模糊直方图模型的运动目标跟踪

为改善跟踪系统对跟踪场景中目标色度和光照变化鲁棒性,提出基于模糊直方图的目标模型建立方法。首先,在色度论域内定义色度模糊等级,根据模糊隶属度函数建立目标区域模糊直方图,由此降低目标直方图模型对色度等级阈值的敏感性。然后,利用模糊直方图模型进行反向投影,建立跟踪场景的概率分布图。最后,利用Camshift方法实现目标的识别、定位与跟踪。仿真实验结果表明:与传统方法相比,采用模糊直方图模型的跟踪方法对色度漂移等干扰具有更好的适应性,目标在顺光、侧光以及逆光环境下移动时,该方法能够完成目标的准确定位与跟踪,单帧平均跟踪时间与基本Camshift方法相当,单帧最大跟踪时间小于40 ms,满足电视跟踪等系统实时性要求。     

人眼定位的边缘强度信息积分投影方法

为了提高积分投影方法对人眼定位的准确性和适用范围,提出了一种在极坐标系下对边缘强度信息进行积分投影的改进方法。基于肤色特征确定出人脸区域,采用Kirsch算子建立边缘强度信息图像,对不同极角方向进行积分投影,确定出人眼角度方向,对人眼所在角度方向的边缘强度进行微分累加运算确定出人眼的极径,从而实现人眼的极坐标定位。实验结果表明,该方法能够有效地提高各种姿态人脸图像中人眼定位的准确性,尤其对于旋转人脸图像的人眼定位,该算法具有良好的鲁棒性。     

表面缺陷检测综述

基于机器视觉的表面缺陷检测技术已经广泛地应用在视觉检测各个领域中,它是确保自动化生产中产品质量的一个非常重要的环节。然而表面缺陷检测技术仍然面临着缺陷和非缺陷区域之间的低对比度,噪音和细微缺陷的相似性,检测速度慢和识别精度低等难题。为此,给出了近年来表面缺陷检测技术的最新进展。将表面检测技术分为3类：统计法、频谱法和模型法。对几种典型的表面缺陷检测技术进行了深入比较,包括特征提取、识别算法和算法性能,并分析了方法有效性的原因。最后,总结了表面缺陷检测技术面临的挑战和未来的发展趋势。     

运动目标的自动选取与跟踪

为了提高连续自适应均值漂移跟踪方法在复杂背景中的跟踪性能,提出一种基于显著性色度特征的运动目标自动选取及跟踪方法.利用高斯混合模型确定出目标模板,根据目标模板与其背景区色度直方图的对比确定出目标的显著性色度等级,将目标模板中具有显著性色度等级的区域确定为跟踪目标.根据跟踪目标的色度直方图模型利用反向投影建立跟踪图像的概率分布图,采用自适应均值漂移方法实现目标跟踪.仿真结果表明:该方法能够有效提取目标的显著性色度等级,从而确定出易于区分背景的跟踪目标,可有效抑制背景对目标跟踪的影响,改善复杂背景情况下目标跟踪的性能,单帧平均跟踪时间小于15 ms,满足跟踪系统实时性的要求.     

基于肤色特征的人脸检测技术研究

文章提出一种多人脸图像中人脸检测与定位方法,将图像从RGB色彩空间转换到YCrCb色彩空间中,根据肤色点在CrCb空间中的分布情况进行肤色点检测,并滤除肤色检测后的孤立噪声,利用势函数方法获得人脸候选区域。然后,根据人脸的结构特征对候选区域进行人脸区域的判别和定位,最终实现图像中多人脸的检测功能,并通过仿真实验证明了该方法的有效性。     

