视觉测量中环状编码标记点检测与识别方法

针对视觉测量中环状编码标记点检测识别易受成像角度、光照等因素影响的问题,提出了一种基于编码环采样的解码识别方法.使用Canny算子对图像进行边缘检测,提取图像轮廓结构信息,基于尺寸和形状约束,滤除非标记点轮廓;使用Otsu算法进一步提取标记点边缘环状邻域,通过最小二乘椭圆拟合求解椭圆参数,通过椭圆参数约束,再次滤除非标记点轮廓;基于标记点椭圆参数,对编码环进行连续采样,解算获得编码值.试验结果表明,所提出的检测识别算法受成像角度、光照等因素影响小,可实现编码标记点的精确定位与准确识别.     

基于简化GEVD技术的椭圆拟合算法

传统的椭圆拟合使用标准广义特征值(GEVD)分析算法.通过统计分析技术,可知该技术在拟合数字椭圆时,存在估计偏差大、均方误差大的缺点.其产生原因是数据噪声的有色性和自相关函数矩阵的条件数过大,因此对数据噪声的预白化滤波和对数据的正则化变换是提高椭圆拟合的有效措施.这从理论上有力支持了Hartley提出的正则化技术.根据分析,我们开发了一个简化GEVD技术.通过理论分析和计算机仿真实验,表明了它固有地同时具备噪声预白化功能和数据正则化功能,因此,它能给出均方误差相当小的无偏估计,由于它无须进行预白化变换或正则化变换,并把求解GEVD过程的维数从6降为2,所以它还具有计算快速、实现简单方便的优点.     

有内部冲突的F的广义左、右部冲突判定算法

数据库数据组织的无环性是数据库理论和应用中一个重要特性．如何把数据库模式分解成无环性是一个比较复杂的问题，特别是在FD集F有内部冲突时无α环的分解问题．为了解决这一问题，讨论了有内部冲突的FD集F有广义左部冲突或广义右部冲突时和对称左部属性集之间的关系，以及对称左部属性集存在的条件和性质；给出了相关概念、定理及证明．在此基础上，给出了关于存在广义左部、右部冲突的判定算法，对该算法进行了正确性证明和算法分析．     

复映射z←zw+c(w∈C)的开关广义Julia集

推广了Lakhtakia提出的开关Julia集(简称开关J集)的构造方法.通过分析广义J集的构造算法,阐述广义J集的结构特点.在此基础上,对在开关映射作用下复Z平面上初始点的轨道进行研究,描述了开关广义J集的结构特征,并给出开关广义J集的裂变原因.     

一种新的基于弧段提取的椭圆检测方法

为了克服椭圆检测过程中对椭圆完整性和边缘梯度信息依赖性较强的缺点,提高椭圆目标的检测速度,提出了一种新的基于弧段提取的椭圆拟合方法;首先将梯度方向符号相同的相邻边缘点连接成弧段,然后根据弧段的凸性和象限分类定义新的弧选择策略,利用位置约束和弧对的椭圆中心估计提取候选椭圆,最后采用改进的拟合算法拟合椭圆;实验结果表明,基于弧段提取的椭圆拟合方法相对于LMEDS算法和RHT3具有更好的准确性、鲁棒性和稳定性,实时性也有一定的提高。     

六边形平面结晶体群广义M集的构造

本文根据逃逸时间算法,由Lyapunov指数判定初始迭代点集的动力学特性,构造平面六边形结晶体群的广义M集.通过对结晶体群对称性的分析确定了构造广义M集的初始迭代点区域.从本文构造的广义M集(参数平面)中取得的参数,构造出了具有六边形格子对称群特性的混沌吸引子和充满Julia集.     

机载图像辅助导航实时匹配算法研究

针对机载图像匹配辅助导航系统的实时性和精度高的特点,提出了基于部分Hausdorff距离的粗匹配与基于广义点理论的精匹配相结合的匹配方法;该方法利用多尺度边缘检测提取机载图像的边缘特征,将参考图像和实时图的边缘特征进行粗匹配和精匹配,并做了仿真实验;实验结果表明,该算法优于与灰度相关和SSDA算法对比,并验证算法的有效性.     

基于广义解的网络合作博弈收益分配模型

网络合作博弈主要研究如何将联盟收益分配给网络合作联盟的每个参与者.考虑到现实生活中很多联盟倾向于保留一部分合作收益用于再发展的情况,对网络合作博弈模型进行扩展,定义广义分配、广义核心和广义谈判集等解的概念,并证明当满足超可加性时,网络合作博弈的广义核心与其广义谈判集存在等价性质.因广义谈判集非空,进而刻画了网络合作博弈广义核心的非空性.算例分析结果表明了广义分配方案的存在性及合理性.     

