可变环境光照条件下的结构光条纹检测

线结构光条纹在复杂光照条件下的快速检测是线结构光测量可以实际用于工业现场环境的一个关键技术.针对工业现场环境中光照变化范围大的特点,研究了结构光条纹中心的快速检测方法.首先基于结构光条纹的几何特性自动获取包含结构光条纹的感兴趣区域;然后采用嵌入置信度的边缘检测方法在感兴趣区域内检测结构光条纹边缘;在此基础上,利用结构光条纹边缘反向平行的特性,自动提取结构光条纹中心点;通过对条纹中心点进行直线跟踪得到表示结构光条纹直线段;最终基于直线段确定结构光条纹与被测件的交点以实现自动测量.工业现场采集的结构光条纹图像检测结果表明,该方法可以快速检测不同光照环境下的线结构光条纹中心以及条纹与被测钢板的交点.系统经标定后,实验结果表明在钢板长度变化范围为8～14 m的情况下,基于该条纹中心检测方法的自动测量结果与人工测量结果的标准偏差为3.6mm.该方法实现了工业现场环境下的实时测量,测量精度满足实用要求.     

动态场景下基于视觉同时定位与地图构建技术的多层次语义地图构建方法

为提高视觉同时定位与地图构建(SLAM)技术的环境适应性和语义信息理解能力,该文提出一种可以在动态场景下实现多层次语义地图构建的视觉SLAM方案。首先利用被迫移动物体与动态目标间的空间位置关系,并结合目标检测网络和光流约束判断真正的动态目标,从而剔除动态特征点;其次提出一种基于超体素的快速点云分割方案,将基于静态区域构建的3维地图进行优化,构建了物体级的点云语义地图;同时构建的语义地图可以提供更高精度的训练数据样本,进一步用来提升目标检测网络性能。在TUM和ICL-NUIM数据集上的实验结果表明,该方法在定位精度上远优于目前主流的动态场景下的视觉SLAM方案,证明了该方法在高动态场景中具有较好的稳定性和鲁棒性;在建图精度和质量上,经过将重建的不同种类地图与各个现有方法进行比较,验证了提出的多层次语义地图构建的方法在静态和高动态场景中的有效性与适用性。     

顾及局部特性的CNN在遥感影像分类的应用

深度学习的方法在图像识别和自然语言处理等方面展示了优异的性能。将卷积神经网络（Convolution Neural Network,CNN）用于高分辨率遥感影像分类。针对CNN用于遥感影像分类使用固定大小窗口遍历时,影像采样窗口数量过多,导致的分类效率低下问题,提出一种基于影像区域特性的采样窗口确定方法,提高分类效率。影像分类包括两个阶段：首先,利用卷积神经网络得到的特征对影像进行分类;然后,采用支撑向量机对第一步分类由于特征区分性不足造成的错分地物类别进行再分类。采用具有不同特性的遥感影像对所提方法进行了验证,实验结果表明,同现有的特征表示和分类方法相比,该方法的性能有明显改善。     

基于小波分解的变尺度多分辨率纹理分割

针对常见的多分辨率分割算法在每一尺度分割过程中信息利用不充分的问题,提出了一种基于小波分解的变尺度多分辨率纹理图像分割新算法.该算法在每一尺度的分割过程中充分利用了各尺度上的有关信息:通过变尺度特征场考虑了更高分辨率尺度上的特征数据;通过变尺度标记场考虑了更低分辨率尺度上的标记数据.从最低分辨率尺度到原始分辨率尺度逐次进行图像分割,低分辨率尺度的分割结果通过直接投影作为相邻的更高分辨率尺度的初始分割,最高分辨率尺度上的分割结果作为本文方法的分割结果.实验表明,该算法具有较好的分类性能.     

