基于相位相关的图像匹配算法

为了有效提高图像匹配算法的速度和精度,提出了一种基于相位相关的图像匹配算法。该算法先将基准图像和目标图像进行对数极坐标变换并提取变换后图像的轮廓作为特征区域;然后对两幅图像的轮廓区域分别进行距离轴和角度轴方向上的投影,最后通过比较投影分量的大小确定两者是否匹配。为了降低对整幅图像进行计算所带来的计算耗时,提出了一种分步采样的方法。实验结果表明,该算法执行速度快,抗噪声、压缩能力较强,当目标图像相对宿主图像发生旋转、缩放的变化时,仍能较准确地完成两者之间的匹配工作。     

基于能量和遗传算法的仿射变换求解方法

研究了具有仿射不变性的目标轮廓提取问题.给出了仿射变换参数的一种规范化方法;提出了一种基于轮廓曲线能量和遗传算法的仿射变换参数求解方法,采用带电粒子模型对梯度图像进行变换,实现了具有仿射不变性目标轮廓的自动提取;最后给出了实验结果.     

基于能量和遗传算法的仿射变换求解方法

研究了具有仿射不变性的目标轮廓提取问题.给出了仿射变换参数的一种规范化方法;提出了一种基于轮廓曲线能量和遗传算法的仿射变换参数求解方法,采用带电粒子模型对梯度图像进行变换,实现了具有仿射不变性目标轮廓的自动提取;最后给出了实验结果.     

跟踪框自适应的尺度变化目标跟踪算法

为解决尺度变化的目标跟踪问题,借助于对数极坐标变换良好的尺度旋转不变性,提出一种基于椭圆对数极坐标变换域下目标跟踪算法。算法利用一种显著性加权的Mean Shift进行空间定位,进而将目标区域变换到椭圆对数极坐标系下并沿尺度轴进行积分,通过一维的最大相关匹配确定目标的尺度参数。实验结果表明,该算法不仅空间跟踪误差较低,而且能够较稳定地适应目标尺度变化,具有较好的鲁棒性。     

激光跟踪仪靶球识别图像处理方法研究

激光跟踪仪是大型装备制造过程中的大尺寸精密测量仪器,在跟踪测量过程中,容易丢失目标,影响工作效率,无法继续跟踪.图像处理法对靶球进行目标识别,以实现靶球的断光续接.本文采用模板匹配和Hough变换两种方法,首先将图像处理技术应用于模板匹配,先对拍摄到的靶球进行不同的边缘提取法处理,然后再利用模板匹配法,提取目标靶球的中心坐标;其次利用Hough变换法求取并标定靶球中心坐标.通过对比不同方法提取到的目标的中心坐标,得到较为准确的提取方法,实现在脱靶后激光跟踪仪准确的跟踪目标.     

基于水平集改进的水下目标轮廓提取方法

为以更快的计算速度提取到更加精确的轮廓,提出一种基于水平集改进的水下目标轮廓提取方法.即利用水下目标检测结果确定目标演化子区域,缩小目标区域范围,同时在目标检测结果中,根据目标高亮区和阴影区的位置,确定各个目标演化子区域初始闭合曲线的中心坐标,通过Vese-Chan分段常量四相水平集方法的演化函数进行目标高亮区和阴影区的轮廓提取.对不同原始声纳图像的实验比较分析表明,提出的水下目标轮廓提取方法具有较高的适应性和较快的计算速度,能精确地提取到目标高亮区和阴影区的轮廓.     

