无人机自主目标识别与定位应用研究

面向无人机自主侦察任务中在线目标识别与定位需求,首先梳理了无人机侦察中目标识别领域的相关研究成果;然后,介绍了Faster RCNN目标识别算法的实现原理,并针对任务需求进行了改进;之后,介绍了图像拼接的相关算法并进一步提出了目标相对定位算法;最后,设计了完整的侦察试验流程对所设计自主目标识别与定位方法进行验证;结果表明,改进的目标检测网络能够达到83.3％的识别准确率和35帧/秒的识别速度,所提出的相对定位算法可以达到0.702 m的平均定位精度,能够满足侦察无人机在线目标识别与定位的任务需求.     

基于最佳邻域重构指数的水下高光谱目标检测

水下机器人仅通过传统光学相机获取图像很难在复杂水下环境中或目标物具有保护色的情况下检测到目标,而通过高光谱技术进行水下目标检测可以改善这一情况;由于直接运用传统高光谱检测方法难以满足水下机器人对水下目标检测的要求,提出了一种基于最佳邻域重构指数(ONRIF)的高光谱目标检测方法,该方法通过线性重构的思想进行邻域寻优,选出信息量高且波段相关性低的波段组合,并使用所选波段的融合图像进行目标检测;结果表明,与直接对原始水下海产品高光谱图像进行检测相比,该方法在保证检测效果的前提下,大量减少了检测时间和数据冗余程度;还提出了一种在相同环境下对同类目标物的单波段快速采集检测方法,大大提高了采集数据的速度,可以满足水下机器人对海产品检测的需求.     

基于物联网的分拣机器人故障检测系统设计

目前研究的分拣机器人故障检测系统检测准确性较低,导致检测结果误差较大、实时性较差;为此,基于物联网设计一种新的分拣机器人故障检测系统;选用滑轮式机器人载体设定分拣机器人,硬件部分采用Zigbee压力传感器采集机器人故障信息,利用XBEE模块负责数据传输,协调分拣中控机接收各个传感器采集的信息,通过STMP3550芯片实现控制器设计;通过信息标定、信息采集、特征提取、故障识别实现软件工作流程,应用非极大值最大类间方差法来筛选出最优的高低阈值解,得到连续但含有假边缘的故障信息图像边缘;将提取到的图像特征向量映射到类型空间之中,确定故障原因,完成故障识别;实验结果表明,所设计分拣机器人故障检测系统在6次检验中都准确地检测出故障原因,故障检测耗时平均值为3.27 min,能够有效提高检测准确性,加强检测结果的实时性.     

无人机航拍图像中裸露地表的识别

电力输电线路下方或附近的无覆盖物的裸露地表,是引起输电线路事故的主要隐患之一;从无人机电力巡检航拍图像中识别裸露地表可以预防类似事故的发生;由于Mask RCNN识别无人机电力巡检航拍图像中裸露地表的精度较低,提出一种图像特征融合的方法,即人工提取HOG和LBP两种不同的图像特征,经过不同权重的融合共同表征图像中裸露地表区域的特征,再对SVM进行训练并用于识别;实验结果表明,采用该方法识别率可以达到80％以上,识别时间少于60 ms;HOG和LBP两种特征在进行融合时,当两种特征的数量级相当时,得到的识别率最高;可见,该方法在具有较高识别率的同时,具有比较好的实时性,适合于无人机机载平台对航拍图像的初筛,且训练时间较少,权重参数规模小,为无人机航拍图像中目标物的识别提供一种新思路.     

一种基于灰度值相似度的图像配准算法

图像拼接的过程由图像获取、图像预处理、图像配准和图像融合四个步骤组成,而图像拼接的质量主要依赖图像的配准精度。因此,图像的配准算法是图像拼接的核心和关键。本文提出了一种基于边缘提取条件下重叠区灰度值相同比率的图像配准算法,可实现存在灰度值差异和旋转关系条件下的图像配准。     

户外增强现实的图像分割算法改进应用

传统图像识别过程多发生在环境较为稳定的室内场景中,而当前增强现实的发展趋向于对户外场景的应用,比如在旅游行业中对建筑、雕像等目标的识别.针对ARToolKit增强现实系统在户外自然场景下的图像分割过程因受到实时变化的光照、遮挡等因素的影响而出现错误分割导致增强现实效果难以实现的问题,提出一种基于直方图均衡化的改进GrabCut算法.采用直方图均衡化对图像非线性拉伸,提高图像对比度;对GrabCut算法的边界项函数进行均值化处理,减少边缘像素的错误分割,提高目标图像的边缘完整性,实现图像的准确分割.实验结果证明该方法在复杂现实场景中拥有较高的实时性和稳定性,改善了ARToolKit增强现实系统在户外场景中的处理性能.     

基于生成对抗网络的灰度照片上色方法

为了黑白和灰度老旧照片的上色效果,论文提出了一种改进后的生成对抗网络的图像上色方法。与传统的上色方法相比,使用机器学习的方法提取图像的色彩特征,避免了人工特征提取的时间成本,提高了图像上色的效率。加快了上色的速度。实验针对收集的图像数据集,通过对目标函数添加L1正则化约束条件提高图像上色的效果。在训练好的网络模型后,能够对黑白和灰度老旧照片自动上色。论文实验结果峰值信噪比为30.01,结构相似度为0.83,优于传统方法。     

基于GrabCut和HSV彩色空间的三七叶片病斑图像分割

针对三七叶部病斑图像中存在背景与病斑颜色相近和阳光照射下存在影子的情况导致对图像病斑分割精度不高、效果差的问题,提出一种基于GrabCut和HSV彩色空间模型的分割方法.通过GrabCut算法实现对复杂背景以及阳光照射下的影子与待分割三七叶片的分离.保留第一次分割结果的基础上,在HSV彩色空间下提出一种颜色距离的定义.根据定义的颜色距离,在使用颜色信息的同时结合空间信息,得到病斑的分割边界.实验表明,当色调分量因子k1和饱和度分量因子k2分别取0.1和0.05时得到的分割边缘效果较好.     

基于卷积门循环单元和气象雷达图像的临近降水预报

现有的深度神经网络预测模型主要是通过学习单一高度下的雷达回波图像序列的特征预测未来时间段回波序列.然而,这种模型并不能直接预测目标站点未来一段时间内的降水量.鉴于此,提出了一种基于卷积门循环单元(Con-volutional Gated Recurrent Unit,ConvGRU)神经网络的临近降水预报模型.对目标站点不同高度的雷达回波图像做卷积,同一高度的卷积图像通过GRU(Gated Recurrent Unit)学习云团运动过程中的时序特征,将不同高度时序图像的学习特征聚合到全连接层中进行训练,输出目标站点未来1h～2h的降水量.实验分析表明,该模型在未来1h～2h的降水预报中取得了较好的预报精度.     

应用卷积神经网络的陶瓷产品图像检索

卷积神经网络自诞生以来,其研究与应用备受关注。陶瓷产品器型各异且千变万化,基于内容的传统图像检索因"语义鸿沟"不能切实满足应用需要。鉴于卷积神经网络优良的自我学习能力,本文尝试使用卷积神经网络AlexNet模型来提取陶瓷产品图像特征,以丰富图像的语义信息来提高识图准度;使用主成分分析算法对陶瓷产品图像进行降维以提高陶瓷产品的图像检索效率;并通过现有平台的陶瓷产品图像进行图像检索测试验证了其可行性。