基于改进卷积反投影模型的CT成像伪影消除方法

针对传统卷积反投影法的CT重建图像容易产生伪影的问题,提出了一种基于改进卷积反投影算法的CT成像伪影消除方法.该方法通过分析给定模板的测量参数,标定CT系统的旋转中心、探测器间距及各探测方向等参数,使用Radon和傅里叶变换得到反投影方程,并利用卷积反投影技术得到每一点的吸收率与投影值的积分关系,使用三次样条插值算法得到较清晰的重建图像.仿真结果表明,所提出的算法具有简明易懂、操作方便和精确度高等诸多优点,相较于传统方法拥有更高的运算效率.     

基于单位视球的鱼眼相机标定方法

针对鱼眼镜头的大范围视场,提出一种新的鱼眼相机标定方法.利用2组相互垂直的平行线来进行鱼眼相机标定.依据相机视场和成像边缘得到内部参数的估计值后,将图像平面上提取的角点反投影到单位视球（viewing sphere）上,2组平行线在单位球面上的2种几何特性提供外部参数估计的解析解.利用角点在图像平面的重投影误差来,得到优化后的所有参数.对3种常见的鱼眼投影模型分别进行关于标定图像数量和噪声水平的仿真实验.从仿真结果来看,在合理的噪声范围内,当用于标定的图像大于5张时,可以得到精度较高的标定结果.利用视场角185°的鱼眼相机来进行标定,并进一步的利用已知结构的立方体模板来验证外参估计方法.与加州理工学院提供的标定工具箱相比较,结果表明该算法不确定度较低,提供更为准确的标定结果.     

折反射成像的经纬仪模型研究

折反射全向相机具有能够提供360°视场、安装灵活、结构紧凑、成本低廉等优势.在单视点结构的约束条件下,根据折反射成像的旋转对称性,提出了折反射成像的全新模型.首先,根据折反射成像的投影几何理论,分析并推导出图像点到投影中心之间的距离与空间射线俯仰角的对应关系.其次,根据现有的球面统一模型将空间点投影到图像平面上,得出的图像点坐标在提出的模型中反投影出一条空间射线,对比统一球面模型验证提出的模型的正确性.最后用提出的模型计算图像点的反投影误差,得到误差为0.2个像素以内,实验结果表明,提出的模型能够获得较高的标定精度.提出的经纬仪模型将二维标定化简为一维标定,为折反射全向视觉的研究开辟了新的思路.     

一种改进的变步长OMP图像重建算法

为了快速、高精度的重建图像,解决滤波反投影(FBP)算法重建图像精度不高,正交匹配追踪(OMP)算法运行时间较长的问题,基于改变步长,提出一种步长变换正交匹配追踪(SCOMP)算法.当残差不小于阈值时,增大步长进行运算,当残差小于阈值时,恢复原步长进行运算.研究结果表明:SCOMP算法重建图像精度高于OMP算法,且运行时间快于FBP算法.SCOMP算法采用大步长快速添加原子,小步长有效去除原子的方法,使得重建图像的精度较高且运行时间也较短.     

无标定主点坐标的双焦测距算法及精度研究

成像物镜具有两个独立的焦距,通过对空间物体成像并进行分析可获取其深度信息,此即双焦测距的原理。本文首先分析了图像主点坐标标定对双焦测距精度的影响,找到了双焦图像中两种相对于主点坐标的不变量,进而提出了基于此不变量的双焦测距算法,避免了繁琐的标定环节并提高了算法精度。与传统算法的实验对比表明了本文算法是正确可行的。     

一种反投影模型下的图像重建迭代算法

现有的图像重建迭代算法,通常是基于对投影模型及其几何物理意义的分析形成迭代格式,通过研究投影模型与反投影模型在几何物理意义上存在的相互对应关系,建立了一种反投影模型下的图像重建迭代算法.基于反投影模型中扫描射线和重建点的几何位置关系,引入重建点离散化模型,考察了全体扫描射线对重建点的贡献因子,给出了一种反投影系数矩阵的估计方法,并形成了迭代格式,进而建立了反投影模型下的图像重建迭代算法.数据实验结果给出了反投影模型下的图像重建迭代算法的有效性验证.该算法的成像结果有较好的密度分辨率,有助于进一步研究并构建直接成像的快速实用算法.     

基于小波变换的Canny检测算法

在图像处理中, 边缘检测具有很重要的作用, 它可作为模式识别、图像分割及图像场景分析的基础. 传统的图像边缘算法具有算法简单, 方向适应性强的优势, 然而由于图像边缘具有多样性(方向的不一致性、边缘强弱的不相同等), 这些传统算法不能很好地体现出优越性.论文提出利用小波变换对图像进行分解,增强和重构后,再利用传统的Canny算子对变换后的图像进行边缘检测,以缓解图像处理中噪声抑制与精细边缘检测的矛盾.结果证明,该方法提取的图像边缘失真小,能有效地拟制噪声,对多边缘特征的图像具有良好的适应性.     

