基于区域生长的道路和桥梁识别方法的研究

针对高分辨率可见光图像中的道路和桥梁目标,提出了一种基于区域生长的道路和桥梁自动识别的方法。利用区域生长对原始图像进行粗分类,有效去除利用Canny算子进行边缘检测后得到的“弱边缘”,然后利用规则去除无效线段,再检测平行线,对不连续的线段进行连接,最后根据目标模型的特征标识出道路和桥梁目标。实验结果表明,在不需要人工干预的条件下,该方法能够快速有效地自动识别出道路和桥梁目标。     

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。     

基于区域生长的彩色图像分割算法

针对传统种子区域生长算法在分割具有复杂纹理的彩色图像中存在的问题,提出一种改进的种子区域生长算法,该算法在YCbCr颜色空间中进行,采用离散余弦变换提取图像纹理特征值,进行自动种子及种子区域的生长,并用区域合并改善过度分割。实验结果表明,该算法能有效提高图像分割的精确性。     

基于精简路标的机器人视觉归航算法

在受生物导航方式启发的局部视觉归航算法中,ALV(average landmark vector)算法因其模型简单、归航性能较好以及所需存储空间小等优点受到了广泛的重视.在非结构化环境中,ALV算法常常需要使用图像的局部特征作为自然路标点,在这种情况下,路标的对应性问题难以保证,同时在保证归航性能的前提下如何合理地精简路标数量也尚无有效的解决方法.针对上述问题,对基于双曲面镜的折反射全景图像进行了研究,提出了horizon环域的概念.在环域内提取SIFT(scale invariant feature transform)特征作为自然路标点并结合ALV模型提出了一种改进的基于自然路标的ALV算法.改进算法有效地缩小了路标点的提取区域,较好地保证了路标点的对应性并精简了路标点的数量.多个实际场景的实验表明,这种算法有效提高了归航精度.     

基于机器视觉的棉花异性纤维识别方法

本文提出了一种基于机器视觉识别原棉异性纤维的新方法。首先采集含异性纤维的原棉彩色图像,将其分解为三通道图像。其次,采用二维伽马函数来解决三通道图像光照不均匀问题。在此基础上,采用大律法对三通道图像进行分割。最后,将分割后的三通道图像进行融合,能正确识别出棉花样本中的异性纤维。实验结果表明:本文提出的检测系统效率高,其检出率高于95%,能够满足棉花工业应用的要求。     

基于YOLOv2视觉的路标检测系统与应用

针对于封闭园区内物资和外卖递送,及疫情时期社区内消毒喷洒等情况下出现的人手不足和效率低的问题,提出了一种基于YOLOv2视觉的路标检测系统来帮助无人小车和机器人实现在封闭园区内的自主巡航功能。该系统基于YOLOv2算法实现,拟通过机器视觉识别路标来解决自主巡航的问题。YOLOv2算法通过FPS和MAP来表示路标检测的效率和准确性,其整个YOLOv2网络结构由19个卷积层、5个池化层和批量标准化层构成特征提取网络。通过该网络结构将路标物体中心点与分割出的网络单元格进行匹配,利用所得的IOU分数作为回归Label值,再通过载入模型网络平台不断训练得到的路标识别模型,完成机器视觉帮助无人物流车和机器人自主巡航运送物资的应用。     

基于改进区域生长算法的彩色图像分割

本文提出一种改进的区域生长算法.该算法利用颜色分类结果和连续图像的相似性,改进了种子搜索方法,与全局搜索种子的方法相比减少了种子搜索的时间,并且实现简单有效.实验结果表明改进的区域增长算法应用于RoboCup中型组足球机器人的全景彩色图像分割具有良好的时效性.     

