基于神经网络的图像边缘检测方法

提出了一种基于神经网络的图像边缘检测新方法.该方法首先基于邻域灰度极值提取边界候选图像,然后以边界候选象素及其邻域象素的二值模式作为样本集,输入边缘检测神经网络进行训练.边缘检测神经网络采用BP网络,为加快网络的训练速度,采用了滚动训练和权值随机扰动的方法.实验表明,该方法提高了神经网络的学习效率,获得的边缘图像封闭性好,边缘描述真实.     

真假目标红外图像相似度检测算法

本文提出了真,假目标红外图像相似性定量的计算方法.该方法应用小波变换将真、假目标的红外图像分解为不用层次的子图像;利用Harris角点检测算子提取不用层次子图像的特征点,构成特征点集;并利用改进的Hausdorff距离计算出特征点集之间的Hausdorff距离.该距离越小说明真、假目标的红外图像越相似,也就说明假目标的红外示假效果越好.实验结果证明该算法能客观准确的计算出真、假目标红外图像的相似度,计算过程快速.     

基于多通道能量极值点的两层粒子滤波跟踪

传统多通道跟踪常采用少数离散通道并认为通道间互不相关,忽略了多通道特征渐变的“多峰”型可信度分布.本文提出一种基于多通道能量极值点集的两层粒子滤波目标跟踪方法.首先将目标分解为多个频率、多个角度的通道,提取极值点集合作为目标特征.其后提出两层粒子滤波框架,以一级粒子作为目标运动状态整体性约束;二级粒子表征其下属的多通道...     

Hilbert-Huang变换中的一种端点延拓方法

EMD(Empirical Mode Decomposition)是Hilbert-Huang变换中的关键一步,但其在构造极值点上下包络线的过程中存在着严重的端点效应问题。在现有解决该问题方法的基础上提出了一种相似极值延拓方法。该方法将数据两端相邻极值点的横坐标差值作为极值形状特征,再利用该形状特征和已知极值点的均值对信号进行延拓。克服了现有延拓方法仅参照数据端点处极值点进行延拓的缺陷,综合考虑了数据序列两端极值点变化与其它极值点信息对信号进行延拓。仿真和实例证明,相似极值延拓方法能够有效的抑制端点效应,而且算法简单且易于实现。     

基于极值点概率密度和听觉模型的瞬态信号提取方法研究

零件间的碰撞会诱发瞬态振动信号成分,所以发现和提取瞬态信号有助于设备故障的识别。人类听觉系统对于突发声音具有本能的敏感性,因此,基于听觉系统的运行机制提出了一种瞬态信号提取方法。提出了信号极值点幅值概率密度曲线中存在小幅值局部波动这一含瞬态成分信号的重要特征,并结合频带连续性和起始同步性做为瞬态信号提取的线索。基于三种线索,首先对信号进行Gammatone带通滤波、相位调整和极值点提取,继而计算各滤波信号极值点的幅值概率密度,并判断各滤波信号中是否存在瞬态成分,根据判断结果提取可能与瞬态成分有关的极值点,但因背景信号和干扰噪声的影响,所提取到的极值点会有一部分与瞬态成分无关,因此,将无关点分为四类并设计了相应的筛选方法。最终,利用筛选后所得极值点生成瞬态信号。数值仿真和实测数据验证的结果表明,所提方法对于瞬态信号提取具有良好的性能,且在干扰噪声和背景信号较强时也可实现较好的提取效果。     

基于结构光三维扫描技术的小尺寸轴同轴度精密测量方法研究

针对传统测量方法存在的准确度不高、检测速度慢等问题,该文提出一种基于结构光三维扫描技术的小尺寸轴类零件的同轴度精密测量方法。采用视频图像信息的采集、视频图像处理和三维模型重构等技术实现轴类零件扫描重建,运用点云数据处理系统和同轴度误差计算系统获取同轴度误差。选取一小尺寸轴作为研究对象进行试验,系统重复性测量的标准偏差为0.7μm,以同轴度测量仪测量的径向跳动数据作为参考,截面最大差值为8.2μm,测量结果满足要求。该文可为小尺寸轴类零件的同轴度检测提供参考。     

基于风格迁移及度量融合的行人再识别研究

行人再识别是跨场景跨时间的行人图像匹配问题.锁定的目标从一个摄像头下消失后,在其它摄像头视角下再出现时,系统仍能够依据其特征重新锁定.目前该问题遇到的挑战主要来自光照、背景、行人姿态等变化造成的影响.此外,在与训练集不同的数据集上进行测试时性能严重下降,且对大量的数据进行标注的成本非常高.本文采用风格迁移和度量融合的方法:首先,采用循环对抗生成网络将一个数据集中带标签的数据图像风格转换到另一个无标签的数据集上;然后,在风格转换后的数据图像上进行训练,并采用直接度量和间接度量相结合的方式进行相似度度量;最后,在无标签数据集上测试,并将行人图像按相似度由高到低排列输出.实验结果表明:本文方法可明显提高跨数据集的行人再识别准确度.     

一种动态模板匹配的卡尔曼滤波跟踪方法

在视频跟踪系统中,运动目标检测是实现跟踪的前提和难点.为了能够有效地检测出目标,提出了一种基于动态模板匹配和卡尔曼滤波的目标跟踪算法.首先将前两帧图像差分检测运动目标区域,提取特征点;然后利用卡尔曼滤波在搜索区域中找到与目标模型最匹配的候选目标位置并与当前帧目标模板进行匹配;最后将特征点流失率作为限定阈值,采用模板更新策略动态更新模板.跟踪实验表明,该算法具有很好的匹配精度与实时性,对目标姿态变化、大小变化、遮挡问题等有很好的鲁棒性.     

基于自动确定特征点数的镜头分割方法

镜头分割对实现基于图像内容的视频检索具有重要作用.为了提高视频镜头分割的效果,采用Harris算子进行像素点的能量评估,并抑制伪特征点.通过图像帧分块和边缘检测,获取最小化特征点集,并使特征点分布相对均匀合理,然后根据特征点计算图像帧统计量,进一步形成图像帧的特征向量.在此基础上,结合图像帧渐变检测和闪光检测实现镜头分割方法,取得很好镜头分割效果.     

一种基于视图和支持向量机的三维物体识别方法

为提高三维物体识别系统性能并减少计算复杂性,本文提出了一种基于视图的方法.首先从三维物体的二维视图中提取颜色矩、纹理特征和仿射不变矩.颜色矩对于物体的大小和姿态不敏感且性能稳健.纹理特征可区别形状相似但外观不同的物体.仿射不变矩在物体发生仿射形变下具有不变性.本文将上述各种特征组合为23个分量的特征向量,送入支持向量机进行训练并识别.基于两种公开的三维物体数据库COIL-100和ALOI测试了本文方法性能.当每物体训练视角为36个(视角间隔10°)时,在两个数据库上的实验都达到了100%的识别率.进一步减少训练视角数量也达到较满意的识别性能,优于文献中的方法.