基于Kinect传感器的机器人室内环境检测方法

针对移动机器人室内环境检测问题,提出了一种基于Kinect传感器的目标物体检测方法.利用Kinect传感器采集的视频图像和深度数据来实现对机器人工作环境中已知特征目标物体和完全未知目标物体的检测及定位.对于已知特征目标通过颜色特征分析来完成检测,而对于完全未知的物体则通过深度地面消除算法和提取深度图像的轮廓来进行检测.利用传感器成像模型对检测出的目标区域进行三维空间定位,从而获取目标物相对于机器人的空间位置信息.基于移动机器人平台进行实验,结果表明,该方法能够有效地实现室内环境信息的检测及定位.     

基于Kinect深度信息的手势识别

设计了一种基于Kinect深度信息和双阈值分割的运动手势识别算法。结合OpenCV和OpenNI,在vs2010环境下实现了该算法。利用Kinect的深度摄像头获取深度图像;对该图像进行双阈值分割,获取手部图像;再对手部图像进行形态学处理,获取完整的手形;最后,利用OpenNI的手势生成器GestureGenerator对手势进行跟踪识别。利用深度图像进行手势识别,通过双阈值分割,不仅去除了背景干扰,也能去除一部分前景干扰。用不同颜色点、圆和线的形式表示各种手势,可以清晰地实时显示识别效果。     

基于边缘检测的Kinect深度图像去噪算法

Kinect实时提取的深度图像映射得到的彩色图像以及目标背景分离图像边缘存在明显锯齿,且图像噪声大,质量较差。对此提出一种针对Kinect深度图像去噪算法。运用基于Prewitt算子的分块自适应阈值边缘检测算法可得到比较精细的图像边缘;进而根据获取边缘信息对深度图像进行分类,边缘区采用单向多级中值滤波算法进行降噪处理,而非边缘区采用双向多级中值滤波算法进行降噪处理。最终利用Kinect得到边缘清晰,噪声较小的高质量深度图像,实验证明了算法的有效性。     

基于深度信息的动态手势识别算法

针对目前手势识别方法计算复杂、特征量提取不可靠等问题,提出基于Kinect传感器深度信息快速动态手势识别算法。通过Kinect的深度摄像头获取深度图像,利用阈值分割法对深度图像进行预处理;结合深度信息,利用OpenCV函数库来提取前景;选用动态时间规整(dynamic time warping)算法计算测试行为模板与参考行为模板之间的相似度以实现样本的分类;最终结合OpenNI和OpenCV,在VS2010环境下实现了该算法。与其他算法相比,该算法改进动态手势特征的提取方法和分类过程,能够快速跟踪手部,有效分割手势。实验结果表明,本方法对具有时空特性的动态手势有很高的识别率,在不同光照和复杂背景下具有较好的鲁棒性。     

一种在复杂背景彩色图像中划分手部图像的方法

对面部和手部图像进行正确定位是当前图像处理领域中的重要课题 .在机器人手势识别实验中 ,我们试图利用一个BP神经网络对连续手势进行识别 .由于实时性的要求 ,我们希望找到一种尽量简单的图像划分方法 .本文通过对采集到的彩色图像进行色度变换和色调过滤 ,成功的实现了从复杂背景的彩色图像中划分出手部图像 ,并提取其轮廓以供处理 .作为计算机图像识别的预处理过程 ,这种划分方法算法简单 ,易于实现 ,十分适合于实时彩色图像的划分与识别 .     

基于Kinect相机的深度图像修复算法

针对Kinect相机获取深度图像存在空洞和噪声的问题,提出了一种基于联合双边滤波和中值滤波相结合的深度图像处理方法.将Kinect获得的彩色(RGB)图像和深度图像裁剪对齐,利用联合双边滤波器修复深度图像中的空洞,用中值滤波器滤除噪声.实验结果表明:与其他方法相比,所提算法能够有效填充深度图中的空洞区域,并去除图像中的...     

一种基于Kinect深度图的人像自动抠像算法

针对传统抠像算法需要人工交互,无法实现自动抠像,且边缘区域前、背景颜色相近时抠像效果不佳等问题,研究一种基于Kinect深度图的人像自动抠像算法.利用Kinect人物识别的优势,研究根据采集的彩色图像对于人形区域深度图像进行预处理,生成三元图;对人形区域中孔缝进行处理;采用改进的鲁棒抠像算法实现无需人工输入的自动抠像.实验结果表明,抠像算法可实现自然背景中人像的自动抠像,对于前景和背景边缘颜色相近的原始图像,可得到良好的抠像效果.     

基于深度图像的人体行为识别综述

深度图像降低了人体三维运动信息在视觉获取过程中的维度损失,使得与传统彩色图像相比,基于深度图像的人体行为识别研究在特征提取、表示及识别精度等方面体现出技术优势,受到广泛关注,因此,全面、深入地综述了基于深度图像的人体行为识别的研究现状.首先,对近年来提出的基于深度图像的人体行为识别的各种方法进行整理、分类;然后,对多个常用的人体行为公开数据库进行介绍,并在3个数据库上对不同方法的识别率进行对比分析;最后,阐述了人体行为识别技术未来可能的发展趋势.     

