基于凸包改进的流行排序显著性检测

针对传统的基于图的流行排序显著性检测算法仅仅依赖边界背景先验显著图来提取前景种子,影响最后的排序结果,使得显著性检测结果较差的问题,提出结合凸包提取更精确的前景种子进行流行排序的算法.首先提取图像边界结点作为背景种子进行流行排序得到背景估计显著图,并将该显著图二值化得到粗略的前景区域;然后通过颜色增强的Harris角点检测算法获得图像角点,并用其构造粗略包含显著目标的凸包;最后将凸包和前景区域相结合提取更精确的前景种子进行流行排序得到最后的显著图.在3个公开的图像数据集上,与其他经典算法相比,该算法在PR曲线、MAE值和F-measure上均获得了提升.     

基于主体区域保持的图像缩放算法

基于插值运算的缩放算法和经典的缝裁剪算法是两种常用的图像缩放算法,传统的 缩放算法在缩放比例不一致的情况下其效果不佳,而缝裁剪算法在主体区域较大或者图像背景较 为复杂时对图像的主体区域会造成一定破坏。针对以上问题,提出了一种基于主体区域保持的图 像缩放算法,使用高斯差分对图像进行角点检测,利用角点产生凸包,根据凸包对图像进行主体 区域检测,计算能量图并对位于主体区域像素点的能量给予相应的权重,根据权重的不同对主体 区域进行不同程度的保护。实验结果表明,该算法能更好地保持图像主体区域。     

基于机器视觉的英语翻译机器人错误文本检测系统

为实现智能、高效地英语翻译错误文本检测,设计一种基于机器视觉的英语翻译机器人错误文本检测系统。系统的硬件模块包括光源模块、图像获取模块、机器视觉模块构成。其中在光源模块中,主要通过光源获取有明显对照的图像。图像获取模块由图像传感器、摄像机、图像采集卡、IEEE1394接口构成。机器视觉模块由工控机、机械手构成。系统的软件模块包括图像预处理模块、字符区域提取模块、字符分类模块、错误文本检测模块。其中图像预处理模块能够实现采集图像的灰度处理。字符区域提取模块主要通过MSERs算法实施字符区域提取。字符分类模块主要用于评价各MSERs,也就是将各MSERs分类成非字符或字符,使用的分类器为AdaBoost。错误文本检测模块主要使用卷积神经网络搭建正确文本与错误文本的分类器。通过硬件与软件相结合,实现应用翻译错误文本的检测。对设计系统实施应用与测试,测试结果为设计系统的漏检字符数与错检字符数都较少,有着良好的错误文本检测性能。     

QR码图像几何校正算法的研究

用摄像机拍摄QR码图像时,由于拍摄角度的偏差,可能造成所采集到的QR码图像产生几何失真的情况,给QR码的识别带来了困难。对拍摄到的QR码图像进行预处理,把采集到的光照不均匀的QR码图像采用局部阈值法和数学形态学的方法进行二值化。通过Harris角点检测算法和凸包算法相结合找到QR码的轮廓以及轮廓上的点,再利用该角点检测算法找到QR码的角点,最后使用透视变化法对畸变图像进行恢复。实验结果证明,该方法有效解决了QR码的几何失真问题。     

基于改进Harris角点提取算法的网格图像破损检测

针对周界网格状围栏破损预警问题,提出一种基于改进Harris角点的网格图像破损检测算法。传统Harris角点提取算法需要对图像中每个像素点计算横纵方向上的一阶导数以及角点响应函数值,算法复杂度高,通过引入灰度“相似度”的参数来计算像素点与其周围像素灰度值的相似程度,从而滤除伪角点,减少Harris角点提取时间,最后通过分析角点分布信息来界定破损区域。对移动机器人采集的典型围栏破损图像进行了检测试验,由实验结果可看出,Harris角点提取时间大大减少,表明该算法有效且满足围栏破损检测实际应用要求。     

直接零件标志条码区域定位算法

针对受工况、光照的限制,现场采集的含有直接零件标志(DPM)条码的图像经常亮度不一,并伴有变形等情况,导致因定位不准确而识别DPM条码困难,提出一种改进的SUSAN角点检测和半监督机制下的近邻传播聚类相结合的DPM条码定位算法.首先针对DPM条码图像区域多直角的特点对检测角点的SUSAN算法进行改进,使其适应由于光照问题导致灰度不均的DPM条码区域,具有检出变形角点的能力,同时极大程度地抑制背景上及条码区域中的伪角点;以此为基础,使用近邻传播聚类算法对角点进行聚类,并将DPM条码区域中角点的聚集特点转化为监督规则,形成半监督机制下的角点近邻传播聚类.实验结果表明,该算法检测出的角点对DPM条码区域的示意性强、效率高,基于角点聚类结果的DPM条码定位比其他算法精准、快速.     

