辅助视觉下升降机平台人数超载智能检测方法

针对当前的升降机平台人数超载检测以人工为主,存在人为因素干扰,弊端较为明显.提出一种基于计算机视觉图像的升降机平台人数统计方法.利用离散小波变换算法对采集的升降机平台图像进行去噪处理,通过高斯曲线拟合的方法进行人员头部图像特征提取.再把人员头部与背景轮廓区域灰度值的变化进行连续性分析,利用工人轮廓与背景轮廓的纹理特征有差异性,以及工人轮廓边缘像素的灰度值存在梯度变化这一特征,对人员头部进行分割,根据分割结果对人员特征区域进行标记和计数.实验结果表明,利用该方法能够准确地对升降机平台上的人数进行统计,误差低于5%,符合实际应用需求.     

基于卡尔曼预测的序列图像椭圆检测算法

为实现序列图像中的动态椭圆目标检测,采用数字图像坐标系下的卡尔曼滤波来预测图像中椭圆的待检测区域。设计了卡尔曼滤波器,对椭圆目标的运动参数（椭圆中心位置、速度以及加速度）进行跟踪从而可以预测下一帧图像中目标椭圆的待检测区域,缩小了图像中椭圆目标的搜索范围,提高了算法的实时性和鲁棒性。结合随机抽样一致理论和最小二乘拟合法设计了鲁棒性的椭圆检测算法,实现了序列图像中椭圆目标的快速、鲁棒检测。仿真结果及物理实验表明,本文算法能快速稳定的检测出序列图像中的椭圆目标。     

类椭圆特征自动识别及亚像素提取的完整实现

针对视觉检测中高精度、自动化类椭圆图像特征提取的需要,提出一种类椭圆特征自动识别和中心亚像素定位的完整实现方法。方法中采用基于类椭圆边缘属性对特征区域进行自动识别,采用最小二乘椭圆拟合精确求取类椭圆亚像素定位中心。实验表明,基于该解决方案,可以实现类椭圆特征的自动识别及椭圆中心的亚像素定位,定位算法精度较高,鲁棒性强,同时简便易行,不需要人机交互,可以很好地满足视觉检测仪器化需求。     

类椭圆特征自动识别及亚像素提取的完整实现

针对视觉检测中高精度、自动化类椭圆图像特征提取的需要,提出一种类椭圆特征自动识别和中心亚像素定位的完整实现方法.方法中采用基于类椭圆边缘属性对特征区域进行自动识别,采用最小二乘椭圆拟合精确求取类椭圆亚像素定位中心.实验表明,基于该解决方案,可以实现类椭圆特征的自动识别及椭圆中心的亚像素定位,定位算法精度较高,鲁棒性强,同时简便易行,不需要人机交互,可以很好地满足视觉检测仪器化需求.     

一种基于椭圆投影的非理想虹膜定位算法

人以正常步行速度通过采集装置会出现非理想的虹膜图像.本文针对非理想虹膜中的角度偏离图像,提出了一种基于椭圆投影的虹膜定位算法.该算法首先计算双眼相对位置来决定头部的旋转角度,之后找到瞳孔内一点,从该点出发根据梯度变化搜索到虹膜的内边界点,采用最小二乘法拟合椭圆形内边界.然后依据椭圆与圆形的近似度检测人眼凝视方向,使用投...     

基于OpenCV的光纤端面检测系统研究

针对光纤端面制备中各种因素的影响会导致光纤端面产生缺陷的问题,研究了一种基于机器视觉技术的光纤端面检测系统。针对光纤端面显微图像的结构特点,使用图像处理算法拟合其中的椭圆,并提出了一种基于同心椭圆约束的椭圆检测方法,挑选出纤芯和包层轮廓的拟合椭圆。依据获取的拟合椭圆参数将光纤端面划分为三个检测区域,进行分区域的瑕疵点检测和统计。全部算法使用VS2010和OpenCV开发实现。实验表明,该检测系统可以对光纤端面进行准确的质量测定。     