交警手势的图像处理与识别

提出了一种基于交警手势识别的交通灯控制方法．该方法首先对彩色摄影机采集的交警手势图像进行预处理。包括彩色图像平滑、彩色图像增强;其次利用边缘检测和图像分割方法对目标图像进行分割,由于图像受噪声干扰严重,采用Sobel算子消除噪声;再次将分割得到的目标轮廓进行表示与描述,为图像的识别作好准备;最后结合图像的轮廓特征对图像进行识别,采用了模糊模式识别方法．试验结果表明。该方法能够实现对交警手势准确的识别．     

一种在复杂背景彩色图像中划分手部图像的方法

对面部和手部图像进行正确定位是当前图像处理领域中的重要课题，在机器人手势识别实验中，我们试图利用一个BP神经网络对连续手势进行识别，由于实时性的要求，我们希望找到一种尽量简单的图像划分方法。本文通过对采集到的彩色图像进行色度变换和色调过滤，成功的实现了从复杂背景的彩色图像中划分出手部图像，并提取其轮廓以供处理，作为计算机图像识别的预处理过程，这种划分方法算法简单，易于实现，十分适合于实时彩色图像的划分与识别。     

基于Kinect信息融合的移动平台目标定位算法研究

针对场景的光照变化和遮挡、混响等因素对目标定位准确性和鲁棒性的影响,提出了一种基于Kinect音视频融合的目标定位方法.在获取场景的颜色、深度和声源定位信息后,首先利用获取的深度信息剔除背景信息,然后分别对颜色、深度和声源定位的模型计算似然函数,最后融合上述3种似然函数,并在粒子滤波框架下实现目标定位.实验结果表明,音视频信息融合的目标定位平均准确率达到90.7%,相比于同一场景下独立使用视频和音频定位的准确率分别提高了9.1%和16.9%.     

自动定位彩色图像中的文本

提出一种适用于万维网搜索、彩色图像索引和视频索引等多种应用的彩色图像文本定位方法.算法采用多尺度图像分割方法把彩色图像分割为一系列可能包含文本的图像块,用连通区域方法确定每一个文本图像块中文本的精确位置和大小.采用多颜色图像分解方法提取具有相似颜色的连通区域,通过聚类相邻的连通区域得到文本的位置和范围.利用一个图像数据库来测试本文算法,试验表明算法具有较高的正确率.     

基于颜色和深度的场景分割

针对家庭服务机器人对分割精度的要求,研究了基于Kinect的场景分割问题。设计了一种融合Kinect获取的深度信息与颜色信息的场景分割方案。将Kinect获取的深度图像与颜色图像分别用一维向量和三维向量表示,并进行归一化,通过一个平衡系数将二者融合到一起形成场景的四维向量描述;再将基于Nystrm方法的Normalized Cuts谱聚类算法应用于四维向量,从而实现场景分割。实验结果表明,该算法的分割结果优于单独基于颜色或深度信息的场景分割算法,能达到家庭服务机器人对场景分割精度的要求。     

一种考虑图像尺寸的DCT域图像检索方法

利用从DCT域直接提取的图像主色信息构造MPEG-7所建议的一种颜色布局描述符,提出一种考虑图像主色分布和尺寸的压缩域图像检索方法,应用于基于内容的图像检索.     

基于PCA变换和光谱补偿的遥感影像融合方法

针对传统PCA融合方法光谱失真较严重的问题,本文从分析传感器的光谱响应范围的不一致性入手,通过预判融合图的光谱失真区域,对失真和非失真区域采用不同的融合策略。在非失真区域,采用传统的PCA融合方法进行融合,在失真区域,对第一主成分与全色图像进行小波融合,然后替换第一主成分。并提出了新型的多层融合流程,改善了融合图像走样的问题。实验表明,本文方法可以实现全色与多光谱图像的高保真融合,且方法的适应性较好。     

基于成分金字塔匹配的对象分类方法

提出基于成分金字塔匹配(component pyramid matching, CPM)的图像表示方法,将图像块按照颜色进行分层,在每一层中通过优化的方式选取几种颜色的图像块作为当前层次图像的前景成分,其余颜色的图形块作为图像的背景成分。前景成分对应对象的某些区域,能够为图像表示提供弱语义信息。然后,利用相似的颜色选择方法,对每一层背景成分进行再次划分,将其分为下一层前景成分和背景成分两部分。最后将这些成分所表示的直方图连接起来作为图像表示用于分类。试验采用Soccer、Flower17和Flower102 3个图像集进行测评,试验结果表明提出的算法能够得到比较好的分类结果。     

基于VLSI设计实现的高效颜色插补算法

针对Bayer格式阵列的CMOS图像传感器(CIS)片上系统(SoC)中图像信号处理单元(ISP)的研究,提出一种适合VLSI实现的高效颜色插补算法。算法重点重建了缺失的G分量,先进行像素边缘判断,进而结合边缘方向梯度加权计算,使得G分量的重建有效避免了传统方法中易造成边缘变模糊的现象;对于B和R分量的重建,充分利用小范围内已知的像素分量值对其进行线性插补,使得插补后的值更接近真实值。通过对色彩测试标板和自然图像的模拟实验表明,该算法插补后的图像与传统算法相比更清晰、信噪比更高。算法基于VL-SI设计实现,并通过FPGA验证,结果表明,该算法易于片上实现,耗费资源892个LE,最大频率可达142MHz,完全满足实时处理需求。     

基于彩色分量双重鉴别相似性的人脸特征提取

针对当前人脸彩色图像鉴别特征提取方法存在特征鉴别能力低、识别效果差等问题,提出基于彩色分量特征层双重鉴别相似性分析的人脸图像鉴别特征提取方法.通过使用人脸彩色图像中各个彩色分量数据和不同彩色分量数据集之间的相关性进行特征层鉴别相似性分析,并设计了R、G和B三个彩色分量图像数据集鉴别特征提取流程.仿真结果表明:CM-DDSA方法保留了三个彩色分量特征之间的平均相似性,同时在很大程度上提升了特征鉴别能力以及识别效果.