基于形状模板的快速高精度可靠图像匹配

为了提高工业检测中图像匹配精度和速度,提出一种基于形状模板的快速高精度图像配准算法：根据定义的图像匹配相似度量,采用图像金字塔搜索匹配策略,利用形状信息进行模板匹配。具体流程为：首先在参考图像上选择感兴趣区域生成模板,使用Canny滤波器对模板和搜索图像进行滤波,并计算边缘点的方向向量;其次,在此基础上构造该模板和搜索图像的图像金字塔,在图像金字塔最高层图像进行完全遍历匹配,获得具有匹配分值的潜在匹配点,然后根据匹配分值大小逐层逐次跟踪潜在匹配点,进行匹配,直至图像金字塔最底层;最后使用最小二乘法调整位姿参数,使其达到亚像素精度。实验表明该方法匹配速度快,匹配精度高,而且匹配鲁棒性高,不受遮挡、混乱、非线性光照变化、离焦、对比度低、全局对比度反转、局部对比度反转等情况的影响,完全可以满足实际工业需求。     

智慧矿山顶层架构设计及其关键技术

智慧矿山建设目标是在工业互联网技术的基础上,能够完成对矿山"人、机、环"数据进行精准化采集、网络化传输、规范化集成,从而实现可视化展现、自动化操作和智能化服务的矿山智慧体。目前,智慧矿山的建设主要以单一的业务逻辑为基础,较少从数据运营、技术服务和业务逻辑等多方面,深入研究智慧矿山的体系架构问题,难以实现通用性和扩展性较强的智慧矿山建设目标。为解决上述问题,基于已有智慧矿山的基本概念及内涵,在对国内外智慧矿山研究现状分析的基础上,提出智慧矿山的基本内涵及其建设原则,并引入数据标准化、网络协同化、系统一体化和技术智能化的建设理念。提出智慧矿山顶层架构体系及其关键技术。该顶层架构体系主要包括智慧矿山总体架构、业务逻辑架构、技术架构和数据架构4个部分,从总体设计、业务分析、技术实现和数据流转的不同角度,可以较为综合和全面地构建智慧矿山。之后,探讨和研究了智慧矿山顶层架构体系建设过程中涉及到的智能控制技术、通信网络技术、三维可视化技术、空间信息技术、大数据分析与挖掘技术、物联网技术、机器学习理论方法、媒体智能技术等关键智能技术。最后,在总结智慧矿山顶层架构设计及关键技术内容的基础上,指出了未来智慧矿山建设过程中需要解决的一些关键理论问题及系统设计、优化问题,为不断完善智慧矿山顶层架构的设计和智慧矿山的深入发展明确了研究方向和实现目标。     

基于自适应阻尼因子渗透滤波器的匹配代价聚合算法

针对局部立体匹配算法中局部平滑性假设导致的倾斜平面内连续视差的误估计问题,提出基于自适应阻尼因子的渗透滤波器权重匹配算法.首先构造适用于复杂多样图像结构特征的"蝶形"支持窗口;随后通过计算像素点间距离度量、灰度相似性度量及梯度信息度量,自适应地选择水平和垂直阻尼因子,并放宽局部平滑性约束条件,允许倾斜平面上灰度相似的像点存在视差变化;最后根据窗口特征计算带有阻尼因子的渗透滤波代价聚合函数.实验结果表明,该算法在保持局部匹配算法高效性的同时,明显地改善了倾斜平面的误匹配问题,且对低纹理区域同样有效.     

结合NSCT和改进BP网络的超分辨率图像重建

鉴于非下采样Contourlet变换（NSCT）系数包含原始图像各方向的所有细节信息,以及改进BP神经网络高度非线性映射的快速收敛和准确性,提出一种应用NSCT和改进BP神经网络的超分辨率图像重建算法。分别提取模拟超分辨率图像与相应低分辨率图像各方向子带的NSCT系数进行BP神经网络高度非线性映射训练,直至稳定收敛,并利用该网络实现超分辨率图像重建。实验结果表明该算法在很好保留图像细节的同时极大地降低网络重建复杂度,提高了重建的准确率,重建效果得到明显改进。     

融合低阶特征与全局特征的图像语义分割方法

目前,深度全卷积网络在图像语义分割领域已经取得了瞩目的成就,但特征图的细节信息在多次下采样过程中会大量损失,对分割精度造成影响。针对该问题设计了一个用于图像语义分割的深度全卷积网络。该网络采用“编码器-解码器”结构,在编码器后端引入空洞卷积以降低细节信息的损失,在解码过程中融合对应尺寸的低阶语义特征,并在解码器末端融入全局特征以提升模型的分割精度。使用数据增强后的CamVid数据集对网络进行训练和测试,测试结果达到了90.14%的平均像素精度与71.94%的平均交并比。实验结果表明,该网络能充分利用低阶特征与全局特征,有效提升分割性能,并在区域平滑方面有很好的表现。     

垂直交叉双向搜索策略的自适应窗口匹配算法

目的 基于区域的局部匹配算法是一种简单高效的立体匹配方法.针对局部算法中窗口的抉择问题,提出了基于垂直交叉双向搜索的自适应窗口匹配算法.方法 该算法考虑到局部区域内灰度值与视差值的相关性,通过垂直交叉双向搜索策略自适应地调节窗口的形状和大小,并获得相应掩码窗口;再利用积分图像计算掩码窗口的匹配代价,获取视差图;最后采用米字投票和双边滤波器两个步骤对视差图进行修复.结果 针对不同图像采用提出的自适应窗口算法,得到了适用于各种图像结构的匹配窗口,相较于原始垂直交叉算法的匹配精度提高了约30％ (Teddy),同时两步骤视差后处理较好地保持了图像边缘.结论 实验结果表明,该算法改善了规则窗口产生的视差边缘扩充问题,在提高视差精度的同时提高了算法鲁棒性.     

基于自适应极线距离变换的立体匹配

针对极线距离变换对噪声的敏感性及其在不连续区域匹配的不确定性,提出一种基于自适应极线距离变换的立体匹配算法.自适应极线距离变换利用图像结构特征,提出迭代目标尺度算法与区域不连续图来自适应选择极线距离变换参数,将图像的强度信息转化为沿着极线局部分割区域的相对位置信息,在区分低纹理区域像素点的同时保持了图像边缘信息;采用局部极小窗口均值计算分割线长度,有效地提高了低纹理区域对噪声的鲁棒性.对多幅真实图像的实验结果表明,自适应极线距离变换对低纹理区域以及不连续区域是有效的,且采用变换后图像计算视差的立体匹配算法,有效地降低了图像边缘点和噪声点等不连续区域的误匹配率,提高了图像匹配精度.