一种快速自适应的角点检测算法

基于SUSAN原则提出了一种新的快速自适应角点检测算法,在几个方面进行了改进:以局部自适应阈值代替整个图像的固定阈值,提高了算法的自动处理能力;改进了响应函数,仅通过扫描模板边缘像素获取更多的角点信息,也简化了计算步骤;通过预处理,逐步缩小候选角点的搜索范围.实验证明,这是一种快速有效的角点检测方法.     

基于图像颜色直方图及纹理特征提取的兴趣点凸包检索方法

提出了一种基于图像颜色直方图及纹理特征提取的兴趣点凸包检索方法。首先利用Harris角点检测器检测图像的兴趣点,然后利用正负划分性算法求取兴趣点集合的凸包,确定图像的感兴趣区域,最后计算感兴趣区域的颜色直方图和灰度共生矩阵作为图像特征进行图像检索。在图像检索过程中,保证了图像旋转、平移、尺度不变性。通过对10类1000幅图像进行检索,实验表明该方法与其它基于兴趣点凸包的检索方法相比,提高了图像检索的平均查准率和查全率,可以更准确地查找到用户所需图像。     

基于区域划分的角点检测

本文主要研究角点检测中全局/局部的搜索算法,针对该算法效率较低的情况提出了改进的角点检测算法. 该算法采用相似金字塔计算原理构造多层图像,同时采用多尺度Harris算子分层搜索并提取图像特征角点,经过分层图像、分区域图像的特征角点进行融合计算,实现了目标特征点寻找. 该算法主要在角点检测上考虑不同层次的图像和单张图像区域关系,并且通过特征点周围像素的变化参数来实现目标的定位. 实验结果表明,本文提出的改进算法提高了总体定位的速度,降低了误定位的概率.     

垃圾邮件图像中的文字角点检测

为提取垃圾邮件图像中文字的角点信息,提出一种新的基于图像边缘和圆形模板的角点检测算法。算法首先利用彩色边缘检测算子和阈值分割方法获取文字图像的边缘,然后采用圆形模板提取文字的角点信息。边缘检测和阈值分割降低了干扰背景和噪声对角点检测的影响,圆形模板使得角点检测对文字方向变化不敏感。实验表明,在真实的垃圾邮件图像中文字角点定位精度略高于SUSAN算法,并能同时获取角点角度的大小。     

不均匀光照下的通用棋子定位方法

针对下棋机器人系统中光照分布不均匀造成的棋子定位误差问题,提出了基于分块凸包检测和图像掩膜的通用棋子定位方法。首先,提取出棋盘轮廓上的点集,利用分块凸包法检测棋盘四个顶点的坐标;然后,定义标准棋盘图像中四个棋盘顶点的坐标,根据透视变换原理计算转换矩阵;其次,根据不同类型棋盘的小方格面积差异来识别棋盘类型;最后,将捕获到的棋盘图像陆续矫正为标准棋盘图像,获得相邻两个标准棋盘图像的差分图,并对差分图进行膨胀、图像掩膜相乘和腐蚀的操作,从而得到棋子有效区域并计算其中心坐标。实验结果表明：所提方法在四种光照不均匀情况下对围棋和象棋棋子的平均定位准确率可达到95.5%和99.06%,相较于其他棋子定位算法有明显的提升,并且解决了棋子粘连、棋子投影和镜头畸变导致的局部棋子定位不精准的问题。     