基于灰度矩亚像素定位算子的视觉测量方法研究

根据灰度矩算子在目标成像前后的矩不变特性,提出了一种利用目标图像成像前后三阶灰度矩进行亚像素定位的多源视觉测量方法.该方法在获取到被测对象的图像后,首先根据其特点利用图像增强算法与传统的边缘检测算法进行预处理与边缘粗定位,然后根据物体成像前后灰度矩算子不变的特性将边缘定位在亚像素级精度上,之后利用直线拟合法确定被测对象的参数,最后采用多个传感器分别获得测量结果并进行加权平均,以进一步提高测量结果的精度.仿真测量结果表明,该方法具有精度高、抗噪声性能好等特点.     

基于图像块分割及差异演化的多聚焦图像融合算法

对于可见光成像系统光学镜头的焦距是有限的,很难将场景中的所有物体都成像清晰.可以对同一场景不同聚焦点的多幅图像进行融合处理,来获取一幅处处清晰的图像.提出了一种基于图像块分割及差异演化的多聚焦图像融合算法,即先把源图像进行分块,再用空间频率作为清晰度评价函数,判断融合子块应取自哪幅源图像,最终重构成新图像.结果表明,与小波变换和遗传算法相比,该方法速度快且融合效果好.     

一种新型两相流检测ERT图像重建算法

针对目前电阻层析成像(ERT)应用于两相流领域重建图像算法存在成像精度较低和速度较慢的问题,基于BFGS最优化方法,提出一种新型图像重建算法.为满足两相流在线参数测量的要求,对BFGS算法进行了改进.改进的BFGS算法(MBFGS)选取了不精确的迭代方向,并用单位矩阵近似代替目标函数的Hessian矩阵.数值实验证明,新算法较为稳定和快速,重建图像的质量优于目前常用的灵敏度系数法和线性反投影算法,算法以较小的速度代价重建较高质量的图像.     

Research on visual object tracking by fusing dynamic and static features

Traditionally, most tracking algorithms only use the single static feature or single dynamic feature to model the object. The static feature based model can not describe the object's dynamic characteristics and is difficult to adapt to the changing object with a background cluster, abrupt movement and rotations. While the classical optical flow is able to describe local dynamic characteristics, it has aperture issues. Therefore, we present a new tracking method based on fusing the dynamic and static features adaptively: the dynamic feature is extracted by the bidirectional optical flow and error metric adaptively, and is fused with the static feature by the fusion weight efficiently. The fusion weight based covariance is constructed to evaluate error ellipse which describes the object's scale and orientation exactly; the weight assignment parameter is updated by an on-line parameter updating mechanism, which balances the dynamic feature and static feature and ensures the tracking adaptation to the object's velocity and scene changes. Experiments show that the proposed algorithm can achieve better tracking results compared with the related algorithms, on the occasions when the object moves abruptly and rotates with a background cluster.     

Linear frequency diversity array synthetic aperture radar imaging based on enhanced back-projection algorithm

Based on the signal model of multiple carrier frequency (MCF) for linear frequency diversity array synthetic aperture radar (LFDA-SAR), we propose an enhanced back-projection (EBP) algorithm. Compensation for the quadratic phase error in echoes is executed and the spatial-variant range drifting amount and phase of the target are amended during the process of back-projection. The proposed algorithm can effectively rectify the image blurring and geometric distortion problem in classical back-projection imaging results, realize a high precision imaging of targets with an arbitrary imaging geometry and distinguish adjacent strong and weak targets. All results verify the effectiveness of the proposed algorithm.     

核窗宽自适应的均值偏移跟踪算法

针对固定窗宽的均值偏移算法对逐渐变大的运动目标跟踪不准确的问题,提出了一种窗宽自适应的均值偏移跟踪算法。先对当前帧进行均值偏移跟踪,再通过后向跟踪使跟踪窗口中心与目标形心匹配,利用巴氏系数最大化对窗宽进行±10％的修正,使跟踪窗口的尺度自适应变化。实验结果表明：该算法提高了跟踪精度,增强了跟踪稳定性,保证了跟踪的实时性。     

基于kinect的物体抓取场景认知

针对RoboCup竞赛家庭组比赛对物体抓取的要求,研究了物体抓取场景认知问题。设计了一种基于kinect的物体抓取场景认知系统。先将kinect传感器得到的深度图像转换为3维(3D)点云图,然后计算每个3D点所在曲面的局部法向量,再根据法向量和距离特征分割提取出水平桌面;采用3D点与水平桌面的位置关系分离出潜在的抓取物体目标点,选择随机抽样一致(RANSAC,Random Sample Consensus)算法完成圆柱形抓取物体的定位。使用实验室采集的场景深度图对认知系统进行测试。结果表明,设计的系统可以可靠提取水平桌面和桌面上的圆柱形物体,可以达到物体抓取比赛的要求。     

