基于深度学习的跑道前视红外图像轮廓线提取

针对前视红外图像中的机场跑道检测问题,提出了基于深度学习的端到端的实时检测算法。算法首先利用深度学习在物体特征表达上的优点,采用当前主流端到端的YOLO（You Only Look Once）V2检测算法提取候选目标,寻找跑道所在位置;然后在已经获取跑道所在边框的基础上,在神经网络最后一层采用多尺度线段检测器(Line Segment Detector,LSD)进行精确的线段检测;最后对所检测的线段进行融合,提取轮廓线。真实实验数据表明,该算法基本上能满足机场轮廓提取实时性好、提取精度高、抗干扰性强等要求。     

基于ROI互信息的电路板红外图像配准技术

电路板的红外图像配准是电路板红外图像故障检测系统中的重点研究内容,由于电路板红外图像背景区域灰度单调,元器件发热区域轮廓粗糙,且伴随着大片受环境影响的辐射区域,对配准精度和配准效率产生很大影响。结合这些特点,利用相位一致性提取电路板发热芯片轮廓,再将轮廓内的区域用区域增长法提取为电路板红外图像ROI,基于ROI的图像配准不仅最大限度地保留了图像信息,又显著降低互信息运算量。实验表明:相对不进行ROI提取的图像配准算法,本文算法能够在保证配准精度的前提下大幅提高配准效率,具有一定的实用性和鲁棒性。     

混响环境中的视-听语音识别

针对混响环境中语音识别率相对安静环境下急剧下降的问题,提出了一种将语音视觉信息与音频特征相结合的方法.通过快速检测和定位包含说话人唇部的感兴趣区域(ROI),获得ROI图像序列.首先对ROI图像进行离散余弦变换,提取反映说话人唇动的视觉特征.音频特征的提取,则采用较为成熟的Mel频率倒谱系数(MF-CC)方法.对所获取的视、音特征采用隐马尔可夫模型作为训练识别算法.测试实验结果证明,采用视、听特征相结合的方法,有效地提高了混响环境中的语音识别率.     

红外图像中人体目标检测技术研究

针对红外序列图像中人体目标检测问题,采用了基于特征点的特征区域提取方法,先用FAST算法快速提取特征点,然后基于提取出的特征点,使用LBP算法提取特征区域,在得到感兴趣的特征区域（ROI区域）后,用对ROI区域进行基于离散小波变换的小波熵特征提取,并采用复合分类方法对ROI区域进行分类,利用此方法有效地将人体目标从红外序列图像中检测出来。     

一种新的掌纹ROI图像定位方法

在分析传统Harris算法缺陷的基础上,提出一种基于角点检测的快速掌纹图像预处理方法。该方法利用一种改进的自适应Harris算法提取出手掌边缘和手指凹凸处的轮廓特征点,采用属于同一特征组的特征点均值作为候选角点,剔除了邻近角点,并根据候选角点在轮廓线上角度变化的大小定位手指根部的三个关键角点,从而有效提取出掌纹图像的感兴趣区域(ROI)。实验测试图像采用CASIA数据库,实验结果表明,该方法能快速有效地定位出掌纹的ROI区域,且能有效增强掌纹图像的边缘与细节,有利于提高掌纹识别的识别率。     

基于改进轮廓跟踪的瞳孔快速检测

提出一种基于直方图二值化和改进的轮廓跟踪的瞳孔检测方法。首先对采集的瞳孔图像计算直方图,根据直方图特征取出合适的阈值进行二值化,再对二值化后的图像进行轮廓跟踪,得到精确的轮廓边界,进而得到直径、中心等信息。对前一帧瞳孔图像进行瞳孔信息计算后,后一帧图像以该瞳孔中心为中心,缩小检测区域进行直方图二值化及瞳孔轮廓跟踪,得到该帧图像的瞳孔信息,减少运算,加快检测速率。该算法鲁棒性高,速度快,可满足300帧/s的实时检测速度。     

基于图像检测的硬币面值识别方法

为了实现同时对多个硬币面值的准确识别,文中提出一种基于图像检测的硬币面值识别方法。首先逐步采用中值滤波、阈值分割以及形态学操作对灰度图像中的硬币进行ROI提取,实现硬币的粗定位;然后以ROI的外接最小矩形作为研究区域从原图提取图像,并由RGB颜色空间转化到HSV颜色空间,通过颜色特征的不同识别出5角硬币;最后采用SSIM图像质量评价的方法将剩余ROI中的1角硬币与1元硬币检测识别。结果表明,该硬币面值识别方法在不需要精确获得硬币大小尺寸的情况下,可以同时对多个硬币进行准确识别。     