面向近眼式应用的快速瞳孔中心定位算法

针对Hough圆变换、最小二乘法椭圆拟合瞳孔中心定位算法中运算量大的问题,提出一种基于椭圆外切矩形的快速瞳孔中心定位算法。该算法从人眼图像中通过阈值分割得到瞳孔区域,对瞳孔区域进行边缘像素点的提取,然后利用椭圆外切矩形模型定位出瞳孔中心。通过Matlab对中国科学院自动化研究所公开的虹膜数据库中756张人眼图像进行遍历实验验证,所提算法定位准确率为98.3%,平均用时0.192 s。在同等条件下,与Hough圆变换、最小二乘法椭圆拟合算法进行对比,在保证定位准确率的同时,所提算法平均用时更少。实验结果表明,所提算法能够快速准确地完成瞳孔的中心定位。     

基于RGB-D图像的重叠颗粒物分层计数

文中提出一种基于RGB-D图像的重叠颗粒物分层计数方法。由Kinect相机获取彩色和深度图像并配准,对彩色图像采用改进的K-means聚类算法提取颗粒物轮廓,利用格雷厄姆凸壳算法和圆形度对其摆放类型进行分类。利用插值算法对可提取的部分边缘轮廓进行轮廓重建以获取对应目标区域颗粒物数量;对于无法提取的颗粒物轮廓,由估算得到的单个颗粒平均像素点数,根据目标区域总像素点数计算出颗粒物数量;对于无法利用彩色图像提取到的上层目标区域,由深度图像进行阈值分割即可完成上层目标区域的提取和分类计数。文中采用大小均匀、类圆形核桃为研究对象,对任意摆放的不同颗核桃进行计数,平均正确率达99.38%。表明文中方法应用于重叠颗粒物计数是有效可行的。     

基于灰度导数加权的椭圆高精度提取算法

为了满足姿态测量时对椭圆合作目标的高精度定位要求,提出了一种基于灰度导数加权的椭圆拟合算法(WGG).首先,在进行预处理之后的二值图像上提取初始边缘点,采用简单的代数拟合方法得到椭圆参数;其次,考虑二值化过程中的不确定因素会对提取边界点带来干扰,根据原始图缘中边缘灰度的渐变姓,利用边缘点的灰度导数值对其进行高斯函数拟合;最后,求取每一个边缘点的正交相切点,并构造优化目标函数求取椭圆最优参数.实验结果表明,对测试图像提取出采的椭圆拟合误差能达到0.013像素以内,与真实值点的平均误差为0.017像素,真实图像中椭圆的平均拟合误差为0.008 6像素.对于不同的外界环境该方法都能获得更精确的亚像素边缘和椭圆中心,具有很高的精确性和鲁棒性.     

基于空间矩的视觉图像基元特征提取方法研究

建立了三级灰度图像边缘模型的空间矩算子。首先利用LOG(Laplacian of Gaussian)算子定位速度快的特点,确定图像像素级边缘;然后在包含边缘点的邻域内利用空间矩进行边缘的亚像素定位,由Hough变换提取直线和椭圆边缘像素点;最后采用基于最小二乘原理的直线拟合边缘提取方法,得到亚像素级被检测直线和椭圆。对空间矩算子亚像素定位算法与像面直线和椭圆亚像素提取算法的有效性和精度进行了实验研究,实验结果表明,在测量速度相当的情况下,本文提出的算法具有较高的精度和稳定性。     

基于对称点搜索的一维RHT在椭圆检测中的应用

为了降低传统椭圆检测方法对于边缘梯度精度和椭圆完整性的过高要求,有效地提取出图像中的多个未知椭圆,该文提出了一种基于对称点搜索的仅需要一维参数空间累加阵列的快速椭圆检测方法。该方法充分利用椭圆的对称性,借助随机获取的对称点组确定候选椭圆的3个待定参数,并引入基于椭圆生成和膨胀匹配的候选椭圆确认方法用于克服椭圆形变对候选椭圆确认造成的影响。实验结果表明该文算法与基于RHT的其他具有代表性的椭圆检测方法相比具有检测速度快,精度高,抵抗椭圆的部分缺失和形变能力强等优点。     

