當(dāng)前激光成像雷達(dá)采用的圖像邊緣檢測方法,普遍通過邊緣噪點(diǎn)輪廓清晰度的邏輯設(shè)定,通過不斷調(diào)整像素點(diǎn)的濾波閾值來完成圖像邊緣的識(shí)別檢測效果。此方法在激光連續(xù)高速成像狀態(tài)下,邊緣檢測誤差較高。因此,提出人工智能技術(shù)的激光成像雷達(dá)圖像邊緣檢測。通過導(dǎo)入基于人工智能技術(shù)的激光成像智能識(shí)別策略,實(shí)現(xiàn)動(dòng)態(tài)自動(dòng)調(diào)用匹配算法的效果;然后,在人工智能策略下引入圖像距離結(jié)構(gòu)優(yōu)化后的濾波算法與全方位角度圖像邊緣檢測算法,通過人工智能技術(shù)快速完成兩種算法間的調(diào)用與切換,使算法間無縫對接,打破單一算法識(shí)別邏輯限制帶來的誤差。通過對不同邊緣檢測算法間的結(jié)果數(shù)據(jù)對比,證明人工智能技術(shù)的激光成像雷達(dá)圖像邊緣檢測方法,能夠?qū)⒄`差值控制在有效范圍內(nèi),整體檢測效果符合檢測要求,且高于實(shí)驗(yàn)中對比算法。

【文章頁數(shù)】：4 頁

【部分圖文】：

圖1 人工智能技術(shù)下的激光成像智能識(shí)別策略整體結(jié)構(gòu)

人工智能技術(shù)下的激光成像智能識(shí)別策略整體結(jié)構(gòu)如圖1所示2.2圖像距離結(jié)構(gòu)優(yōu)化后的濾波算法引入計(jì)算

圖2 全方向檢測矩陣對應(yīng)值參照圖

首先，對圖像所在空間進(jìn)行8個(gè)空間維度方向[10-11]的定義，并將圖像的上的任意一個(gè)檢測像素點(diǎn)設(shè)為Q(n,k)，則像素點(diǎn)間所建立的聯(lián)系與邊緣檢測矩陣對應(yīng)值如表1和圖2所示。邊緣檢測像素點(diǎn)Q處于任意一個(gè)方向時(shí)，所對應(yīng)的確認(rèn)量H(n,k)的計(jì)算式為:

圖3 激光成像雷達(dá)圖像邊緣檢測精度對比

采用3種方法對表1的5類激光成像雷達(dá)圖像邊緣進(jìn)行檢測實(shí)驗(yàn)，得到的實(shí)驗(yàn)結(jié)果如圖3所示。從圖3可以看出，本文方法的激光成像雷達(dá)圖像邊緣檢測精度平均值為91.94%，多尺度的邊緣檢測方法、Canny算子的邊緣檢測方法、基于LoG算子的激光成像雷達(dá)圖像邊緣檢測方法的精度平均值為分別為:8....

圖1 激光成像雷達(dá)圖像特征點(diǎn)過濾過程

為加快激光成像雷達(dá)圖像邊緣特征點(diǎn)匹配準(zhǔn)確率，利用人工智能技術(shù)過濾噪聲對圖像邊緣特征閾值的干擾，過濾過程見圖1所示;第一步，選擇圖像邊緣特征點(diǎn)。第二步，輸入圖像p={p1,p2,p3，…，pn}，對比圖像灰度通道的灰度梯度直方圖，再選擇對比度較好的灰度通道。將強(qiáng)化后圖像的灰度信息作....

本文編號(hào)：4027513