基于复杂背景的红外机场目标自动识别算法研究

根据复杂背景下前视红外机场目标的特点,提出了基于知识的自动目标识别算法,算法的设计以实用性为宗旨,在不影响算法性能的前提下尽量提高其实时性能：通过提取感兴趣区域来缩小处理范围,采用双阈值最大类间方差快速算法快速准确找到分割阈值,采用快速标记算法标记分割图像,利用Freeman链码描述机场的轮廓特征,根据模糊综合评判机制分析机场的目标特征。通过硬件处理平台的仿真验证,该算法对机场目标红外图像有一定的识别能力,且具有较高的实时性。     

长线状特征下机场跑道检测方法

为准确检测遥感图像中机场跑道区域,提出一种基于长线状特征的跑道识别方法。利用跑道在图像中的高对比度和整体的长直线特征,提取出潜在的跑道中心线。沿中心线各线点的法向扩展出有效边缘,并去除其中的小连通区域。对有效边缘进行Hough变换,提取满足机场约束条件的平行直线对。针对跑道建设标准中两端入口标志的高灰度值特点,沿提取所得平行线对的法向进行投影并搜索求出跑道两端。在混凝土跑道和沥青跑道上的检测效果表明,此方法能够有效去除复杂背景且具有较高的检测准确性。     

基于自适应高斯滤波的红外机场跑道识别方法

针对前视红外地面目标图像背景复杂、噪声干扰大的特点,提出了一种机场跑道识别算法.首先,用基于梯度信息的自适应高斯滤波对图像预处理,平滑噪声、增强边缘,然后在Canny边缘检测的图像上,利用空间邻接关系、梯度等信息进行像素级的边缘点搜索,再用最小二乘法拟合直线,在已提取的直线符号上使用多种特征进一步连接修正,最后,利用几何特征、灰度信息进行跑道识别.经实测数据检验,本算法能够准确、快速地识别跑道.     

基于SUSAN算法和行列均值分割的海面舰船检测

提出一种基于SUSAN检测和行列均值分割的复杂海天背景的红外舰船目标检测算法。首先建立一个简单的舰船轮廓模型,结合SUSAN算子检测得到感兴趣区域ROI,并且感兴趣区域的大小可以由轮廓模型进行一定的控制;然后对感兴趣区域运用改进的行列均值分割得到舰船目标。实验结果表明,提出的算法能正确分割出舰船目标。     

基于CV模型的SAR图像机场感兴趣区域检测

高分辨率POLSAR图像的机场感兴趣区域(Region of interest,ROI)的自动提取是自动目标识别(AutomaticTarget Recognition,ATR)系统的任务之一,也是准确识别分类飞机等小目标的基础。针对全极化合成孔径雷达(POLSAR)图像极化相干的特点,提出一种融合提取方法:先使用J.S.Lee Sigma filter滤波,再利用Shannon-Entropy理论提高ROI和背景对比度,采用基于CV模型的方法分割图像,然后对分割得到的图像进行形态学等图像处理,最终得到机场ROI。实验结果表明,该方法具有分割界限清晰、定位准确的优点。     

基于图像式传感器的铁路轨距检测系统研究

传感器在铁路安全维护方面应用广泛。为了实现实时在线轨距测量,将激光技术与CCD图像式传感器相结合,建立车载轨距机器视觉检测系统。首先介绍系统的构成与工作原理,并提出基于去噪前置与距离变换算法的快速轨道轮廓中心线提取方法。然后采用强对比度拉伸和指数变换的方法进行图像增强,并结合高斯平滑与动态感兴趣区域对图像进行快速去噪前置处理。最后对图像进行精确阈值分割处理,采用距离变换的方法得到轨道轮廓中心线并定位轨距测量点。结果表明,该系统检测精度满足-1mm~+1mm,图像帧处理速率为14.35m/s。轨距机器视觉检测系统满足实时在线轨距检测对系统鲁棒性、检测速度和精度的要求。     

基于SUSAN算法的机场跑道跟踪

机场跑道由于目标尺寸大且成线条形,在连续图像中对其定位往往只能逐帧识别,计算复杂耗时,缺乏一种成熟的跑道跟踪方法.文中利用SUSAN算法检测跑道特征点,并对各个特征点使用分别跟踪的方法.将整个跑道进行快速跟踪定位,实验证明此方法时跑道跟踪取得了令人满意的结果.     

