雾天环境下机器视觉的边坡监测方法
针对在机器视觉的边坡监测过程中,雾的存在会降低图像质量,影响监测效果的问题,本文提出了一种结合暗通道先验(DCP)的边坡监测方法.首先,通过计算实时图像的FADE值,判断采集的图像是否需要去雾.对于需要去雾的图像,利用DCP算法进行去雾处理,还原其纹理细节信息;然后,利用尺度不变特征变换(SIFT)算法对去雾后的图像进行特征点匹配,利用随机抽样一致性(RANSAC)算法筛选优秀的匹配点对,获取模板与图像的变换矩阵,进而利用仿射变换求取模板坐标,求得边坡的位移.试验结果表明,本文方法在不同浓度的雾霭图像下均表现良好,有效克服了视觉监测在雾天环境难以应用的问题.
暗通道先验、机器视觉、边坡监测、位移提取、尺度不变特征变换
P208(一般性问题)
煤炭资源清洁利用与矿山环境保护湖南省重点实验室开放研究基金E22015
2022-07-07(万方平台首次上网日期,不代表论文的发表时间)
共5页
88-92