一种基于扫描线和区域生长的行车偏移检测算法

来源 :中国图象图形学报 | 被引量 : 12次 | 上传用户:yellowfly1
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
驾驶疲劳是引发高速公路车祸的重要原因之一,而根据行车偏移信息则可以评估疲劳状态。为了实时检测到行车偏移信息,提出了一种基于扫描线与区域生长相结合的视频图像分析算法,从而实现了多种道路车道标线和行车偏移的自动检测。该算法还采用自适应感兴趣区域选择方法以及根据车道状况确定帧处理策略的方法,使运算速度满足实时要求。采用该方法获得的行车偏移信息将给后续的驾驶疲劳分析提供必要的数据。
其他文献
为了取得更好的识别效果,受支持向量机的几何解释和最近点问题启发,提出了一种新的模式分类算法——仿射子空间最近点算法。该算法是将支持向量机最近点法的最近点搜索区域由两类训练集凸包推广到两类训练样本各自张成的仿射子空间,并以仿射子空间作为样本分布的粗略估计,通过仿射子空间中的最近点对来构造平分仿射子空间间隔的最优分类超平面。该算法在ORL人脸识别数据库上进行的比较实验中取得了较好的识别效果,从而证实了
为了改善2维阈值分割性能,提高图像分割的效率,在传统2维Otsu阈值分割算法的基础上,提出了一种基于图像边缘信息的2维阈值分割方法。这种改进的方法保留了2维Otsu阈值分割算法分割结果准确的优点,并在此基础上充分利用图像的边缘信息,通过分析图像的边缘直方图和阈值的关系来得到最优分割阈值。仿真实验结果表明,该方法与传统2维分割算法相比,不仅计算简单,而且实时性好。
研究了动态粒子图像追踪过程中的误匹配问题,提出了基于自组织映射(SOM)神经网络的粒子图像匹配算法。该方法使用SOM神经网络将归一化相关算法与最近邻判断准则结合在一起。首先使用互相关算法估计初始匹配位置;然后根据不同相关度的位置信息构建SOM神经网络并使用近邻支持判断准则选择最佳匹配位置。经SOM神经网络改进的粒子图像匹配算法大大减少了伪矢量的数量,增强了实际的处理能力;最后,使用人工合成的粒子图
为了更精确地进行离焦模糊图像检测,提出了一种针对一幅图的离焦模糊图像客观检测的新方法,其核心思想是由线扩展函数(LSF)得到离焦模糊图像的点扩展函数(PSF)。该方法首先假定图像中至少能检测到一条明显边缘,然后由此边缘构造LSF。由于作用于空间域,无需复杂的傅里叶变换或迭代运算,因此该方法速度很快。此外,为使检测方法更具普遍性,还提出了离焦模糊检测的一般准则,这种准则适用于所有图像而不依赖于图像的