基于深度神经网络复杂场景下的机器人拣选方法

针对提高快递包裹的分拣效率和识别准确率,提出了一种基于深度神经网络复杂场景下的机器人拣选方法.首先,提出一种改进的目标检测算法,通过将多层浅层特征图与最终的特征图进行融合,提取更加细节的特征,以提升识别的速度与精度;其次,提出了一种基于关键点的级联卷积最优拣选位置检测网络模型,对包裹最优拣选位置进行实时预测估计;最后,结合目标包裹最优拣选框与场景的深度信息和基于三维信息的目标姿态估计算法实现机器人拣选,并通过实验验证了该方法的有效性.     

面向瞬态成像仿真的遮挡目标逆向重构方法

由于瞬态成像硬件系统存在结构复杂、价格昂贵以及性能评估困难等问题,提出了一种新的逆向重构算法,并利用软件仿真的方法建立了瞬态成像链路．该方法首先根据仿真场景简化像素累积函数,并引入检测概率的方法获得三维空间中目标体素的采样; 然后利用射线追踪的方法计算目标的全局检测概率,通过阈值分割得到目标的三维点云信息;最后融合点云进行三维场景渲染．实验结果表明,这种方法能够仿真遮挡目标三维场景的瞬态成像过程,并且逆向重构算法增强了遮挡目标重构的效果．     

基于空间约束的自适应单目3D物体检测算法

引入无须先验模版匹配的3D目标检测算法,通过简化消失点（VP）计算和改进角点提取等步骤,提出一种自适应的单目3D物体检测算法. 针对复杂场景下VP 计算易受干扰的问题,根据室内场景中世界坐标系、相机以及目标物体之间的空间关系,建立目标、相机偏航角与VP之间的约束模型,提出一种基于空间约束的 M 估计子抽样一致性（MSAC）消失点计算方法;为了提高3D框的估计精度,在VP透视关系的基础上,提出一种自适应估计3D框角点的方法,通过建立目标3D轮廓线与2D框的空间约束关系,实现目标物体的3D框快速检测. 相关数据集的实验结果表明,所提方法相比于其他算法不仅在室内场景下具有估计精度高、实时性好的优势,而且在室外场景实验下也具有更好的精度和鲁棒性.     

一种基于改进RT-MDNet的全景视频目标跟踪算法

为了解决全景视频目标跟踪过程中,由于光照条件变化、相似背景干扰、目标运动时产生的形变和尺度变化等因素的影响,在跟踪中会出现目标漂移、目标丢失等情况,进而导致目标跟踪算法成功率低,鲁棒性差等问题,提出一种基于长短期记忆网络和改进Real-Time MDNet网络的全景视频目标跟踪方法.算法首先采用浅层卷积神经网络提取特征,并利用自适应的RoIAlign减少特征提取过程中的像素损耗,而后运用目标特征在线更新最后一个全连接层的权重,在全连接层中实现前景背景分离并提取出目标区域,然后通过长短期记忆网络自适应地选取目标框的尺度,最终输出目标位置信息.实验结果表明:单目算法应用在全景数据集时,难以适应全景中的尺度变化和背景变化,改进算法利用3层长短期记忆网络构建的尺度预测模块,可以有效地应对全景数据存在的尺度变化和目标形变问题,在保持较好的跟踪精度的同时,可以有效地应对目标跟踪中出现的小目标、目标遮挡、多目标交叉运动的情况,获得更好的视觉效果和更高的重叠率得分.     

一种机载MIMO雷达大场景成像算法

针对远离场景中心的目标成像存在的参考函数失配问题,理论上分析了机载MIMO雷达成像失配函数的特性,提出了一种基于目标场景条带分割的机载MIMO雷达的大场景成像算法,并导出了成像条带分割的约束关系.该算法通过将测绘带沿距离向分割为多个窄的条带,降低了失配函数对成像结果的影响,有效增加了机载MIMO雷达的成像场景宽度.最后分别利用仿真的单目标和多目标数据对提出算法进行了测试.仿真结果表明,所提出算法是可行的,可实现宽测绘带的高分辨成像.     

马氏距离不变量用于灰度图像的识别

将马氏距离矢量作为不变矩用于图像中的物体识别,并将马氏距离教育处过程中物体部件划分问题进行了研究,提出了一种基于物体图像灰度的部件点集划分新方法。实验结果表明,马氏距离矢量方法应用于图像物体识别,对待识别物体在视场中的平移和旋转具有良好的适应性,识别误差小,所提出的新的点集划分方法可直接根据物体图像的灰度进行点集划分,克服了拓扑关系方法不易实现自动划分的缺点,实现了基于马氏距离方法图像识别过程的自动化。