基于投影－R变换算法的图象目标实时识别

本文采用轮廓跟踪提取图象目标的封闭轮廓，研究了一种投影－Ｒ变换算法提取图象目标的特征参数，对图象目标进行实时识别。研制了以ＴＭＳ３２０Ｃ２５为核心的图象目标实时识别模块，配合Ａ／Ｄ数据采集板和Ｄ／Ａ显示板，整个系统脱机运行，初步实现了图象目标的实时识别。     

一种抗几何变换的图像盲水印算法

为解决在几何变换时水印无法检测的问题,提出了一种抗几何变换的图像盲水印算法.该算法基于傅立叶变换和对数极坐标变换,实现了可以提取有意义字符的抗几何变换的盲水印算法.在嵌入水印过程中,通过对原始图像进行傅立叶变换,并选择中频部分进行对数极坐标转换变换,然后进行傅立叶变换,将水印嵌入幅度谱矩阵中.在提取水印过程中,结合模板矫正来降低各种积累误差,进行相应的反变换,并用局部最大检测法来提取水印.实验表明,该算法具有较强的鲁棒性,对几何变换、裁剪、压缩、锐化和涂改等抵抗性较强.     

基于投影—R变换算法的图象目标实时识别

本文采用轮廓跟踪提取图象目标的封闭轮廓，研究了一种投影－Ｒ变换算法提取图象目标的特征参数，对图象目标进行实时识别。研制了以ＴＭＳ３２０Ｃ２５为核心的图象目标实时识别模块，配合Ａ／Ｄ数据有集板和Ｄ／Ａ显示板，整个系统脱机运行，初步实现了图象目标的实时识别。     

轨迹问题研讨的射影几何学方法

为了考察卵形线的性态，对动点的轨迹曲线进行了研究．将直线看成是圆心在无穷远点而半径为无穷大的圆周．应用射影变换、透视对应、Desargues逆命题、恒等变换、调和共轭、配极变换等，得到了在各种条件下轨迹曲线的数学模型．     

基于三维校正的SHGC物体三维结构提取方法

针对SHGC(straight homogeneous generalized cylinders)图像的特点与从单幅图像中提取三维信息困难,设计了一种基于单幅SHGC图像和三维校正的三维结构提取方法。与传统的SHGC三维结构提取方法不同,该方法从三维空间中匹配的角度出发,构造一个二维横截面,在二维横截面上增加一个z轴,通过平移、旋转预先构造好的三维横截面,将构造好的横截面与原图像中SHGC物体的横截面进行兴趣点匹配,从而确定最优化结果时的仿射成像参数(λ, θ),通过成像参数可以成功提取SHGC横截面的三维信息,结合SHGC的子午线轮廓信息定性地得到整个SHGC物体的三维信息,提取SHGC表面的纹理,通过三角网格的方法将纹理贴到三维物体表面。实验论证了本文提出的三维结构提取方法是可行的和正确的。     

基于Kinect深度信息的指尖检测

指尖检测是目前人机交互研究的热点之一,针对基于普通摄像机的指尖检测容易受到复杂背景的影响而无法准确定位的问题,提出了基于Kinect深度信息的指尖获取方法。利用Kinect获取的深度信息将手单独分离出来,从而更好的实现手或手指与虚拟物体的交互。研究了一种利用NITE库函数定位手的位置的方法,根据获取的手的位置能够迅速而准确的从复杂背景中提取手部信息。再利用道格拉斯-普克算法得到手的轮廓曲线,最后利用轮廓分析法从凸包点中识别出指尖。实验表明该方法能够精确的定位到手的各个指尖位置,识别率达到80%,该方法实现简单,实时性好,有较好的鲁棒性。     

基于不变矩和神经网络的三维物体识别

为了提高三维物体识别系统的识别率,研究了将三维物体的不变矩作为物体特征,结合改进的BP神经网络应用于三维物体分类识别。理论分析和仿真实验表明,利用三维物体的不变矩特征能够有效地进行识别,对不变矩特征进行主成分分析可以进一步提高识别性能,达到100%的识别率,并降低神经网络结构复杂性和减少训练时间。     

基于不变矩的椭圆(圆)识别方法

为了能快速识别椭圆(圆)曲线,给出了利用不变矩的识别方法,根据曲线离散点的坐标,求出椭圆(圆)曲线的形心和归一化的中心矩,并利用这些中心矩,计算了椭圆(圆)曲线的特征参数,然后再根据这些特征参数和识别准则对曲线进行识别,该识别方法不需要施加任何条件和限制,能快速识别曲线中所有大小和摆向各异的椭圆,实验结果表明这种方法是有效的。     

