复杂室内图像的灭点检测与箱体重建方法

近年来,随着家居虚拟展示应用的推广,针对图像的室内场景建模技术成为研究和应用的热点。在图像理解的基础上,针对单张复杂室内图像提出了一套箱体建模方法。首先进行代表房间主轴方向的灭点检测,并通过分析影响灭点检测的因素,对灭点检测算法提出相应的改进,从而显著改善算法的执行效率和准确性。然后对图像的场景布局信息进行自动还原,并通过加入布局优化步骤,提高布局还原结果的准确率。最后利用灭点得到相机的内、外部参数,并以此为基础实现图像到三维模型的转换。实验表明,单张复杂室内图像的箱体重建方法能够快速地对图像场景进行分析,并恢复场景的箱体布局,满足虚拟重建的需要。     

基于BP神经网络的多样本手写体字符识别

手写体字符识别是人机交互领域的一个重要内容,本文基于BP神经网络实现了任意数量字符模版的多字符手写体字符识别。分为以下几步,第一,首先对目标图像进行识别前预处理。包括灰度图像二值化、图像孤立像素滤波、图像膨胀、腐蚀、按字母最小行分割、按字母最小列分割、图像紧缩、归一化等;第二,用处理好的多个样本进行BP神经网络训练。包括BP网络参数的选择、目标结果构建、输入到结果的映射即用样本库进行神经网络学习机的训练;第三,待测字母的识别。包括对图像预处理、字符提取、归一化和送入已训练好的BP网络进行识别。该系统最终实现了95%以上的手写字符识别正确率,有一定的借鉴意义。     

基于模板匹配的印刷维吾尔文字符识别研究

维吾尔文字的连笔书写及字型变化的一些特征给识别带来一定的困难并会影响到识别的正确率.在分析了维吾尔文单词的组词规律及其字型结构特征基础上,采用一种基于区域分割模板匹配的识别方法,通过建立标准维吾尔文字母图像模板库,并与通过预处理所获得的待识别维吾尔文字母图像进行匹配.对一些相似度高且难区分的维吾尔文字母则采用提取这些相似字符的附属笔画部分的图像并对其按笔画的连通性、交叉性以及形态等特征进行附属笔画判定的方法来确定这些相似字符,从而较准确地实现了对维吾尔文印刷字符的识别.实验识别率达到94%     

红外图像上的单散雷探测

针对红外图像中单散雷的探测问题,提出了基于图像的随机模型及信号检测理论的地雷探测方法.从自然背景红外图像的随机描述出发,将背景红外图像建模为自回归(AR)模型,并用现代信号处理的方法将其转化成高斯白噪声,再利用信号检测理论中的Rao检验进行地雷信号的检测,解决了复杂背景下红外图像中单散雷探测及定位的难题.较之现有的匹配滤渡检测方法,该方法有着更好的检测性能,试验结果也验证了该方法的优越性.     

基于多权值神经网络的静态手势字母识别的研究

提出了一种基于多权值神经网络模型的静态手势语识别方法.应用手势字母图像圆周极径序列的傅立叶频谱信息来提取特征,再结合多权值神经网络的训练算法与识别算法,实现静态手势字母的识别,并取得了很好的识别效果.     

基于监控视频流的手持探针探测位置检测算法的设计

针对监控视频流开展生产流程的有效性检测,存在计算量大、耗时长等问题;根据采集的手持探针探测的视频流图像,构建数据集,训练人工手持探针的探测模型;采用KNN算法分析前后帧的监控视频流,实现视频流图像前景和背景的分离;利用人工手持探针模型实时提取监控视频中的探针,获得手持探针的前景图像;提出基于像素搜索的手持探针的位置探测算法实现视频图像中人工手持探针探测位置的点推算,并对比理论应检测的真实位置,从而判断手持探针检测的有效性;工厂监控视频流实际测试结果表明,设计的基于监控视频流的手持探针探测位置检测算法的平均准确率约93.26%,召回率约81.11%,F₁值约86.76%,检测速度约9.66 fps/s,能够实现工厂监控视频流中人工手持探针的有效性检测。     

基于深度图像信息的手语识别算法

为了实现手语视频中手语字母的准确识别,提出了一种基于DI_CamShift和手语视觉单词（SLVW）的手语识别算法。首先采用Kinect获取手语字母手势视频及其深度信息;然后通过计算获得深度图像中手语手势的主轴方向角和质心位置,计算搜索窗口对手势跟踪;进而使用基于深度积分图像的Ostu算法分割手势并提取其尺度不变特征转换(SIFT)特征;最后构建SLVW词包并用支持向量机(SVM)进行识别。单个手语字母最好识别率为99.67%,平均识别率96.47%     

基于独立成分分析和支持向量机的图像型火灾探测

图像型火灾探测具有非接触性、反应快等优点,可有效解决大空间火灾探测难题,是火灾探测新的研究方向,其核心问题是火焰和干扰物的分类识别。常用方法是提取火焰在图像上表现的单个或某几个特征信息作为识别依据,需要设置大量经验阈值,识别率常因特征选择不合适而受到影响。通过对火焰整体特性的研究,提出了基于独立成分分析和支持向量机的火焰探测方法。首先在RGB空间建立颜色模型对连续数帧火灾图像预处理,并进行频闪特性和模糊聚类分析提取疑似目标区域,根据独立成分分析线性变换一对一和可逆性估计出基函数描述火焰图像特征,最后用支持向量机模型实现火灾探测。实验结果表明,该方法提高了图像型火灾探测精度和速度,可适用于多种火灾探测场景。     

基于单高斯-动态特征的图像型火灾探测方法

帧差法是图像型火灾探测的常用方法,但由于帧差法难以无法实时更新背景、依赖阈值的选取的缺点,无法排除高亮反射光、酒精灯、大块红色目标等干扰源,针对此问题,提出了单高斯-动态特征的探测方法,单高斯模型能够适应场景不断变化,动态特征用来后期的火焰识别。实验结果表明,该方法提高了火灾探测的精度。     

图像型火灾空间定位研究

大空间火源的空间位置的定位是火灾自动探测和自动扑救中间的重要环节。在分析火灾图像和以往图像型火灾空间的相关定位技术基础上,根据计算机视觉原理,利用固定在自动消防水炮末端的单一CCD摄像头随水炮旋转扫描时的角度、位移变化,将CCD摄像头在不同位置所拍摄的图像中火源图像坐标和火源的空间坐标建立联系,利用极线几何扫描式单摄像机空间定位原理实现了火源空间位置的自动定位。