道路消失点检测是高级驾驶辅助系统中盲区监测的重要组成部分。针对现有消失点检测方法所存在的准确度低、运算量大等问题,提出一种基于车载视频图像的道路消失点检测算法。该算法在Harris角点检测基础上优化得分函数检测出图像特征点,减少在跟踪阶段的运算量;通过金字塔光流法和帧差距离对运动特征点进行跟踪,在结束帧上准确获得各特征点的位置;对特征点去除离值点后,通过优化初始聚类中心的K-Means聚类算法,得到车载视频图像的道路消失点。最后将算法应用于各种车辆行驶场景进行测试,在较短运行时间内,能准确检测出车载视频图像中道路消失点,证明算法鲁棒性好、运算简单易实现。

针对交通标志识别中限重标志和限速标志相似程度大、容易造成误检等问题, 结合抗噪能力强的二维OTSU自动阈值分割法与寻优能力强的跳蛛优化算法, 提出了一种基于跳蛛优化的二维OTSU限重标志识别算法。该算法通过统计交通标志牌感兴趣区域的二维灰度直方图, 采用改进跳蛛算法求解二维OTSU分割阈值, 快速地实现交通标志图像的二值化, 再利用DBSCAN对二值化图像边缘点聚类, 最后根据聚类结果的相对位置正确识别限重标志。实验结果表明: 在不降低识别率的条件下, 运算时间降低了34.16%, 并能够正确区别限重标志和限速标志。

针对复杂矿井环境下光照度低、目标尺度变化大、目标间遮挡严重, 现有的目标检测网络特征提取困难、检测效果差等问题, 提出了改进的S3-YOLOv5s的矿井人员防护设备检测算法。在主干网络中加入无参注意力模块(SimAM), 提升网络的特征提取能力; 引入尺度均衡特征金字塔卷积, 加强多尺度特征融合; 最后采用SIoU作为边框回归损失函数并使用K-means++算法进行先验锚框聚类, 提高边框检测精度。实验表明, 相比现有的YOLOv5s算法, 所提算法在所有类别的平均检测精确度从89.64%提升到了92.86%, 在复杂矿井环境条件下对人员防护设备有优良的检测能力, 验证了所提方法的有效性。

针对传统红外面阵探测器成像存在分辨率低、视场范围窄、非均匀性的问题, 提出一种基于红外点元探测器的扫描成像方法。该方法首先利用微型电机驱动扫描镜依次获取物体表面的红外热斑, 经光学镜头聚焦到红外点元探测器, 进行光电转换; 然后经信号处理板采集、处理后生成红外灰度图像; 最后利用多阈值分割的伪彩色映射模型, 将灰度图像转换成伪彩色图像。实验结果表明: 红外点元探测器扫描成像方法能够实现红外场景的大视场、高分辨率成像, 且点元探测器加工制造简单, 价格低廉, 有效突破了传统大面阵成像的高昂成本限制, 更加有利于红外成像技术的推广和应用。

车道线检测是车辆智能驾驶系统的重要组成部分。针对传统的车道线检测方法精度低、实时性能差的问题, 提出一种基于机器视觉的车道线精确检测算法。该算法采用车道内侧边缘线代表车道线, 具体包括预处理和车道线提取两个步骤: 预处理部分包括灰度化、Sobel边缘检测、ROI设定、二值化, 最终得到车道线部分的二值图像; 车道线提取部分包括图像切片、改进的Hough直线检测、DBSCAN直线聚类以及直线拟合, 最终得到精确的车道边缘线信息。最后将算法应用于各种场景下的路况测试, 实验结果表明: 该算法的平均准确率为94.9%, 平均处理时长为25.6ms/f, 具有很好的实时性和鲁棒性。

针对在线式红外测温仪的测温精度易受环境温度影响, 导致测温误差增大的问题, 提出一种基于环境温度的红外测温补偿方法, 以减少测温误差。首先根据红外测温原理, 搭建了红外测温实验平台, 获取了不同环境温度下的测温数据; 然后利用最小二乘法原理对提取的测温误差均值进行误差-环境温度的曲线拟合, 得到了红外测温补偿模型; 最后对其进行了实验验证。实验结果表明, 使用该补偿模型对红外测温数据进行补偿, 得到的红外测温值与真实目标温度值的最大相对误差为0.29%, 说明提出的补偿方法降低了环境温度对红外测温的影响, 有效提高了红外测温精度。

针对回转窑表面的红外图像模糊, 图像细节不易分辨的问题, 提出一种基于视觉特性的回转窑表面红外热图像增强方法。该方法利用人眼在不同灰度级的分辨能力差异, 将回转窑表面的红外图像灰度映射到人眼易分辨区域, 从而提高人眼对图像细节的分辨能力。实验结果表明: 提出的方法能够凸显红外图像边缘, 及时反映窑内的高低温区域, 对避免异常高温引起的红窑事故、保障窑炉经济高效地运行具有重要意义。

针对红外图像空间分辨率低、视场窄，导致图像配准率低、实时性差的问题，提出一种基于感兴趣区域(ROI)的高精度红外全景拼接算法。该算法首先根据两张相邻图像的近似位置关系，求取图像间的ROI；接着，在ROI窗口中提取尺度不变特征变换(SIFT)特征点并将其作为运动目标，结合KLT(KanadeLucasTomasi)实时跟踪算法确定待配准图像中特征点的位置信息并进行匹配；然后采用随机采样一致性(RANSAC)算法剔除误匹配点对；最后利用像素级融合法消除拼接痕迹，合成一幅分辨率稳定、视场宽的红外全景图像。经实验验证，该算法与传统SIFT算法相比，配准率提高了3.491%，运行时间约提高了50%，能够准确、有效地实现多帧红外图像的无缝拼接。

针对红外图像存在灰度范围窄、图像细节不清晰、目标边缘模糊的问题, 提出了一种基于自适应分数阶微分的红外目标增强方法。该方法首先利用图像的梯度、信息熵进行有效融合, 并且自适应调整分数阶微分以增强图像中的目标边缘；然后采用图像像素灰度的标准差和均值进行融合去确定目标的分割阈值, 以区分出图像中的背景和目标部分；通过对图像中的目标区域进行线性增强, 以进一步突显目标。经过实验验证: 本文提出的方法能够有效地区分红外图像中的目标和背景, 局部目标背景比(Target-to-Background Ratio, TBR)平均提高了 0.5, 视觉效果比较理想。

红外焦平面器件普遍存在着非均匀性问题, 对红外焦平面阵列（IRFPA）实施非均匀性校正对提高成像质量具有重要意义。传统的IRFPA多点校正算法存在运算量大、实时性能低、实用效果差等问题, 为此文章综合人眼视觉特性, 提出IRFPA非均匀性多点校正算法。人眼视觉对图像的灰度分辨能力是有阈值限制的, 利用这种分辨阈值可以对IRFPA的标定点进行有效压缩, 生成像元号-校正系数表, 然后通过查找系数表, 实现IRFPA的非均匀性实时压缩校正。实验证明, 提出的IRFPA非均匀性校正算法较传统的IRFPA非均匀性校正算法实时性能更好, 非均匀性降低了0.203%。