足球机器人视觉图像的快速识别

FIRA MIROSOT机器人足球比赛中，视觉系统是比赛系统中获得环境信息的唯一途径。视觉系统的识别速度和精度对比赛的胜负有很大的影响。针对传统的视觉缺陷，在色标设计方案、彩色空间的转换、色彩的阈值判别和图像分割几个方面进行改进，明显地减少了计算量，提高了实时性。实验结果表明，比赛中该方案在运算速度和精确度2方面都具有很大的优越性。     

一种稳健的足球机器人目标识别算法

视觉系统是类人足球机器人获取环境信息的主要途径。在比赛中,受场地光照等比赛环境的影响,用传统的分割识别算法难以达到满意的效果。文中提出一种结合目标颜色和形状信息的识别算法。该算法在HSI空间执行基于颜色信息的快速阀值分割,获取目标像素,并且加入了自适应阀值更新,然后利用目标像素和目标形状信息执行优化边缘检测识别目标,最终获得目标在图像中准确的位置信息。实验证明：该算法能长时间在不同光照条件下稳定获取对象在图像中的位置信息,满足实时性的要求。     

图像分割技术在足球机器人中的应用

以MiroSot机器人为研究对象,通过理论与实践相结合的方法,对足球机器人视觉系统中的图像分割方法进行研究与分析,提出一种新的彩色图像阈值标定方法,使阚值设定更准确。经过处理,输出图像的质量得到相当程度的改善,既改善图像的视觉效果,又便于计算机对图像进行分析、处理和识别。     

基于区域生长算法的彩色舌诊图像分割技术研究

为准确地提取舌象特征,在解决选取种子像素和定义区域均匀性测度两项关键技术问题的基础上提出了一种改进的区域生长算法。实验表明该方法取得了良好的分割效果。     

基于模糊阈值的机器人视觉目标图像处理

机器人视觉目标图像信噪比低,背景噪声干扰大,目标识别处理通常利用目标的灰度信息进行预处理,由此设计一种基于数学形态学和模糊阈值的灰度图像实时预处理和阈值处理技术图像分割方法.仿真实验表明,该方法实时性好,简捷快速,对目标图像识别有实用价值.     

基于彩色图像分割的机器人足球目标识别

研究了机器人足球视觉系统中基于彩色图像分割的目标识别的方法。为了适应光照条件的变化，采用分离出亮度信息的YUV颜色空间；将彩色图像分割分为离线的颜色分类和实时的分割、识别两个部分，并采用最大似然法完成颜色的自动分类，满足了机器人足球视觉系统实时、准确的要求。试验证明，在光照条件改变的情况下能够有效地进行目标识别。     

改进区域生长的医学超声图像分割方法研究

基于区域生长的方法是一种比较有效的超声图像分割方法.针对区域生长时的几个关键问题,优化选择一组能正确代表目标区域的种子像素.在分析像素邻域灰度的特点基础上,采用最大类间方差法,确定了目标区域的最佳分割阈值.通过改进区域生长中的邻域搜索策略,结合梯度图确定合理的生长准则,制定了一种新的区域生长的停止条件,在种子点邻域像素与种子像素比较过程中,对不符合生长条件的邻域像素不是直接排除在目标区域外,而是以此邻域像素为中点进行二次比较.最后给出的实验结果表明该方法改善了图像分割的质量.     

基于人类视觉模型的区域生长图像分割

在人类视觉阈值选择模型基础上,结合C均值聚类思想,提出一种基于人类视觉模型的区域生长图像分割算法。根据人类视觉模型选取初始种子,并自适应调整区域生长的相似性准则,既从全局考虑了种子的生长对误差平方和的影响,又从局部考虑了像素的邻域相似度信息,实现了类似于边缘的限制效果。实验表明,即使在复杂背景下,该方法依然能得到接近人眼视觉特性的分割效果,且具有较高的执行效率。     

基于视觉图像的舞姿自动空间分割系统设计

为了提高舞姿的视觉指导效果,需要进行舞姿的自动空间规划设计,提出一种基于视觉图像的舞姿自动空间分割方法。构建舞姿自动空间规划的视觉图像采集模型,采用高分辨的视觉信息增强技术进行舞姿自动空间视觉图像的信息增强处理,提取舞姿自动空间视觉特征量,采用三维视觉重构技术进行舞姿自动空间规划设计,构建舞姿自动空间规划的视觉图像多层网格区域分布模型,结合联合稀疏结构特征分解方法,进行舞姿视觉图像的融合和自适应分割处理,根据特征分割结果进行舞姿的多层空间结构规划和融合聚类,实现舞姿的自动空间分割的算法优化设计。在多层B/S构架体系下实现舞姿自动空间分割系统的软件开发设计。仿真结果表明,采用该方法能有效实现视觉图像下的舞姿自动空间分割,输出峰值信噪比较高,具有较强的舞姿指导性。     