基于共轭梯度搜索的广义特征对追踪算法

研究广义特征对追踪算法,通过探索基于共轭梯度搜索的标准特征向量追踪算法,将其引入到广义特征对的提取.所提算法具有自适应步长机制,使不同特征搜索方向上的广义瑞利熵达到最优,并适用于提取平稳矩阵束和非平稳矩阵束的广义特征对.数值仿真中将所提算法与多个自适应广义特征向量提取算法进行了比较,实验结果验证了所提算法的有效性.     

一种基于变形模板的椭圆提取算法

针对普通的动态轮廓算法对曲线仅提供有限的连续与正则性约束,虽然带来了局部的灵活性,却丧失了全局的完整性,从而导致轮廓提取结果强烈敏感于图像噪声及邻近边缘点,针对这一问题,给出了一种基于椭圆变形模板的椭圆提取新算法。该算法使用一种基于椭圆形状约束的变形模板,由于其能量最小化过程直接在椭圆的参数空间中进行,从而可保证提取的结果一定是椭圆。此外,算法还容许同时提取多个椭圆,并可充分利用各个椭圆参数及其相关性(例如同心椭圆)等先验知识来实现快速、准确、鲁棒的椭圆提取。仿真结果与实际图像应用表明,该新算法是有效的。     

基于局部搜索的多椭圆随机检测算法

随机采样2个图像点后再分别在这2点相关的3条线段上搜索1个图像点。利用采样的2个图像点和搜索的3个图像点决定侯选椭圆。当采样和搜索图像点时,通过识别和剔除孤立、半连续噪声和不在同一个真椭圆上的图像点,显著地减少了无效采样及无效计算。在确认真椭圆时,文中方法将椭圆变换成对应圆,通过确认真圆来确认真椭圆并直接控制椭圆的检测精度。数值实验结果表明:该文算法在检测多个椭圆时的检测效率和鲁棒性等方面都具有良好的性能。     

面向惯性约束聚变实验靶图像的快速椭圆检测

目的：针对惯性约束核聚变实验中靶图像轮廓模糊、亮度不均匀等问题,并从提高图像处理实时性角度出发,提出了一种高可靠性和高精度的快速椭圆检测方法。方法：首先利用椭圆边缘点在它与圆心相连方向上具有较大灰度变化率这一特点,以预估中心点为极点建立极坐标系,通过从极点出发的射线上灰度变化率极值点搜索实现椭圆边缘点检测,极值点搜索在图像局部范围进行保证边缘点检测的有效性和实时性;其次利用基于RANSAC的自适应椭圆参数提取算法得到最终椭圆参数,该方法利用椭圆参数空间聚类分析选取最优椭圆参数,从而实现了一致样本集的自适应选择,保证了椭圆参数拟合精度的同时提高了算法的适应性和鲁棒性。结果：采用本文算法检测一幅图像的平均时间约为110ms,与常用椭圆检测方法相比检测速度有显著提高。结论：对比实验表明,本文提出的椭圆检测方法与其他方法相比具有更高的精度、更快的实时性和更强的鲁棒性。     

基于非线性最小二乘原理的原木端面识别算法

为了更好地进行原木端面识别,研究了一种基于非线性最小二乘原理的椭圆拟合算法。椭圆拟合的精度在很大程度上受初始值的影响,该方法通过对目标图像的边界点进行距离计算,得到了适当的初始值;之后运用最小二乘原理,计算边界点到拟合椭圆之间欧式距离的最小值,确定最优拟合椭圆的长短轴参数。实验结果表明,提出的算法在原木端面的识别中,具有良好的拟合精度和适用性。     

基于中点提取的椭圆检测算法

针对Hough变换检测椭圆时存在运算速度慢、需要大量储存空间的问题,提出一种快速的随机椭圆检测算法。该算法随机采样2点并搜索第3点,再利用椭圆极径性质求出椭圆中心坐标,接着通过坐标变换得到简化的椭圆方程,解方程组求出椭圆剩下的参数。在证据收集确认候选椭圆时,只选取椭圆外切矩形内的边缘点,同时利用特殊的累积记录函数对候选椭圆参数进行进一步判别。实验结果表明,该算法具有检测速度快、精度高、抗椭圆部分缺失的能力强等优点。     

