰,又保证了目标提取的效果,且算法实时性强。通过仿真对比证明,该算法对于复杂背景下的红外目标提取效果良好。     

基于水平集的牙齿牙槽骨图像分割

口腔锥形束计算机断层扫描（Cone Beam Computed Tomography,CBCT）图像中牙齿及牙槽骨的分割对骨性结构的三维重建提供了基础,是实现牙齿牙槽骨三维可视化的必要步骤.本文根据牙齿及牙槽骨特点,将一种改进的势阱函数与水平集模型结合,克服以往势阱函数在部分区域出现“停止演化”或“过快演化”的缺陷,并将其应用在对牙齿牙槽骨的分割当中.采用多次小方差高斯滤波叠加的方式对图像进行序贯滤波预处理,解决单一方差高斯滤波难以有效滤除CBCT图像中噪声的问题,为准确分割提供了条件;基于序列图像相邻两张图片中同一牙齿的轮廓变化不大这一特点,以当前层的分割结果作为下一层曲线演化的初始轮廓,使得用更少的迭代次数得到相同结果,从而提高分割速度.另外,本文还将该算法应用于口腔磁共振图像中,并成功对单颗牙齿进行了分割.     

一种新的激光雷达距离像噪声抑制方法

主要针对激光雷达距离像的距离反常噪声抑制问题,阐述了激光雷达距离像的噪声原理,分析了应用传统中值滤波方法抑制距离反常噪声的缺陷,提出了基于包围准则的自适应中值滤波算法。该方法首先根据包围准则检测噪声,对5×5滤波窗口内的像素值进行排序差分;然后选择低于门限长度最长的连续差分值对应的像素值作为距离正常值;最后运用中值滤波和加权均值滤波进行噪声抑制。实验结果表明,该方法有效抑制了距离反常噪声,且较好地保护了距离图像中目标的边缘细节,均方根误差分别比3×3和5×5窗口中值滤波法减少了27.1%和9.1%。     

基于点云多帧融合的相邻障碍物聚类分割方法

相邻障碍物的分割是无人驾驶领域的技术难点,低线激光雷达点云稀疏,无法聚类远距离物体,但激光雷达线束越多越昂贵。为了实现低成本聚类分割相邻障碍物,实验场景选取常用交通场景对象相邻的人/人、人/车,提出了一种基于多帧融合的相邻障碍物分割方法。基于惯性测量单元、激光雷达融合多帧点云,解决了低线激光雷达因分辨率低而无法聚类远距离相邻行人的问题。提出改进的欧式聚类,加入自适应阈值和向量角度约束两个新的分割标准,提高相邻障碍物的分割效果。实验结果表明,该方法具有成本低、聚类精准等特点,与单帧传统欧式聚类算法相比,该方法针对相邻障碍物分割的准确度提升约30.7%,对低线激光雷达在障碍物聚类以及后续的检测具有一定参考意义。     

印制电路板缺陷图像边缘检测

为了提取含噪声印制电路板(PCB)光板缺陷图像边缘信息,提出了一种基于混合法的图像边缘检测方法.在分析类间最大距离法图像分割基本原理的基础上提出了一种改进的类间最大距离法(IMDBC);设计了结合中值滤波、IMDBC、改进的数学形态学边缘检测算子与LOG算子进行PCB光板缺陷图像边缘检测的混合方法.用CCD及显微镜成像系统获取4幅PCB光板缺陷图像,结果表明:用本文方法提取出的图像边缘信息清晰且较精确,噪声点较少,所得到的4幅图像优质系数是其它6种方法的1.0111~1.3586倍.