窗口融合特征对比度的光学遥感目标检测

提出了一种基于窗口融合特征对比度的光学遥感目标检测方法。首先,在训练图像上生成大量不同尺寸的滑动窗,计算了各窗口的多尺度显著度、仿射协变区域对比度、边缘密度对比度以及超像素完整度4项特征分值,在确认集上基于窗口重合度和后验概率最大化学习各个特征的阈值参数。然后,采用Naive Bayes框架进行特征融合,并训练分类器。在目标检测阶段首先计算测试图像中各窗口的多尺度显著度分值,初步筛选出显著度高且符合待检测目标尺寸比例的部分窗口。然后计算初选窗口集的其余3项特征,再根据训练好的分类模型计算各个窗口的后验概率。最后,挑选出局部高分值的候选区域并进行判断合并,得到最终目标检测结果。针对飞机、油罐、舰船等3类遥感目标的检测结果显示:4类特征在单独描述3类目标时表现出的性能各有差异,最高检测准确率为74.21%~80.32%,而融合方案能够综合考虑目标自身特点,准确率提高至80.78~87.30%。与固定数量滑动窗方法相比,准确率从约80%提高到约85%,虚警率从20%左右降低为3%左右。最终高分值区域数降低约90%,测试时间减少约25%。得到的结果显示该方法大大提高了目标检测精度和算法效率。     

用基于二值化规范梯度的跟踪学习检测算法高效跟踪目标

为提高复杂环境下TLD(Tracking-Learning-Detection)算法的跟踪精度和速度,提出基于二值化规范梯度(BING)的高效TLD目标跟踪算法。在跟踪器中引入基于时空上下文的局部跟踪器失败预测方法和全局运动模型评估算法,提高了跟踪器准确度和鲁棒性;用BING算法取代滑动窗口搜索策略,结合级联分类器实现目标检测,减少了检测器的检测范围,提高了检测的处理速度;将训练样本权重整合到在线学习过程中,改进级联分类器的分类准确度,解决了目标漂移问题。对不同的图片序列实验结果表明:本算法的跟踪正确率达85%,帧率达19.79frame/s。与原始TLD算法及其他主流跟踪算法相比较,该算法在复杂环境下具有更高的鲁棒性、跟踪精度及处理速度。     

基于高斯金字塔与新粒子群的印刷电路板装配模板匹配算法

为提高印刷电路板装配(PCBA)中目标区域检测的准确性和实时性,提出一种高斯金字塔变换与新粒子群优化算法结合的PCBA模板匹配算法。采用倒Sigmod函数调整粒子群迭代的惯性权值;分别构建个体和群体的自适应学习因子模型;提出粒子是否陷入局部解的自适应判据并对其采用随机动量因子进行调整,从而提出一种新的粒子群优化算法。分别对待匹配图像和模板图像进行4层高斯金字塔变换,采用新粒子群优化算法搜索待匹配顶层子图的粗匹配区域,该区域经高斯金字塔反变换后生成的邻域范围与对应的模板子图进行遍历匹配,在最底层得到最终匹配结果。对比实验结果表明,所提方法在PCBA模板匹配应用中具有准确性和实时性。     

基于全向视觉图像的快速定位方法

对图像的目标的搜索常采用的是区域生长算法或改进的变步长区域生长算法;区域生长算法算法简单,精度很高,但是对于较大图像,搜索速度较慢;改进的变步长区域生长算法在一定精度的范围内可提高搜索速度。文中采用动态窗格搜索算法,动态窗格搜索算法有效地利用了历史结果,提高了目标的搜索速度。     

应用于光电目标跟踪的变窗宽核粒子滤波

核函数粒子滤波(KPF)是小噪声动态系统目标跟踪的一种有效方法,核窗宽选择是该方法中核密度估计的核心问题。本文提出了一种基于协方差的变窗宽核粒子滤波算法。该方法首先通过粒子集的协方差矩阵估计粒子的粗略核窗宽和其粗略的后验概率密度,然后调节全局核窗宽获得适用于每一个粒子的精确核窗宽,提高核密度的估计精度;然后,通过迭代寻找后验概率模型,使得粒子集能够在核密度估计后向后验概率密度的真实分布移动,从而提高跟踪精度。通过这种方法生成的新粒子是对后验概率密度的一个更加近似的表达。实验结果表明,在小噪声动态系统中,本文提出的变窗宽核函数粒子滤波在光电目标跟踪的性能和效率(PF的20%粒子数目)上都优于传统的粒子滤波(PF)、UPF(Unscented Particle Filter)以及KPF方法。     