基于霍夫变换椭圆检测的两种改进算法

针对一维参数空间霍夫变换椭圆检测算法不能检测长轴端点缺损的椭圆这一缺陷,提出了两种改进算法.两种改进算法都是先确定椭圆中心,采用分步计算参数的方法,以降低霍夫变换参数空间的维数,从而降低算法整体的时间复杂度.改进算法1可以看成是一维霍夫变换椭圆检测的一个补充算法,它通过改为最后对长轴进行一维累积,来解决长轴端点缺损的问题.改进算法2则是在椭圆中心确定后,利用椭圆的对称性,计算出其倾斜角,再进一步确定其他参数.实验表明,两种改进算法都能在较复杂的图中较快较准确地检测出残缺椭圆.     

一种新的基于直接最小二乘椭圆拟合的肤色检测方法

肤色检测是计算机视觉中的一个重要问题,本文提出了一种新的基于直接最小二乘椭圆拟合的肤色检测方法,其基本思想是根据肤色样本分布区域的边界数据点采用曲线拟合的方法得到肤色分布区域的边界方程。在实现时,为了解决直接在笛卡儿坐标系中提取肤色样本分布区域边界数据的困难,算法采用了一种新的解决思路,即首先把训练肤色样本在色度空间的统计分布转化为图像的形式,然后再利用边缘检测方法得到肤色分布区域的边界数据。根据所得的边界数据点用直接最小二乘椭圆拟合方法便可得到肤色分布区域的椭圆边界,方法简单直观。实践表明,该算法能完成对各种不同环境条件下所拍摄图像的肤色分割,效果理想,其性能明显优于常用的域值界定法和单高斯模型法。     

Automatic superpixel generation algorithm based on a quadric error metric in 3D space

As a preprocessing step for computer vision tasks, research on generating superpixels of an image has been widely conducted recently. In this paper, we propose a fully automatic superpixel generation algorithm by simplifying the 3D triangle mesh modeled from a 2D input image. The simplification is performed based on a modified quadric error metric (QEM) method. The pipeline of our algorithm is simple. Given an image, we first turn it into a 2D triangle mesh and then lift the mesh to 3D based on the gray values of the image. We then simplify the 3D mesh based on the modified QEM method which encodes the features in the image intrinsically to ensure feature-aware superpixels. After obtaining the simplified mesh, we map it back to the 2D image to generate triangular-shaped superpixels. Our algorithm is fully automatic. The number of superpixels can be controlled intuitively. Experimental results demonstrate the effectiveness of our approach.     

Delineating elliptical objects with an application to cardiac scintigrams

To delineate the myocardium in planar thallium-201 scintigrams of the left ventricle, a method, based on the Hough transformation, is presented. The method maps feature points (X, Y, Y')-where Y' reflects the direction of the tangent in edge point (X,Y)-into the two-dimensional space of the axis lengths of the ellipse. Within this space, a probability density function (pdf) can be estimated. When the center of the ellipse or its orientation are unknown, the 2-D pdf of the lengths of the axes is extended to a 5-D pdf of all parameters of the ellipse (lengths of the axes, coordinates of the center, and the orientation). It is shown that the variance of the edge-point-based estimates of the axis lengths increases when the location error of the center of the supposed ellipse or its orientation error increases. The likelihood of the estimates is expected to decrease with increasing variance. Therefore, local search algorithms can be applied to find the maximum likelihood estimate of the parameters of the ellipse. Curves describing the convergency of the algorithm are presented, as well as an example of the application of the algorithm to real scintigrams. The method is able to detect contours even if they are only partly visualized, as in thallium scintigrams of the myocardium of patients with ischemic heart disease. As long as the number of parameters describing the contour is relatively low, such an algorithm is also suitable for application to differently curved contours.     