基于卡尔曼滤波的风速序列短期预测方法

分析了卡尔曼滤波在风速序列预测分析中的应用机理,构造了用于风速序列预测分析的迟滞神经网络,并采用卡尔曼滤波方法将其与ARMA模型相融合,实现了风速序列的混合预测。通过修改激励函数的方式将迟滞特性引入神经网络,网络的权值采用梯度寻优的方式确定,迟滞参数利用遗传算法进行确定。系统的状态方程采用ARMA模型建立,将迟滞神经网络对风速序列的预测结果作为测量方程的测量值。混合预测方法能减小单一预测机制造成的同一性质误差的累积。仿真实验结果表明,迟滞神经网络的预测性能优于传统BP神经网络,而混合预测方法的预测性能优于单一预测方法。     

融合分数阶微分边缘特征的自适应跟踪

为提高跟踪方法对背景信息、光照变化的抗干扰能力,提出融合分数阶微分边缘特征信息的改进跟踪方法。将R-L分数阶微分边缘检测算子与Laplacian边缘检测算子进行融合,构造出对高、中频信息提升,而对低频信息能够非线性保留的混合边缘检测算子,并利用其实现目标模板及场景图像的边缘特征信息检测。基于目标色度特征和边缘特征两种直方图模型,分别建立场景图像的反向概率投影值,根据背景信息的动态变化,以抑制背景干扰信息为目的,建立自适应融合的反向概率投影图,提高算法对不确定环境变化信息的鲁棒性。实验结果表明,混合边缘检测算子能够提高边缘图像的信噪比,改善边缘提取的效果。边缘、色度特征信息自适应融合的跟踪方法单帧跟踪时间小于20 ms,满足实时性要求。该方法能够在光照变化明显和与目标颜色相似背景等情况下有效实现目标识别与跟踪功能。     

改进的单帧图像超分辨率算法研究

针对牛顿插值算法信息利用率不高的缺点,提出了一种改进的单帧图像超分辨率算法。利用源图像中的像素点信息,同时从多个方向计算牛顿插值结果,并根据源图像中各像素点的相关性通过融合计算获得超分辨率图像的插值结果。该方法既提高了源图像中信息的利用率,又减小了插值误差的累积。仿真实验结果表明,利用改进方法所获得的超分辨率图像更细腻清晰,尤其图像边缘区域所包含的大量细节信息可得到有效恢复。改进算法所获得的超分辨率图像的峰值信噪比、均方误差以及视觉信息保真度等评价指标均优于传统方法。     

二维联合特征模型的自适应均值漂移目标跟踪

为了提高自适应均值漂移(CamShift)跟踪方法的跟 踪性能,提出了一种利用色度-微分二维联合特征建立目标模型的 改进CamShift跟踪方法。对每个像素8邻域的色度进行差分计算,最大差分值作为该像素的 微分值,用以 描述像素的相对位置信息和图像的细节信息;根据目标模型的色度-微分二维特征联合直方 图,利用反向投 影获得跟踪图像的色度-微分二维特征联合概率分布图,以减少单独特征建立模型时所产生 的冗余信息的干 扰;利用均值平移方法在跟踪窗内实现目标的定位。对目标尺寸的过大更新加以限制,防止 过多背景信息 干扰目标识别的准确性。仿真实验结果表明,本文方法跟踪性能稳定,当目标与背景相似, 或者背景中出现 与目标相似的干扰区域时,都能实现目标的有效跟踪,提高了CamShift跟踪方法的适 用性,单帧图 像的处理时间小于30ms,满足跟踪系统实时性的设计要求。     

基于迟滞神经网络的商品零售价格指数预测

将传统神经元的激励函数改为迟滞激励函数,将迟滞特性引入神经网络中,构造迟滞神经网络.利用迟滞特性增强神经元对原状态保持的惯性,从而减少了神经元状态的错误变化,提高了神经网络的存储和记忆能力.利用迟滞分支响应的跳变特性以抑制网络训练过程中假饱和现象的发生.借助于前向网络的结构和学习算法,构造应用于时间序列预测分析的迟滞神经网络模型,并将其应用于社会商品零售价格指数的预测分析中.预测结果表明,该网络具有良好的泛化能力,预测效果优于传统神经网络.