基于机器视觉的酒液异物智能检测方法研究

针对酒液异物的检测问题,研究了一种基于机器视觉的智能检测方法。将该方法采集的序列图像进行加权滤波预处理;应用中值背景减除和最大熵阈值法提取出可疑异物区域;利用窗口目标搜索匹配法进行异物目标跟踪操作;根据目标跟踪路径来判断酒液中是否存在异物。实验结果表明,该方法具有较低的漏检率和误检率,较高的检测精度,能够实时有效地完成酒液异物检测。     

基于边缘重构图像的边缘检测算法优选研究

边缘检测是视觉定位、零件缺陷识别、视觉测量等图像处理中的关键环节，其检测质量直接影响后续的图像目标识别与定位的精度。针对具体图像处理需选取合适的边缘检测算法的问题，提出了一种基于多方向滑动窗口线性插值重构法的图像边缘检测质量评价算法。首先，采用待处理边缘图像的最大连续非边缘矩形区域作为重构搜索窗口，设计了多方向滑动窗口线性插值图像重构法；然后，根据图像边缘的特征，建立了集成图像结构相似度和边缘错检率为性能指标的边缘检测算法的优选评价方法；最后，进行了实例应用，通过实验对重构算法的性能、优选方法的可行性和正确性进行了验证。研究结果表明：该边缘图像重构算法准确率最高，实验中重构图像的结构相似度可达到0.708 7,耗时320.902 1 s;采用该优选方法能快速地筛选出最佳的边缘处理算法，与人体视觉评价一致，便于实现边缘检测算法的智能优选和图像的智能处理目标。     

在线检测系统中的图像快速拼接技术

针对汽车车架纵梁在线检测系统中序列图像的自动拼接问题,提出了一种稳健、快速、精确的自动拼接算法.利用基于特征的算法提取特征区域,并在待匹配模板中确定候选模块,考察序列图像间的运动特点,将搜索限制在一个小范围内,利用基于像素的方法在此范围内确定候选模块中的真实匹配块.此方法在满足图像拼接精度的前提下,大幅度提高了拼接速度.     

基于动态生成树和改进不敏卡尔曼滤波的传感器网络目标跟踪算法研究

针对在传感器网络目标跟踪的实际应用中,节点感知的数据与目标真实状态之间通常呈现非线性的特点,提出了一种基于改进不敏卡尔曼滤波的传感器网络目标跟踪算法。通过引入粒子群技术对不敏卡尔曼滤波中δ采样点的分布和收敛速度进行优化,使得δ采样点的分布更加接近目标的真实状态,以提高目标跟踪精度。同时,构建了一个随目标移动而动态生成的树形结构作为算法的执行平台。仿真结果表明,采用动态生成树作为算法执行平台提高了节点资源的利用率,降低了网络能耗,采用粒子群优化后的不敏卡尔曼滤波提高了目标跟踪精度,减少了算法运行时间。     

改进YOLOv2卷积神经网络的多类型合作目标检测

针对大型构件三维精密测量中构件结构复杂、测量环境变化等导致的合作目标检测精度低的问题,提出一种改进YOLOv2卷积神经网络的多类型合作目标检测方法。首先,利用WGAN-GP生成对抗网络扩增合作目标图像样本数量;其次,采用卷积层密集连接代替YOLOv2基础网络的逐层连接增强图像特征信息流,引入空间金字塔池化汇聚图像局部区域特征,构建改进YOLOv2卷积神经网络的多类型合作目标检测方法;最后,采用增强的目标图像样本数据集训练改进YOLOv2卷积神经网络的多类型合作目标检测模型,实现多类型合作目标检测。实验结果表明:采用多类型合作目标图像数据集测试,多类型合作目标检测精度达到90.48%,目标检测速度为58.7 frame/s。该方法具有较高的检测精度和速度,鲁棒性好,满足大型构件三维精密测量中多类型合作目标检测的要求。     