不均匀光照下的通用棋子定位方法

针对下棋机器人系统中光照分布不均匀造成的棋子定位误差问题，提出了基于分块凸包检测和图像掩膜的通用棋子定位方法。首先，提取出棋盘轮廓上的点集，利用分块凸包法检测棋盘四个顶点的坐标；然后，定义标准棋盘图像中四个棋盘顶点的坐标，根据透视变换原理计算转换矩阵；其次，根据不同类型棋盘的小方格面积差异来识别棋盘类型；最后，将捕获到的棋盘图像陆续矫正为标准棋盘图像，获得相邻两个标准棋盘图像的差分图，并对差分图进行膨胀、图像掩膜相乘和腐蚀的操作，从而得到棋子有效区域并计算其中心坐标。实验结果表明：所提方法在四种光照不均匀情况下对围棋和象棋棋子的平均定位准确率可达到95.5%和99.06%，相较于其他棋子定位算法有明显的提升，并且解决了棋子粘连、棋子投影和镜头畸变导致的局部棋子定位不精准的问题。     

基于背景评估的贝叶斯模型显著性检测

针对自然图像中,复杂背景信息对显著性目标检测的影响,提出一种利用背景信息进行预测和贝叶斯模型选择优化的显著性检测方法。首先,为了提取完整的先验信息,根据背景信息与图像边界的连通性,以及对图像边界是否为背景进行评估来生成先验显著图。其次,为了降低背景信息的干扰,通过对流行排序算法生成的显著图进行角点检测,选择较为准确的显著点构造凸包。最后,利用贝叶斯模型进行选择优化来抑制和显著目标具有相同特征的背景信息。在2个公开的数据集上进行测试,并与4种性能较好的显著性检测算法对比,结果显示本文算法可提高显著性检测的准确性和区域的完整性。     

基于多尺度的贝叶斯模型显著性检测

针对传统基于贝叶斯模型的显著性检测算法存在准确率不理想的问题,提出了一种基于多尺度的贝叶斯模型显著性检测算法。通过超像素分割算法(SLIC)将原图分割成不同尺度的超像素,根据超像素边界信息得到背景种子,进而通过距离计算和多尺度融合得到背景先验;对原图进行颜色增强,采用Harris算子对增强图进行检测角点求得凸包,融合不同尺度下的超像素得到凸包先验;融合背景先验和凸包先验得到最终先验;利用颜色直方图和凸包计算似然概率;将最终先验和似然概率通过贝叶斯模型计算显著图。在公开数据集MSRA1000、ECSSD上与多种传统算法进行准确率和召回率对比,该算法有更好的表现。     

3D计算中高速图形转换器算法设计

在图像处理过程中的分析图像的特征,需要达成特征提取,为后续的图像处理和分析。在目标图像的提取过程中,本文选定了特征角点特征。角点定位准确的图像匹配在三维重建中起着重要的作用。角落像素相对于外在的像素灰度值的突变或凸形状的像素点较为集中。本文分析了三个角点提取方法:苏珊角点检测方法,哈里斯角点检测方法,多尺度结合苏珊算法改进,亚像素角点检测方法,以便满足系统对精度的要求。     

基于人体骨骼和深度图像信息的指尖检测方法

针对复杂环境下的指尖检测,从手部图像分割和指尖检测方法两方面进行改进,提出了一种基于人体骨骼和深度图像信息的指尖检测方法。首先采用Kinect获取人体骨骼和深度图像信息,通过人体骨骼信息锁定目标用户,利用锁定用户的手部节点位置从深度图像中提取手部区域图像;然后从手部骨架中搜索骨架端点,提出局部最优查找方法对轮廓凸包计算结果进行优化;最后结合手部轮廓特征找到指尖位置。实验结果表明,该方法具有良好的检测效果,满足实时性要求,能够实现复杂环境下的鲁棒检测。     

基于场强和凸壳的SIFT特征点匹配算法

传统尺度不变特征变换(SIFT)匹配算法的匹配结果易受参数影响。为此,提出一种于场强和凸壳的SIFT特征点匹配算法。在原始SIFT匹配方法基础上,结合特征点群的凸壳,引入引力场强概念刻画特征点群之间的空间特征关系,以进行图像点模式匹配,在匹配中充分利用特征点的几何空间信息。实验结果表明,该算法具有较高的匹配正确率,能找到更多的特征匹配点。     

基于继承PSO算法的动态脑磁共振图像配准

提出了一种用于动态图像配准的混合角点继承PSO算法。该方法采用混合角点检测算子来提取角点,并将继承最优种群的思想引入到PSO优化算法中,即对当前图像配准得到的最优种群进行动态继承与变化后,再用于指导后续图像的配准。实验表明：所提出的算法不仅克服了传统的随机重启方式的脑磁共振图像配准算法中随机设定参数导致配准速度慢的问题,而且提高了图像的配准精度和稳定性。