融合SIFT特征的压缩跟踪算法

本文提出一种新的融合SIFT(尺度不变特征)和压缩特征的目标跟踪算法以解决姿态变换、光照变化、旋转和运动模糊下目标的稳定准确跟踪问题。算法使用压缩特征对目标和背景进行描述,通过在图像帧中采集到的正负样本在线训练和学习SVM(支持向量机)分类器,将跟踪任务构建为一个二类分类问题。使用该分类器对下一帧的目标和背景进行分类,从而获得精确的目标位置和区域。同时,算法使用前后两帧的SIFT特征点之间的对应匹配关系求解目标尺寸变化值,实现模板大小的自适应调整。将算法与其他算法在某些图像序列上的跟踪比较显示,该算法在有效性、正确性和鲁棒性上性能优越。     

局部特征点的鲁棒性数字稳像

针对视频序列受载体的影响,本文提出了基于Harris局部特征点的数字稳像方法。局部特征点在图像处理、模式识别、计算机视觉以及目标检测与跟踪领域得到了广泛的研究。首先,利用Harris算法提取动载体摄像系统中每帧图像的局部特征点,采用基于归一化互相关匹配算法进行局部特征点的匹配,提出了一种双向搜索的匹配策略来提取具有较强鲁棒性的特征点;然后,利用随机抽样一致算法进一步筛选所选定的特征点,并将保留下来的精确匹配特征点带入仿射运动模型求出全局运动矢量;最后,提取全局运动矢量中的抖动参数,并对原始图像进行补偿。实验结果表明,该方法可以快速有效地处理图像序列的仿射运动,水平和垂直方向的精确度小于1 pixel,并且具有较好的鲁棒性,可用于动载体摄像系统。     

基于相位相关的数字稳像算法研究

提出一种基于相位相关的车载视频稳像算法.采用对数极坐标变换技术以及相位相关技术检测图像帧间的旋转、尺度变换以及平移运动参数.为克服局部运动对全局运动参数的影响,采取了由局部运动参数求取全局运动参数的策略.在建立运动参数状态空间模型的基础上,采用Kalman滤波技术进行运动滤波,获取补偿参数.实验结果说明该方法能够比较理想地保留摄像机的主动运动,去除高频抖动.     

基于SIFT和加权信息熵的红外小目标检测

针对红外图像中弱小目标的检测需求,文中提出基于尺度不变特征变换Scale Invariant Feature Transform(SIFT)和加权信息熵的红外小目标检测算法.该方法根据红外小目标的成像特点,采用SIFT特征描述子进行关键点的提取,利用帧间的匹配初步获得了目标的可能位置;进一步使用红外图像加权信息熵得到图像在灰度信息和平均信息量意义下的特征;再针对复杂云背景成像弱小目标实时检测的需要对计算出的特征进行再一次判定进而检测出目标.实验结果表明该方法在天空云背景中处理效果较好,具有良好鲁棒性.     

基于仿生复眼的运动相机的运动目标检测

基于运动相机的运动目标检测是计算机视觉领域的热点与难点。基于仿生复眼结构的相机运动条件下的运动目标检测方法利用仿生复眼结构模拟多相机运动状态下的图像采集;使用SIFT特征点匹配与图像差分结合的方法提取运动区域,不需要建立背景模型,使用SIFT特征点匹配完成图像的配准,利用图像差分的方法得到运动目标,使用颜色值归一化,利用前景像素与背景像素的插值与比值确定该像素是否为阴影区域的方法。实验证明,该方法在不进行背景建模的条件下成功去除了阴影,实现了相机运动状态下的运动目标检测。     

快速背景重建的在线运动目标检测

为了能快速地从视频图像序列中创建可靠的背景图像,进而提取运动目标,文中提出了一种基于反馈信息的运动目标检测算法.首先提出了基于相邻帧信息和背景估计信息相融合的背景重建算法,保证了在视频场景改变时仍能迅速捕捉背景;还提出了基于一种在线Otsu法的运动目标检测,将相邻帧运动目标信息反馈到目标提取算法中,弥补传统Otsu法的不足;最后提出了对光线变化具有一定鲁棒性的背景估计算法.实验表明,该方法的重建速度快,准确率高,能满足实时检测的需要.     