激光跟踪视觉导引测量中靶标球球心定位方法

为解决现有激光跟踪测量系统中存在的搜索区域大、定位速度慢等问题,提出了一种基于单目视觉测量系统求解激光跟踪仪靶标球球心三维坐标,以此作为导引信息,引导单台激光跟踪仪实现多基准点自动测量的方法。对视觉测量所采用的椭圆识别和基于单目摄像机的球心定位算法进行了研究。首先,根据靶标球成像的特点,介绍了基于Gestalt的椭圆识别算法,实现了靶标球图像特征的自动提取与识别。然后,介绍了基于单目摄像机的球心定位算法,即根据图像椭圆方程、相机焦距和球半径求解球心三维坐标,并进行了仿真验证。最后,进行了实际的靶标球图像自动识别与球心定位实验。结果表明,采用文中方法测量两靶标球间已知距离约为550 mm时的RMS误差为1.728 2 mm。激光跟踪仪激光束搜索范围得到大幅减小,基本满足自动测量的快速性和高效性等要求。     

基于波形自适应的认知雷达机动目标跟踪算法

从认知雷达的角度出发,综合考虑跟踪模型和波形选择,提出一种能够适应目标运动状态急剧变化的波形自适应机动目标跟踪算法。首先,将匀速运动模型和当前统计模型作为交互式多模型(IMM)的模型集,并结合贝叶斯理论提出一种时变转移概率的自适应IMM算法。然后,结合量测误差椭圆与目标状态预测误差椭圆正交理论,研究了基于基带脉冲波形模糊函数旋转的波形库实现方法并给出了波形自适应选择跟踪算法的具体步骤。仿真实验表明,所提算法能够适应目标不同加速度机动,雷达系统跟踪性能得到了较大幅度提升。     

改进的自适应呼吸信号均值漂移跟踪方法研究

利用呼吸门控技术进行放射治疗已成为一个热门研究问题,它能确保对健康组织细胞造成最小程度的伤害,而其中的关键问题之一是研究呼吸信号均值漂移跟踪方法,以保证门控技术在开关放射线方面的准确性。本文基于Kanatani高精度椭圆拟合分析方法,并在广义特征分解问题基础上,提出了一种改进的自适应呼吸信号均值漂移跟踪方法,利用我们提出的改进算法可以在状态空间中用椭圆对呼吸信号进行估计。在本文中我们可以得到椭圆的中心值,它对应于我们所要估计的呼吸信号均值,其对有信号损失的数据以及伪数据都具有鲁棒性,在实验中我们验证了由于利用了Kanatani提出的方法,对小数据量信号进行估计时,我们的算法同样具备良好的抗噪性,这修正了仅利用广义特征分解问题中寻找对应特征向量的最大特征值方法求解椭圆估计参数方面的不足。      

视线跟踪过程中变形瞳孔的定位

在视线跟踪过程中,变形瞳孔的定位至关重要。针对眼部图像出现干扰情况下的变形瞳孔定位,该文提出了一种基于3点的随机采样一致性定位算法RANSAC_3,即利用随机采样到的2点(以及它们的梯度方向)和搜索获得的1个点来确定椭圆参数。由于该算法在确定参数时只需随机采样两个点,从而大大降低了采样到干扰点的几率,利用搜索到的第3点来决定是否对当前点进行参数计算,有效地解决了标准随机采样一致性定位算法中的无效采样和误差累积问题,提高了椭圆拟合效率和瞳孔定位精度。实验证明,该算法对变形瞳孔具有很好的定位效果,对光斑、睫毛、头发、眼镜框以及眼球运动模糊的引起的干扰具有较强的鲁棒性,并且定位速度快,可以达到实时要求。     

基于网格剖分的协方差交集融合新算法

针对协方差交集的最优融合问题,提出了一种基于网格剖分的协方差交集融合新算法。该算法首先利用几何法对位置空间进行网格剖分,求出局部航迹协方差椭圆所包含的网格集合;其次,对所有的网格集合进行与运算,求出局部航迹协方差椭圆所包含的公共网格集合;最后,利用公共网格集合逼近协方差椭圆的交集,求出融合估计值。蒙特卡罗仿真试验证明,该方法能有效提高相关误差航迹的融合精度。