用于移动机器人自定位的视觉路标设计

为了实现室内移动机器人的自定位,提出了一种简易美观的新型视觉人工路标以及基于对数极坐标系投影直方图的路标识别方法,并用基于共面四点的位姿估计算法计算机器人位姿.实验结果说明,路标检测具有很高的鲁棒性;路标识别方法抗噪声和形变的能力强;位姿精度足够满足室内移动机器人自定位的需要.     

基于改进区域生长的图像显著区域的提取方法

提出一种改进的区域生长方法来进行显著区域的提取。与以往基于像素或基于简单的NxN区域的方法不同．首先采用分水岭算法对原图像进行初始分割,利用显著图和区域的相对位置进行种子区域的自动选取,在生长过程中,将基于区域的相对边界强度,连接紧密程度与传统的区域颜色均值差异度准则相结合．构成新的区域可生长度评价函数。实验结果表明．该方法与现有算法相比,有效提高图像感兴趣区域提取的准确性。     

基于角点聚类的移动机器人自然路标检测与识别

针对未知环境中机器人视觉导航的自然路标检测,提出了一种基于角点聚类的自然路标局部特征提取、不变性表示及其匹配算法.用SUSAN算子提取左右视图中的角点,在极线约束下对左右视图的角点进行匹配,消除遮挡或噪声引起的角点;同时应用立体视觉计算角点视差,进一步筛选角点.根据角点聚类策略提取自然路标局部特征,并提出不随距离、角度变化的局部特征不变性表示及匹配方法.理论分析和实验结果表明,该算法具有较好的鲁棒性,在一定距离和角度变换下能够对路标进行正确识别.     

关键点深度特征驱动人脸表情识别

目的 人脸关键点检测和人脸表情识别两个任务紧密相关。已有对两者结合的工作均是两个任务的直接耦合,忽略了其内在联系。针对这一问题,提出了一个多任务的深度框架,借助关键点特征识别人脸表情。方法 参考inception结构设计了一个深度网络,同时检测关键点并且识别人脸表情,网络在两个任务的监督下,更加关注关键点附近的信息,使得五官周围的特征获得较大响应值。为进一步减小人脸其他区域的噪声对表情识别的影响,利用检测到的关键点生成一张位置注意图,进一步增加五官周围特征的权重,减小人脸边缘区域的特征响应值。复杂表情引起人脸部分区域的形变,增加了关键点检测的难度,为缓解这一问题,引入了中间监督层,在第1级检测关键点的网络中增加较小权重的表情识别任务,一方面,提高复杂表情样本的关键点检测结果,另一方面,使得网络提取更多表情相关的特征。结果 在3个公开数据集：CK+（Cohn-Kanade dataset）,Oulu（Oulu-CASIA NIR&VIS facial expression database）和MMI（MMI facial expression database）上与经典方法进行比较,本文方法在CK+数据集上的识别准确率取得了最高值,在Oulu和MMI数据集上的识别准确率比目前识别率最高的方法分别提升了0.14%和0.54%。结论 实验结果表明了引入关键点信息的有效性：多任务的卷积神经网络表情识别准确率高于单任务的传统卷积神经网络。同时,引入注意力模型也提升了多任务网络中表情的识别率。     

Application of neural processing paradigm in visual landmark recognition and autonomous robot navigation

This article addresses the issue of visual landmark recognition in autonomous robot navigation along known routes, by intuitively exploiting the functions of the human visual system and its navigational ability. A feedforward–feedbackward architecture has been developed for recognising visual landmarks in real time. It integrates the theoretical concepts from the pre-attentive and attentive stages in the human visual system, the selective attention adaptive resonance theory neural network and its derivatives, and computational approaches towards object recognition in computer vision. The architecture mimics the pre-attentive and attentive stages in the context of object recognition, embedding neural network processing paradigm into a computational template-matching approach in computer vision. The real-time landmark recognition capability is achieved by mimicking the pre-attentive stage, where it models a selective attention mechanism for optimal computational resource allocation, focusing only on the regions of interest to address the computational restrictive nature of current computer processing power. Similarly, the recognition of visual landmarks in both clean and cluttered backgrounds is implemented in the attentive stage by developing a memory feedback modulation (MFM) mechanism that enables knowledge from the memory to interact and enhance the efficiency of earlier stages in the architecture. Furthermore, it also incorporates both top-down and bottom-up facilitatory and inhibition pathways between the memory and the earlier stages to enable the architecture to recognise a 2D landmark, which is partially occluded by adjacent features in the surroundings. The results show that the architecture is able to recognise objects in cluttered backgrounds using real-images in both indoor and outdoor scenes. Furthermore, the architecture application in autonomous robot navigation has been demonstrated through a number of real-time trials in both indoor and outdoor environments.     