应用Rényi熵的显著图生成与目标探测

为了在复杂的地面场景中实现准确的自动目标检测,分析了地面场景图像经二维加窗的伪Wigner-Ville分布(PWVD)后,归一化的Rényi熵与其出现概率间存在的基于e指数的统计特性,以及人造目标的出现引起的地面场景中Rényi熵的统计特性变化,提出了一种新的基于Rényi熵的显著图生成和目标探测方法。对Renyi熵图像进行了均值滤波,然后滤波前后的图像相减得到熵残余图像,并经过高斯滤波获得显著图,最终通过简便的阈值分割,完成目标探测。实验结果表明,该方法对8幅不同场景图像中共计14个目标的探测概率为100%,虚警概率不大于7.1%。与传统方法相比,本文提出的方法能够更为有效地检测复杂地面背景中的军事目标。     

基于视觉显著性的太阳能电池片表面缺陷检测

现有基于机器视觉的太阳能电池片表面缺陷检测算法均是采用各种类型的数学模型来进行算法设计,为进一步提高检测准确率,从人眼仿生学角度出发,首次将人眼的视觉注意机制引入到太阳能电池片表面缺陷检测中,提出了一种基于视觉显著性的太阳能电池片表面缺陷检测算法。首先,对输入的太阳能电池片表面图像进行预处理,去除对检测有影响的噪声和栅线;其次,提出一种基于自学习特征的视觉显著性检测算法来大致定位缺陷区域;随后,提出一种视觉显著性和超像素分割相结合的算法来进一步精确定位缺陷区域;最后,通过形态学后处理得到最终检测结果。在包含多种缺陷类型的测试图像库上的主观和客观实验评估表明,该算法具有较高的检测准确率。     

基于视觉显著性的无监督海面舰船检测与识别

在航天航空光学遥感舰船目标检测中,受大气、光照、云雾和海岛等海面不确定条件的影响,传统的舰船检测方法存在检测效率低和可靠性差等问题,因此,本文提出一种无监督海面舰船目标自动检测方法。该方法以视觉显著性为依据,结合多显著性检测模型快速搜索海面目标,生成显著图后对其进行粗分割,对提取的目标切片做标记并进行精细分割,利用改进的Hough变换旋转目标主轴以保证目标对Y轴的对称性;对可能检测到的厚重云层和岛屿等伪目标使用梯度方向特征进行鉴别,通过判定目标在360°范围内8个区间的梯度幅度统计值,确认舰船目标及去除伪目标。实验结果表明,该舰船检测方法能够成功提取海面上大小不同,位置随机分布的舰船目标,准确获取舰船目标的数量和位置信息,在大量真实光学遥感图像上的测试结果显示,本文方法检测准确率高于93%,通过目标鉴别处理,剔除伪目标后,虚警率可低于4%,鲁棒性较强。     

基于视觉显著性的可见红外图像融合

多波段图像融合可以有效综合各个波段图像中包含的特征信息。针对可见光-红外图像,本文提出了一种结合红外图像视觉显著性提取的双波段图像融合方法,一方面旨在凸显红外图像的目标信息,同时又能尽可能的保留可见光图像的丰富细节信息。首先,在局部窗口内实现红外图像的显著性图提取,并通过窗口尺寸的变化形成多尺度的显著性图,并对这些显著性图进行最大值的优选叠加,以获取能反映整幅红外图像各个尺寸目标的显著性图;其次,通过结合显著性图与红外图实现显著性图的加权增强;最后,利用增强的红外显著性图进行双波段图像的融合。通过两组对比实验,数据表明该方法给出的融合图像视觉效果好,运算速度快,客观评价值优于对比的7种融合方法。     