欧拉弹力模型的视频运动目标自适应图切检测

传统的视频运动目标图切检测算法基于低阶马尔科夫随机场,能量函数的低阶近似无法准确描述图像像素的空间相关性,导致图切检测结果过度平滑。本文提出一种基于高阶欧拉弹力模型的图切检测算法,利用欧拉弹性模型优化目标边界曲线和修正能量函数的低阶近似。算法通过利用前一帧图像的检测结果,对当前帧图像运动目标像素点数和前景背景邻接像素对数进行卡尔曼预测,并不断自适应调整当前帧的图像模型参数,实现了视频运动目标的连续全局优化检测。实验结果验证了欧拉弹力模型在视频运动目标检测中的有效性,其检测结果能够更好地满足人的视觉效果。     

一种特征点跟踪的运动目标检测

提出一种基于特征点跟踪的运动目标分割算法。在角点跟踪过程中,8等分匹配点邻域,构造方向子邻域提高匹配精度;提出一种新的聚类准则抽取最优特征子集估计运动参数;结合统计方法消除残差噪声;采用时域滤波滤除孤立区域检测出运动目标。对200帧可见光视频序列和100帧红外图像序列中运动汽车进行检测分割实验,检出率分别达到96%和94%。     

SIFT keypoints detection based on FPGA

为了在现场可编程门阵列(FPGA)中用硬件电路实现尺度不变特征转换(SIFT)特征点的实时检测,对原算法进行了改进,提出了一种基于面密度插值法和双重极值点约束的新方法.该方法显著提升了SIFT特征点的尺度不变性,同时有利于提高定点数的计算精度.在此基础上,设计了一种高效率的硬件计算方案,将所有的计算步骤都实现在了流水线结构中,并在FPGA上完成了开发工作.与现有研究成果相比,这种高效的方案非常节约硬件资源,大大降低了硬件成本,同时又大幅度提高了计算精度.系统能够在采集图像的同时完成特征点的检测.对于360×288大小的图像,其理论最高处理能力为303帧/秒;由于受到摄像头的图像采集速度限制,目前的实际处理速度是25帧/秒.     

基于兴趣点特征匹配的印刷图像缺陷检测

提出了1种基于兴趣点特征匹配的印刷图像缺陷检测方法.首先利用SIFT特征检测器,获取图像中具有旋转和平移不变性的特征点,然后采用最近邻方法进行特征点匹配,最后使用最小二乘优化算法,计算2幅图像特征点对的变换矩阵来实现缺陷图像的检测.实验结果表明:该方法能够快速准确地提取出2幅图像间的对应特征点,大大降低了误匹配的概率,在图像发生较大平移和旋转的情况下,仍能准确地实现图像的对准及缺陷图像的检测.     

Pose estimation for autonomous grasping with a robotic arm system

A robust and accurate method for estimating the 3-D pose of a planar rigid object is presented. This article demonstrates that 3-D pose estimation becomes feasible by using the 2-D tracking points on an object of scale-invariant feature transform (SIFT) and 3-D point cloud detected by stereo vision on an object, assuming that a 3-D geometric model of an object is known a priori. The roll and pitch angles of an object are estimated by the normal vector of approximate plane of 3-D point cloud on an object and the yaw angle is estimated by 2-D tracking point on an object of SIFT. Accurate object detection and localization in the camera coordinate system is crucial for grasping. In the motion planning, the bidirectional rapidly exploring random tree algorithm is used to search for a valid path for efficient grasping. Our robot arm can robustly and autonomously grasp a randomly rotative rigid object detected by SIFT in 3-D space. We have realized a grasping scenario with a dexterous arm (ADAM) such that an object in front of ADAM can be grasped. This demonstration shows how the proposed components build a dexterous and robust system integrating object detection, pose estimation, and motion planning.     

运动背景中结合特征位移矢量场模糊分割与 OTSU法的运动检测

运动背景中的运动检测难度较大,背景运动补偿后差分以及分割光流场可实现动目标和背景的分离,差分前需进行鲁棒的背景估计,且差分后易出现空洞,而光流估计在噪声以及目标运动速度较大时并不准确,尤其在光照变化时,两种方法均易失效。本文提出一种特征点位移矢量场模糊分割与图像自适应阈值化相结合的运动检测方法,实现在无任何关于运动目标或者运动背景先验信息条件下的动目标检测。通过改进的 SIFT匹配方法生成鲁棒的特征位移矢量场,采用模糊 C均值聚类算法对 SIFT位移矢量场进行无监督分类,实现动目标与背景特征的自适应分离。 OTSU法和形态学操作实现图像的自适应分割,用以修正特征点凸包,最终分割出动目标区域。与鲁棒的背景运动补偿后差分以及光流估计的对比实验表明,在目标运动速度较大、光照变化以及噪声情况下,本文方法均能够检测出运动目标,且在光照变化下的优势明显。     