基于形态学的遮挡目标提取的区域生长法研究

采用改进的区域生长法进行红外热图中遮挡目标的提取.首先利用阈值化方法提取出一个包含全部目标信息的矩形子区域,后续处理仅针对该矩形区域进行处理.然后证明了数学形态学的膨胀梯度定理(dilation gradient theorem,DGT)及其逆定理,并利用DGT逆定理查找图像的局部极大值点,将灰度值不为0的局部极大值点作为区域生长法的种子点.接着采用阈值条件与区域灰度差相结合的生长准则,分别在各种子点八个方向进行生长.最后采用二值形态学开运算进行去毛刺处理.理论与仿真结果表明,该算法适合于红外图中遮挡目标的提取.     

基于DSP的足球机器人目标识别

目标识别是足球机器人视觉子系统的关键,论文对M i r o S o t中型组足球机器人视觉子系统的预处理和目标识别提出了改进的算法。基于D S P提出了改进的提取目标物体几何特征进行模式匹配的方法,实现了对复杂环境中目标物体的识别,并通过Code Composer Studio(CCS)进行了仿真测试,有较高的识别率。     

复杂环境下基于机器人视觉的目标识别

为了从复杂的环境中对目标物体进行识别,选取颜色特征和几何形状特征作为识别目标物体的依据,将两者结合成有意义的图像特征,采用膨胀腐蚀、中值滤波、圆形识别、质心标定等方法,实现了目标物体的识别,它是下一步机器人手眼系统进行目标跟踪的基础.     

基于动态模板匹配的移动机器人目标识别

将视觉显著性与基于动态模板匹配的目标识别方法相结合,提出了一种适用于未知环境下的移动机器人目标识别方法.具体而言,首先设计了基于分布式控制的移动机器人视觉系统,提高了视频处理效率;之后利用基于背景先验的显著性检测方法对图像进行预处理,排除了相对次要的背景区域;最后对处理后的图像进行动态模板匹配,提高了目标识别的准确率.实验结果表明,该方法能够满足移动机器人在目标识别过程中对图像处理的实时性和准确性的要求,具有良好的有效性.     

基于彩色图像分割的机器人的目标识别

以全自主型足球机器人的视觉系统为研究对象,介绍了一种基于彩色图像分割处理的目标识别方法.根据足球机器人系统中视觉系统的实际应用环境,分析对比了不同颜色空间的优缺点,采用HSV颜色空间作为视觉系统的工作空间,减弱了光照变化对视觉系统带来的影响.针对足球机器人系统中对视觉系统实时性的具体要求,提出了一种通过量化HSV颜色空间获得直方图阈值,再通过阈值进行彩色图像分割方法.这种方法大大减少了视觉系统的工作量,提高了系统的实时性.     

基于区域生长法的医学图像分割

医学图像分割是CT图像的三维重建等后续操作的基础,分割的准确性对医生判断至关重要.本文深入研究区域生长算法,并用VC 实现了该算法.区域生长法可满足图像分割的多种要求,既提取CT图的边缘信息,又针对某一特定区域的病灶单独实行分割,缩短了手术计划的时间,实验结果为临床诊断提供有利的帮助信息,提高了手术导航的效率.