基于DeepLab的物体部件分割网络

针对现有部件分割精度较低、泛化性和精度无法兼顾等问题,文中提出基于DeepLab的物体部件分割网络(DeepLab-MAFE-DSC).网络的编码器部分提出多尺度自适应形态特征提取模块(MAFE),利用可形变卷积增强模型对不规则轮廓的处理能力,并采取先级联再并行相加的采样模式,兼顾全局和局部信息.解码器部分设计基于跳跃式架构的解码器模块(DSC),同时连接深层的语义信息和浅层的表征信息.在数据集上的实验表明,DeepLab-MAFE-DSC具有简单、分割精度较高、泛化性较强的优点.     

基于形态学重建的粘连物体分割

提出一种基于形态学重建（Morphological Reconstruction）的图像分割方法。该方法先对待分割图像进行预处理,使边界点具有局部极大的灰度值;然后利用灰度形态学重建提取穹顶（Dome）,并根据其特性利用阚值对穹顶进行二值化获得候选边界点集;再利用二值形态学重建确定候选边界点集中的边界点,得到分割边界。实验结果表明,本分割方法所得边界连续性好、假边界少;该方法受噪声和对象内部灰度变化的影响较小,适合用于分割含有粘连对象的图像。     

基于描述逻辑的概念图推理

分析了概念图在知识表示领域的重要性及其存在的问题,提出了一种基于描述逻辑的具有自动推理功能的扩展概念图.针对概念图的特点和需求,给出了将概念图的一个子集转化为描述逻辑知识库的方法,并证明了该方法的正确性.同时给出了其知识库的一致性、包含关系的自动判断方法,也证明了这些判断方法的正确性.     

基于中介逻辑的近似推理

知识处理的发展对“否定知识”的认识提出了新的要求。中介逻辑是一个完全形式化的系统,其完整地反映了矛盾和对立等否定关系以及推理关系。文章针对模糊知识,在中介逻辑无穷值语义模型的基础上,研究了基于中介逻辑的近似推理问题。文章分析了模糊知识中的否定关系,并以中介逻辑及其无穷值语义模型给予其语形与语义描述。然后,扩展了近似推理的CRI算法。同时,给出了语义匹配度的度量,包括语义距离和相似度,进而提出了基于语义匹配度度量的近似推理方法。     

基于色彩空间的运动物体阴影分割

基于视频序列的移动物体提取在各领域有着积极的研究意义.传统方法从灰度域提取物体特征向量往往无法准确给出物体位置等信息.而在色彩域内,可利用多种特征向量进行有效的图像分割.为了提取可视化图形中的阴影区域.提高车辆识别与跟踪的鲁棒型,通过在RGB色彩空间内利用欧式度量法和HSI色彩空间中的特征向量实现上述目的.并建立了统计模型并通过区域增长的理论利用车辆空间信息避免了近似色车辆带来的误判,提高算法的可靠性.实验结果表明.运动物体的阴影町以取得较好地提取结果.     

基于描述逻辑的事例推理综述

基于描述逻辑的事例推理(CBR)是当前CBR研究的热点之一。首先介绍了CBR的起源,然后回顾了基于描述逻辑的CBR的发展历史,接着从4个方面:事例表示与组织、事例检索、事例修正和事例库维护综述了基于描述逻辑的CBR的研究工作,最后指出了基于描述逻辑的CBR目前存在的问题并相应地提出了未来的研究方向。     

基于描述逻辑的空间推理研究

本文讨论了具体域的可用性,首先介绍了ALC(D)描述的具体域D,然后定义了适用于由点、线和区域共同组成的具体域DP,扩展了描述逻辑ALC(D),指出适用于空间推理的描述逻辑能通过术语推理将定性信息和定量信息结合起来,以用于定性空间推理。     

基于描述逻辑的组合知识库推理

由于知识库的定义不同,相近领域的知识库不能相互利用已有知识进行推理。为了联合不同的知识库进行推理,通过对描述逻辑的表现形式进行扩展提出一种组合描述逻辑,并基于概念的相似性将不同的领域概念进行关联,给出组合描述逻辑的语法及语义以及相应的Tableau算法。通过实例表明,组合描述逻辑可以利用已有知识进行推理;组合描述逻辑可以将不同的知识库进行结合,为借用不同知识库的知识进行推理提供一条新的途径。     

基于双目视觉的物体尺寸测量系统

提出了一种基于双目视觉的物体尺寸测量系统,用于非接触式测量物体尺寸。该系统采用张正友棋盘标定法进行双目相机标定,并利用标定参数对采集的图像进行校正。通过采用图像分割技术和角点检测算法获取待测物体的特征点。通过立体匹配算法对校正图像进行处理,得到视差图。根据三角形相似性原理计算特征点的三维坐标,计算出物体尺寸的信息。实验结果表明,该系统具备较高的测量精度,具有一定的实用性和应用前景。     