基于Hough 变换的三次方Bezier 曲线检测算法研究

类似经典Hough 变换中对直线（段）、圆（弧）、椭圆、抛物线等解析曲 线的检测,论文研究了三次方Bezier 曲线的检测算法,提出了离散Bezier 曲线的特征建模 方法和使用R 函数的Hough 变换曲线检测快速算法。该算法能够根据所给出的待检测目标 点阵图像建立形状参数模型,然后检测该曲线在复杂图像中出现的位置、大小和方向。实验 表明,该法能够有效地检测任意三次方Bezier 曲线,且精确度优于目前广泛用于曲线检测 的广义Hough 变换。     

基于莱特准则的椭圆拟合优化算法

普遍使用的代数距离最小的最小二乘（LS）椭圆拟合算法简单、易实现,但对样本点无选择,导致拟合结果易受误差点影响,拟合不准确。针对此特性,提出了一种基于莱特准则的椭圆拟合优化算法。首先,由代数距离最小的LS法对待拟合曲线进行椭圆拟合;其次,将待拟合曲线上的点与LS法拟合的椭圆的代数距离作为样本点集,在验证该样本点集服从正态分布的情况下,采用莱特准则,将样本点中值大于|3σ|的点判定为野值并剔除,进行多次拟合,直至样本点中无野值;最后,得到椭圆最优拟合结果。仿真实验结果表明,优化算法的拟合误差在1.0%以下,相比同条件下的LS法,其拟合精度至少提高2个百分点。优化算法的仿真结果与其在香烟圆度在线检测中的实际应用验证了此算法的有效性。     

结合改进角点检测的优化核相关滤波方法

通常,核相关滤波（KCF）算法易受遮挡等实际检测情况的影响。为使跟踪结果更为准确,提出了结合改进角点检测的优化核相关滤波方法。由自适应Harris角点数量适宜且鲁棒性强的特点,解决了广义霍夫算法提取冗余边缘点速度慢,以及因光照变化导致的边缘点提取不完整的问题。同时,自适应阈值法的引入将噪声对角点提取的影响降为最低。将目标分块并对每一目标子块单独跟踪,由子块间相对位置解决KCF算法在尺度发生变化时目标易丢失的问题。此外,对学习率参数进行了自适应更新,降低了KCF算法的学习率,减少了在目标被遮挡时的模型更新误差。结合交并比与匈牙利算法关联多个目标,逐一取出对应坐标并由广义霍夫算法描绘的目标轮廓得出最终位置,抑制了目标快速运动时KCF算法的漂移现象。实验表明,所提方法有效提高了目标跟踪的可靠性。     

Projectively invariant decomposition and recognition of planar shapes

An algorithm is presented for computing a decomposition of planar shapes into convex subparts represented. by ellipses. The method is invariant to projective transformations of the shape, and thus the conic primitives can be used for matching and definition of invariants in the same way as points and lines. The method works for arbitrary planar shapes admitting at least four distinct tangents and it is based on finding ellipses with four points of contact to the given shape. The cross ratio computed from the four points on the ellipse can then be used as a projectively invariant index. It is demonstrated that a given shape has a unique parameter-free decomposition into a finite set of ellipses with unit cross ratio. For a given shape, each pair of ellipses can be used to compute two independent projective invariants. The set of invariants computed for each ellipse pair can be used as indexes to a hash table from which model hypothesis can be generated Examples of shape decomposition and recognition are given for synthetic shapes and shapes extracted from grey level images of real objects using edge detection.     

基于角点特征融合的Mean-shift跟踪算法

传统Harris检测算法不能很好地适应跟踪环境。为此,提出一种基于角点特征融合的Mean-shift跟踪算法。考虑人体姿态变化或遮挡对多区域跟踪的影响,采用角点更新策略,将特征融合主色调模型的跟踪结果与多区域跟踪结果进行权衡。实验结果表明,该算法能克服人体姿态变化或遮挡对跟踪的影响,实时性满足一般跟踪系统的要求,且在非遮挡状况下,其跟踪准确率比传统算法高。     

结合SURF描述符和广义近邻图的图像配准算法

针对传统互信息配准方法计算量较大且未利用图像空间信息的缺点,提出了一种结合SURF描述符和广义近邻图的图像配准算法。该算法用SURF从图像中提取尺度空间特征点并获得特征点描述子,然后用广义近邻图来估计Rényi熵与互信息。该算法结合了SURF描述子的鲁棒性和广义近邻图估计Rényi熵的高效性。实验结果表明,对于真实遥感图像,该算法在配准准确度、鲁棒性和速度上都明显优于几种传统配准方法。