动态图像的拼接与运动目标检测方法的研究

动态图像运动目标检测是图像处理中的热点,但动态图像的识别范围却成了目标检测的限制,针对此问题,本文提出了一种利用图像拼接技术扩展图像识别范围、并在此基础上完成运动目标检测的方法。在图像拼接中采用了SURF图像匹配算法,运动目标识别利用背景差分法,实验中使用的是开源的Linux操作系统、以及为图像处理提供了大量算法和函数的Open CV软件开发库。针对不同分辨率、不同角度采集的图像进行了实验研究,结果表明,可以在较好满足图像识别范围的同时,明确地检测出运动目标的相关信息。同时,本文提出一种通过图像拼接实现扩展运动目标检测的方法,满足了实时性要求,达到了增加图像清晰度的目的,但是,在摄像设备与场景之间的相对运动方面还存在着有待解决的问题,这将成为今后研究的重点方向。     

基于SIFT变换和DWT-SVD的自适应图像水印算法

目的由于传统的自适应水印技术无法实现水印嵌入区域依据图像自身的特征而改变,且抵抗几何攻击的能力较弱,提出一种基于SIFT特征提取,结合DWT-SVD的水印嵌入方法。方法首先对图像进行SIFT特征提取,然后利用RANSAC算法选取出鲁棒性较好的特征点,通过特征点选取合适大小的水印区域,最后结合DWT-SVD算法将水印嵌入原始图像中。结果采用SIFT变换结合DWT-SVD算法嵌入的水印,含水印图像的视觉效果较好。含水印图像在没有受到攻击时,可以无损地提取出水印;在受到攻击时,提取出的水印品质较好,NC值均高于0.96,且算法的时间复杂度和空间复杂度均较小。结论实验证明,此方案在面对任意角度的旋转攻击,以及常规图像处理攻击有很好的鲁棒性,可以达到保护数字产品的目的。     

An Image Mosaic Method for Defect Inspection of Steel Rotary Parts

According to the features of the inspection images for the steel rotary parts with defects, a novel image mosaic method, using Scale Invariant Feature Transform (SIFT) feature tracking with purifying feature points based on slope probability measure and RANSAC algorithm, is proposed. First, the method preprocesses the captured sequence images, and then implements projection transformation for these images. Then, the registration parameters for two adjacency images, using the SIFT algorithm and removal algorithm of the pseudo matching feature point pairs based on slope probability measure and RANSAC algorithm, can be solved to mosaic the defect inspection images of the parts with enough characteristic information. On this basis, a hardware-based method is used to perform image stitching of the measured parts. Experimental results show that the method can produce a large number of the correct matching feature point pairs, and can get a seamless, clear surface image of the parts, which will settle the foundation for automatic accurate inspection of the surface defects on metal parts.     

一种累积帧差视频对象分割算法

经过对视频序列的多帧累积,利用帧间变化信息可求得帧差之和,并用数学形态学方法处理之后,即可提取出对象边界。由此,提出了一种累积帧差的视频对象分割算法。实验结果表明,该算法能对低比特率视频序列中运动较为缓慢、背景相对简单的对象进行有效的分割,而且所用时间较短,算法简单、高效。     

基于序列图像中二次曲线对应的纯旋转运动参数估计算法

采用特征对应的视觉运动分析方法，建立了基于二次曲线的刚体纯旋转运动方程，提出了求解刚体纯旋转运动参数的算法。在刚体纯旋转运动分析中，最少利用前后两幅图像中7对匹配二次曲线，就可用线性方程组求解刚体旋转运动参数，线性算法的提出使旋转运动参数的求解精度得到很大提高。最后利用合成数据和真实图像对纯旋转运动估计算法的精度和有效性进行了验证，表明该算法能准确、可靠地估计旋转运动参数。     

于小波变换的等价图割SAR图像配准方法

为改进SAR图像匹配的稳健性和实时性,提出一种基于小波变换的等价图割SAR图像配准方法.该方法首先利用小波变换对图像进行分解,在低频子图像下构造等价图割,克服相干斑噪声干扰,避免NP困难,解决映射函数选取问题,从图像中分割出精确目标.其次利用尺度不变特征变换（SIFT）方法实现目标的特征匹配,降低搜索空间特征点描述,提高实时性.最后通过匹配关系找到变换参数,实现图像精确配准.实验结果表明,该方法能快速而精确地实现SAR图像配准.     

基于假设理论的序列图像中多目标检测和跟踪(英文)

本文提出一种基于目标检测的多维假设多目标检测和跟踪方法,此算法对于序列图像的照明变化和遮蔽现象具有很高的鲁棒性.首先,对序列图像进行背景抑制、时域滤波和杂波剔除的预处理,得到单帧的初始目标检测结果.对于初始检测中存在的漏检和误检现象,采用基于假设理论的跟踪概率模型优化初始检测轨迹;将目标的跟踪信息反馈于目标检测模块,形成一闭环自适应跟踪系统,达到多目标的最优检测和跟踪.实验结果表明了所提出的方法在多目标检测和跟踪中的可行性和有效性.