录播系统中图像分割与轮廓提取算法的研究

在基于图像识别技术的录播系统中,通常使用背景差分法检测运动目标,在当前帧与背景帧做差之后,需要进一步选取合适的阈值进行图像分割,从而最终提取出运动目标的轮廓.研究了基于最大类间方差准则的图像阈值分割,在此基础上进一步研究了掏空内部点的轮廓提取算法,并且使用轮廓缺陷修补技术改进轮廓提取算法,从而得到封闭的轮廓,最后使用Freeman链码表示提取的轮廓.实验证明,该算法为录播系统的实现提供了良好的技术保障.     

基于路面约束的行人检测感兴趣区域提取

针对行人检测存在识别精度不高,实时性较差等问题进行相关研究.分析了基于多尺度滑动窗口法提取行人检测窗口的缺点,为解决行人检测中检测窗口数量过多的问题,提出在图像分割和路面提取的基础上实现对行人检测窗口的提取.先利用FCM聚类算法训练得到分割阈值,其次提取路面区域,根据路面区域筛选可能存在的行人位置,进而提取感兴趣区域,并对相应的感兴趣区域提取HOG特征进行进一步精确分类.实验结果表明,采用基于路面约束的图像分割方法来提取感兴趣区域,有效减少了遍历窗口的数量,从而提高了行人检测速度和检测精度.     

Extraction technique of region of interest from stereoscopic video

A feature fusion approach is presented to extract the region of interest (ROI) from the stereoscopic video. [0]Based on human vision system (HVS), the depth feature, the color feature and the motion feature are chosen as vision features. [0]The algorithm is shown as follows. Firstly, color saliency is calculated on superpixel scale. Color space distribution of the superpixel and the color difference between the superpixel and background pixel are used to describe color saliency and color salient region is detected. Then, the classic visual background extractor (Vibe) algorithm is improved from the update interval and update region of background model. The update interval is adjusted according to the image content. The update region is determined through non-obvious movement region and background point detection. So the motion region of stereoscopic video is extracted using improved Vibe algorithm. The depth salient region is detected by selecting the region with the highest gray value. Finally, three regions are fused into final ROI. Experiment results show that the proposed method can extract ROI from stereoscopic video effectively. In order to further verify the proposed method, stereoscopic video coding application is also carried out on the joint model (JM) encoder with different bit allocation in ROI and the background region.     

基于Corvis ST医学影像的角膜轮廓提取算法

目前已有的轮廓提取算法在提取可视化角膜生物力学分析仪(corneal visualization scheimpflug technology, Corvis ST)影像的角膜轮廓中,由于角膜边缘的局部图像灰度分布相近这一特点,提取出的角膜轮廓普遍不完整或者提取的角膜轮廓边缘出现细小突出。这会使得角膜轮廓的完整性遭到破坏,提取到的角膜轮廓与实际的角膜原始图像严重不符。本文针对Corvis ST采集的角膜图像的轮廓提取问题,基于最大类间方差法(OTSU)算法设计一种高效的图像处理方法。首先,将角膜图像进行除杂、灰度化以及图像降噪等处理,达到减少图像计算量和降低数字图像噪声干扰的目的;其次,基于OTSU算法对图像进行分割,并在此基础上加入数学形态学运算,达到平滑图像边界和填充细小“孔洞”的目的;最后,采用Canny边缘检测算法提取图像中的角膜轮廓,达成提取出高完整性角膜轮廓的目的。在相同的图像数据集上,与最新的纽扣轮廓瑕疵检测系统中设计的轮廓提取算法(B-OTSU algorithm)进行了对比实验。实验结果表明,从轮廓完整性以及准确性的角度,应用本文方法提取的角膜轮廓明显优于最新的纽扣轮...     

多尺度线状目标的机场跑道识别

特定目标的检测与识别是自动目标识别的关键技术之一。作为典型地面目标,机场跑道的识别．一直是自动目标识别领域人们感兴趣的研究课题。针对机场的跑道成像是线状结构和高灰度值的特征。提出了一种基于多尺度线状目标强化的机场跑道识别算法。实验结果表明,在复杂背景下,此方法在将机场跑道目标强化出来的同时,能够很好地抑制其他非线状特征目标,起到真正的强化作用。因此,在复杂背景下,此方法较基于边缘的机场跑道识别算法具有更好的识别性能。