基于线结构光的三维垂线位移测量方法

垂线测量法是观测大坝变形位移的一种简便而有效的方法,在实际大坝变形监测中得到广泛应用。 针对现有垂线坐标 仪大多只能测量垂线二维位移且结构复杂的问题,本文提出了一种基于线结构光的三维垂线测量方法。 基于垂线测量中垂线 方向不变,利用线结构光测量原理实现垂线三维位移测量。 首先,本文采用线结构光测量获取垂线二维位移,然后基于垂线上 固定标志点的成像光线和垂线相交于一点的事实,综合垂线二维测量结果和通过相机内参数恢复的固定标志点成像光线方程, 实现垂线三维位移测量。 实验结果表明,本方法在水平面内 Y 方向上的位移测量精度为±0. 1 mm,在水平面内 X 方向和竖直 Z 方向上的位移测量精度达到±0. 05 mm,测量范围为 0~ 80 mm。 相较目前垂线位移测量方法,本文方法垂线位移测量精度和测 量范围更高,且测量结构简单。     

基于空间位置特征的运动阴影检测方法

针对现有依据光学属性检测阴影的方法对不同场景通用性不强、对光照变化敏感等问题,提出一种基于空间位置特征的运动阴影检测方法.用经过标定的双目立体摄像机同时采集背景图像像对.离线获取背景图像对中各匹配点的位置对应关系.投射阴影附着在背景表面,与背景图像像对的位置对应关系相同,故可以通过比较前景图像像对各点在背景对应位置上像素值的相似程度来剔除阴影.该方法不需对环境特征及光照条件等先验知识的学习,各种复杂光照条件均不影响其检测精度.实验表明,该方法能够有效地检测出运动阴影.     

复杂背景图像的字符识别算法研究

为了解决字符识别过程中的局部曝光、印刷字符的断裂以及变形和自然环境下的背景污染等问题, 提出了一种分块处理与卷积神经网络(CNN)相结合的字符图像识别算法. 首先利用OpenCV机器视觉库, 结合分块处理、伽马运算、参数调整等方法对产品零件表面印刷字符进行预处理, 初步解决图像局部曝光和字符断裂问题; 其次为了获得单个字符图像, 利用数学形态学算法对局部曝光处理后的二值化图像进行分步分割, 进而去掉字符间的无用信息; 最后利用Keras模块为字符识别提供的API搭建CNN模型, 经过对100多张字符的识别训练, 准确率高达96.9%, 为某汽车零部件自动化生产中的字符识别提供了可靠的依据.     

基于自适应特征提取的印鉴自动识别方法

文章提出了一种基于自适应特征提取和支撑向量机的印鉴自动识别方法。印鉴图像经预处理后,依据印鉴字笔划分布对图像进行自适应的三角分割。自适应分割后的三角格网分布作为图像的主要特征来判别印鉴的真伪。该方具有旋转和平移不变性,因此无需一般印鉴自动识别方法对于印鉴图像位置,方向不一致时所进行的旋转,定位,配准操作。提取的特征用支撑向量机进行判别,以提高该方法的适应性。     

基于整数小波变换和子带比特平面编码的图象压缩算法

在分析图象整数小波变换的基础上 ,提出了基于子带比特平面编码的压缩算法 .该算法将整数小波系数按子带分为若干比特平面 ,称之为子带比特平面 ,并采用简单高效的率失真优化算法确定子带比特平面的编码顺序 ,且这一顺序与图象无关 .按此顺序对子带比特平面进行自适应 MQ算术编码 ,便得到嵌入式压缩码流 .该算法可以从无损到有损 ,以任意倍率或质量进行图象压缩 ,压缩效率达到了浮点 EZW算法和 JPEG2 0 0 0整数小波编码方案的水平 ,而速度远快于这两者的速度 .该算法还具有复杂度低 ,占用内存少的优点 .     

一种基于Contourlet变换的多尺度纹理分割的新算法

受到基于模型的纹理分析方法的启发,提出了一种新的特征提取方法-有限混合纹理模式(Finite Texture Mixture Pattern, FTMP).FTMP是一个二元组的集合,可以通过聚类的方法进行计算.首先,基于Contourlet变换计算纹理的多尺度多方向变化信息;其次,对各尺度、各方向的变化信息分别进行聚类.这些聚类中心以及它们所占的比例组成的二元组的集合就构成了纹理图像的FTMP,反应了不同尺度不同方向的主要变化信息.这种纹理特征的计算方法充分利用了基于模型方法的基本思想,但却避免了复杂的参数计算.在FTMP的基础上,本文给出相应的纹理分割框架CFTMPseg,并通过定量和定性实验验证了所提算法的有效性.