基于视觉注意的显著物体检测实验设计

针对传统图像处理课程中目标检测理论抽象并且缺乏实践应用的缺点,设计了基于视觉注意的显著物体检测实验,通过实验操作增强学生对物体检测理论的理解以及激发学生进一步学习的兴趣。该实验方案可以检测不同内容、主题与背景环境的自然图像,具有较强的鲁棒性和较好的可操作性。     

物体基视频编码中的运动物体分割

针对物体基视频编码应用,提出了一种基于运动的图像序列分割方案,它同时结合了亮度和运动信息,使用重构式开－闭形态滤波器等形态变换工具。此外,还提出了一种区域生长型的分水岭算法,它直接对要分割的图像而不是其形态梯度信号进行分割,克服了传统形态分割方法使用形态梯度信号而导致轮廓信息丢失的缺点。在具体实现算法时,文中采用了一种基于分级队列结构进行图像扫描的巧妙方法,大大提高了算法的效率。模拟结果表明,该方     

基于先验信息的运动物体分割与跟踪

提出一种基于先验信息的运动物体分割与跟踪算法。该算法假设帧间运动物体颜色直方图和大小等信息是相对不变的,利用动态规划思想最小化当前帧目标物体颜色直方图和大小与已知目标物体颜色直方图和大小信息的差距,从而找到较准确的目标物体轮廓。与梯度向量流算法相比,该算法对初始轮廓的鲁棒性较好,能在复杂的背景中找到物体轮廓。     

基于多重几何约束的未知物体抓取位姿估计

针对机器人在非结构化环境下面临的未知物体难以快速稳定抓取的问题,提出一种基于多重几何约束的未知物体抓取位姿估计方法.通过深度相机获取场景的几何点云信息,对点云进行预处理得到目标物体,利用简化的夹持器几何形状约束生成抓取位姿样本.然后,利用简化的力封闭约束对样本进行快速粗筛选.对抓取位姿的抓取几何轮廓进行力平衡约束分析,将稳定的位姿传送至机器人执行抓取.采用深度相机与6自由度机械臂组成实验平台,对不同姿态形状的物体进行抓取实验.实验结果表明,本文方法能够有效应对物体种类繁多、缺乏3维模型的情况,在单目标和多目标场景均具有良好的适用性.     

基于视觉感知特性的彩色图像分割

图像分割是图像处理的主要问题,也是计算机视觉和模式识别领域中的重要组成部分。文章通过对人类视觉的生理结构的研究,在人类视觉无法辨别的范围内,将彩色图像的RGB亮度范围从原始的0～255缩减为0～26、28、26,既保持了图像的视觉特性,同时减少了表达图像的类的数目,从而能够准确高效的得到图像中各类颜色的极值点。通过这些不同颜色极值点的排列组合来得到初始聚类中心,这种聚类中心的选择考虑了各个图像自身的信息,能得到其精确的聚类中心,减少了图像分割后期迭代的次数,在一定范围内节约了运算时间。实验结果表明,和传统的直方图阈值方法相比,其分割结果的可调控性较强,而且分割效果也较好。     

基于视觉显著性的目标分割算法

传统的图像分割算法在分割前需要输入目标的先验信息,因此不适应盲图像的分割。为此,提出了一种基于显著性的图像分割算法,主要借鉴人的注意力机制将图像中具有视觉显著性的区域分割出来。首先,利用Gist全局特征获取目标图像的相似图像集;然后,结合尺度不变特征SURF(speeded up robust features)和Lab颜色模型空间特征对目标图像内以及相似图像集提取显著性特征,并根据显著性块频率低的原理进行显著性分割;最后,结合图分割获得最终的显著性区域分割结果。实验结果表明该方法适用于具有显著性视觉语义的盲图像。     

基于实例分割的视觉SLAM算法

针对当前视觉同步定位与地图构建(visual simultaneous localization and mapping,VSLAM)算法鲁棒性较差,无法生成适合自主导航的语义地图等问题,提出一种基于实例分割的视觉SLAM算法。在对输入图像提取特征点的同时,使用卷积神经网络对图像进行实例分割;利用实例分割信息辅助定位,剔除容易造成误匹配的特征点,缩小特征匹配的区域;使用实例分割的语义信息构建语义地图。使用TUM数据集对图像实例分割、视觉定位以及语义地图构建进行实验验证,验证结果表明,该算法提高了机器人定位的准确性,生成了精确的语义地图,满足机器人执行高级任务的需求。     

基于视觉非线性的图象分割新方法

本文分析了在感知目标与其背景时Otsu判别准则与人类视觉机理间的不一致性,并根据视觉的非线性和适应性原理提出了新的目标图象分割计算模型和算法.实验结果表明,与传统的分割法相比,该方法具有优良的从低反差图象中抽取目标的性能.     

基于视觉注意机制的彩色图像分割

提出一种基于视觉注意机制的彩色图像分割方法。受生物学启发,该方法模仿人类自下而上的视觉选择性注意过程,提取图像的底层特征,构造相应的显著图。根据显著图,检测出图像中的显著区域;将显著区域和背景分离,即得到图像分割结果。在多幅自然图像上进行实验,结果表明,该方法能够取得与人类视觉系统一致的分割结果。