基于视觉显著性的红外与可见光图像融合

多波段图像融合可以有效综合各个波段图像中包含的特征信息。针对可见光和红外图像,提出了一种结合红外图像视觉显著性提取的双波段图像融合方法,一方面旨在凸显红外图像的目标信息,另一方面又尽可能的保留了可见光图像的丰富细节信息。首先,在局部窗口内实现红外图像的显著性图提取,并通过窗口尺寸的变化形成多尺度的显著性图,并对这些显著性图进行最大值的优选叠加,以获取能反映整幅红外图像各个尺寸目标的显著性图;其次,通过结合显著性图与红外图实现显著性图的加权增强;最后,利用增强的红外显著性图进行双波段图像的融合。通过两组对比实验,数据表明该方法给出的融合图像视觉效果好,运算速度快,客观评价值优于对比的7种融合方法。     

结合多尺度视觉显著性的舰船目标检测

光学遥感图像海面舰船目标检测易受云雾,海岛,海杂波等复杂背景的干扰。本文提出了一种适用于复杂背景的舰船目标检测方法。首先为了克服目标尺度多变问题,利用视觉显著性生成多尺度显著图,然后使用基尼指数自适应选择最优显著图。考虑到全局阈值分割算法带来的漏检测问题,提出一种新的方案来分离目标和背景像素点。利用图像膨胀原理获取显著图的局部极大值点,然后使用k-means算法判断极大值点属于目标像素点还是背景像素点。接着对目标点邻近区域进行精细分割。最后引入基于径向梯度变换的旋转不变特征来进一步剔除虚警。实验结果表明,该算法能够成功检测出不同尺寸和方向的舰船目标,有效克服复杂背景的干扰。算法检测正确率93%,虚警率4%,优于其他舰船检测方法。     

基于Rényi熵的显著图生成与目标探测(2009-0316重投稿)

复杂的地面场景在很大程度上影响了自动目标检测的效果。分析了地面场景图像经采用二维加窗的伪Wigner-Ville分布（PWVD）后,归一化的Rényi熵与其出现概率间存在基于e指数的统计特性,以及人造目标的出现会引起地面场景中Rényi熵统计特性的变化。提出了一种新的基于Rényi熵的显著图生成和目标探测方法。对Renyi熵图像进行均值滤波,滤波前后的图像相减得到熵残余图像,并经过高斯滤波获得显著图。最终通过简便的阈值分割,完成目标探测。实验结果表明,本文提出的方法能够有效地检测复杂地面背景中的军事目标,在8幅不同场景共计14个目标的实验中,本文算法的探测概率为100%,虚警概率不大于7.1%。     

手势识别引导机械臂的零件智能装配方法

文中利用手势识别方法,以示教编码的模式完成零件自动抓取的动作,防止装配过程中出现错装、漏装等问题,满足零件柔性装配多样化的需求。首先提出利用SSD模型实现零件抓取位置目标检测方法,根据SSD网络给出当前输入图像的零件种类与位置,缩小零件抓取位置分析范围;然后通过整合空间金字塔池化方法与传统特征提取卷积网络,利用传统的边框检测法,设计了物体角度的抓取参考矩形框方法来代替滑动窗口生成方法,以提高检测速度;最后结合YOLOv3网络进行手势识别,引导机械臂进行零件的智能装配。     

利用标记分水岭法实现夏克-哈特曼波前传感器质心探测

由于光斑质心探测精度直接影响夏克-哈特曼波前传感器的波前探测精度,本文提出基于标记分水岭法来确定阵列光斑质心探测窗口。首先,对采集到的夏克-哈特曼阵列光斑图像进行平滑并求出其梯度图像;然后,利用大津（OTSU）阈值法在求出的梯度图像上进行目标标记,最后在标记过的梯度图像上进行分水岭分割,确定出每个光斑的探测窗口。由于该方法确定的质心探测窗口是对光斑实际大小进行匹配,故有效地抑制了噪声对质心探测的影响。实验结果表明：利用该方法确定光斑探测窗口所计算的质心精确度和稳定性均比传统的在子透镜窗口中计算光斑质心的方法要高。统计多幅图像计算得到的窗口质心标准差的平均值为0.010 9,比传统法计算出的平均值0.073 4提高了6倍,满足哈特曼波前传感器对光斑质心计算稳定性和精确度的要求。