一种改进的基于暗通道先验去雾算法

在雾霾天气下图像质量受大气散射的作用,使得图像质量较差。针对以上问题,提出一种改进的暗通道图像去雾算法。由于带雾图像中局部区域暗通道分量不趋近于0,对大气光值的估计是通过局部像素点R、G、B三通道像素值的方差来判断其波动幅度。若波动较大,则选出三通道中的较小值为当前像素点的暗通道像素值;若波动较小,则通过其周围像素点中最小通道的均值来确定当前点的暗通道值,从而得到精准的暗通道图和大气光值。将采样的方式加快求取透射率图的速度,最后转变为HSI颜色空间可以对图像进行更好的复原。实验结果表明,该算法可以针对色彩失真的状况得到有效的改善,同时在得到去雾图像速度上提高50%以上。     

视觉引导划片机轨迹优化算法研究

针对砂轮划片机重复划片会降低芯片的加工精度,甚至损坏芯片的问题,基于Halcon软件平台提出一种提高划片精度的轨迹识别与规划方法。该方法结合了双线性插值和亚像素边缘检测算法,实现了轨迹的识别,进一步规划下次划片轨迹,并且提高划片精度。以被砂轮划片机划片芯片为实验背景,完成了对划片轨迹的识别与规划。实验结果表明,所提出的算法与传统的Canny算法比较,可以有效提高轨迹识别的精度,进而提高划片的精度。     

基于张量分解融合RGB-D图像的物体识别

为了充分利用RGB-D图像的深度图像信息，提出了基于张量分解的物体识别方法。首先将RGB-D图像构造成一个四阶张量，然后将该四阶张量分解为一个核心张量和四个因子矩阵，再利用相应的因子矩阵将原张量进行投影，获得融合后的RGB-D数据，最后输入到卷积神经网络中进行识别。RGB-D数据集中三组相似物体的识别结果表明，利用张量分解融合RGB-D图像的物体识别准确率高于未采用张量分解的物体识别准确率，并且单一错分实例的准确率最高可提升99%。     

GFTT+FREAK的小型测绘无人机遥感图像自动拼接技术

针对目前广泛应用的小型测绘无人机遥感影像易受尺度、倾斜和光照等变化影响,导致影像拼接难度大的问题,提出了一种基于GFTT+FREAK的局部特征匹配能够适用于小型测绘无人机的遥感影像拼接方法,该算法可以直接提取未经预处理的测绘无人机拍摄图像的局部特征,通过局部特征匹配进行图像拼接,保证拼接准确性的同时,大大提高了测绘影像拼接的效率。