基于颜色特征的图像分割方法及其在足球机器人中的应用

提出一种新的适用于跟踪移动机器人的视觉系统的彩色图像分割技术,这种方法采用符合人类视觉特性的HIS颜色空间表示图像的颜色特性,利用人对颜色的感知来对颜色分量进行非等问隔的量化并形成特征矢量,根据HIS颜色空间三个基本分量合成的一维特征矢量直方图进行分割,并克服HIS颜色空间存在不可避免的奇点对图像分割的影响。另外采用一种基于背景图像的非均匀光照修正算法,应用在足球机器人中。实验结果表明该方法不仅使目标定位扣方向角更精确,而且提高动态环境下的鲁棒性。     

一种用于彩色图像目标识别的自适应阈值分割方法

机器人视觉系统利用颜色、形状等信息来识别环境目标,但是难点在于识别的鲁棒性和实时性的保证。采用移动机器人做平台,提出一种基于颜色学习的实时目标识别系统,并提出了一种目标颜色学习和分割算法,该算法基于自适应阈值分割图像,考虑环境的光照变化进行调整,改善了系统的实时性和鲁棒性。     

基于RGB颜色空间的彩色图像分割方法

传统的图像阈值分割算法是将彩色图像转换为灰度图像再进行分割。通过分析RGB颜色空间的特点,本文提出基于RGB颜色空间的阈值分割算法,采用新的判定准则,在颜色空间中以立方体取代原来的四面体,直接对彩色图像进行分割。分析和实验证明,改进的判断准则能够克服由于灰度转换造成颜色信息丢失而引起的误判,在保证原有阈值分割算法快速、简单的前提下,能够对彩色图像进行更为准确的分割。算法适用于目标颜色为黑色的情况,并可以推广到目标颜色为其它颜色的情况。     

彩色图像的分割技术

图像分割是计算机早期视觉不可缺少的一步。彩色图像由于具有比灰度图像更多的视觉信息,受到了越来越多的重视。文章将彩色图像的分割技术分为6类,并分别加以介绍,分析了各种技术的优缺点。最后提及了彩色图像分割技术与彩色空间的关系。     

基于模糊技术的彩色图像分割方法

由于彩色图像提供了比灰度图像更为丰富的信息,因此彩色图像处理正受到人们越来越多的关注。彩色图像分割是彩色图像处理的重要问题,目前对彩色图像的分割已提出了许多种算法,在这些算法中由于模糊技术能很好地表达和处理不确定性问题,因此在彩色图像分割领域会有更广阔的应用前景。本文主要介绍了基于模糊技术的模糊阈值分割法、模糊聚类分割法和模糊连接度分割法。     

基于色彩空间变换的彩色图像分割方法

彩色图像是当今数字图像的主要表现形式之一，彩色图像分割是图像处理的热点与难点问题之一。针对彩色图像分割的精度与速度问题，提出了一种基于色彩空间变换的彩色图像分割方法。该色彩空间重在突出图像三分量间的差异，从而充分利用彩色信息。同时，分割方法以向量化图像为对象，从背景去除的思想出发，采用分裂Bregman快速求解算法，从而达到高效分割的目的。数值实验表明，该方法能有效分割出图像的所有目标区域，分割区域较为完整，结果具有较高的精度。     

多颜色空间上的交互式图像分割

介绍了视觉颜色空间及其在交互式图像分割中的作用,实验分析了它的奇异性,在此基础上,考虑像素的空间和色彩分布,提出了基于区域生长法的多颜色空间、多度量准则的聚类算法和零碎区域的合并算法,颜色空间选取HSL和RGB两种,相似性度量包括了种子点、扩张点和生长区域三个方面,并用于敦煌壁画图像的分割。     

种子区域生长技术在彩色图像分割中的应用

提出一种基于种子区域生长(Seeded Region Growing,SRG)技术的彩色图像分割方法.该算法利用L*a*b*颜色空间的象素与其邻域的颜色差异及相对欧式距离自动选择种子;应用SRG技术由已知的种子生长出初始分割区域;根据融合了颜色空间和邻接关系的区域距离对初始区域进行分级合并.算法克服了传统区域生长方法不能自动选择种子且容易导致过分割的局限性.将新的分割方法应用到彩色图像,并得到与视觉判断相一致的有意义的分割结果.实验结果显示了所提出的方法对于不同自然彩色图像分割的有效性与适应性.     

基于综合特征的图像分割

文章提出了一种有效的基于颜色和纹理综合特征的图像分割方法。将图像以块为单位进行划分,在YUV空间,提取块的颜色特征和纹理特征,在这种综合特征基础上,采用改进的K均值聚类法进行图像分割。该方法能自适应确定聚类中的参数,且兼顾点的位置连通关系,从而达到了较好的分割效果。