基于特征融合的水下目标识别方法

针对传统Hu氏不变矩易受摄像头径向畸变影响造成水下目标识别率低的问题,提出一种基于改进的Hu氏不变矩提取形状特征的方法,该方法依据摄像头的径向畸变模型重新恢复目标像素坐标与其灰度值的映射关系,构造出新的具有平移、缩放和旋转不变形的形状特征向量.同时为消除形状特征向量信息间的冗余问题,根据相关向量线性组合不改变向量自身性...     

一种基于小波矩的图像识别方法

研究了一种基于小波矩的图像目标平移、缩放和旋转不变特征提取算法,将不变特征提取算法与BP神经网络结合,组成一个图像识别系统.目的在于提高图像处理的质量,这种方法有更好的实用性.在这个系统中,利用小波矩不变量不仅可以得到图像的局部特征,还增加了对图像结构精细特征的把握能力强的优点,把提取的图像目标平移、缩放和旋转不变特征馈人BP神经网络,完成有监督的不变性模式识别.在实验中,利用该方法对无噪、有噪图像,特别是相似物体图像进行识别,可获得98％的正确识别率;并且将其与一般不变矩特征的算法获得的实验数据进行了对比分析.实验结果表明,该方法在图像识别准确率和抗噪性能上都有较大的提高.     

面向对象轮廓约束GGVF Snake的建筑物边界优化方法

分析高分辨率遥感影像中建筑物的特征和常用方法提取建筑物存在边界漏检误检导致的边界不规则等问题,提出面向对象轮廓约束广义梯度矢量流（GGVF）Snake模型的建筑物边界优化方法. 在利用分类法获取建筑物轮廓的初始结果基础上,自动提取每个建筑物轮廓线作为GGVF Snake的初始轮廓线,获取各轮廓外接矩形进行对象裁剪,提取每个建筑物的子图对象. 对每个子图对象进行Canny边缘检测,结合Hough变换提取直线特征,输入到广义梯度矢量流模型的迭代求解中快速最小化能量函数,实现对象级建筑物轮廓的精确优化. 实验结果表明,利用提出的方法能够自动获取初始建筑物的轮廓信息,提高优化的自动化程度;基于对象级的边缘检测与直线特征的加入,有助于GGVF Snake快速拟合,准确地平滑建筑物边缘且准确度高. 相对于其他对比方法,本文方法的轮廓优化总体精度和综合值均有提升,可以作为有效提升分类原理获取的建筑物轮廓的优化后处理手段,提高了建筑物提取的精度.     

一种基于显著性活动轮廓模型的图像分割方法

为了有效地提取图像中物体的轮廓,结合视觉注意机制,提出一种改进的距离正则化水平集活动轮廓模型的分析方法。首先提取图像的初级特征,构成图像显著图;然后采用最大类间方差法获得显著区域的初始轮廓,以此作为活动轮廓模型中曲线演化的初始位置;最后利用距离正则化水平集演化,获得目标物体的边界,完成图像分割。这种结合视觉注意机制与改进的距离正则化水平集演化方法能够显著降低水平函数演化次数,提高图像分割效率。仿真结果表明,它能有效检测单个及多目标物体的边界,且定位准确。     

Medical images application of contour extraction based on Hermite splines contour model

In medical applications, physicians are highly in-terested in computer assisted devices that help to detectand outline specific organs or other medical features ofinterest. Many applications require the extraction of im-age features such as edges, lines, and subjective differ-ences in gray-level. The contour information is alwaysconsidered an important feature of medical images,be-cause the edge contour characterizes the objective tissueand organ. But some defects of the medical images da-ta, …     

面向视觉伺服的工业机器人轮廓曲线角点识别

为了解决工业机器人视觉伺服中轮廓曲线角点识别效率低进而影响实时定位准确性的问题,提出面向视觉伺服的工业机器人轮廓曲线角点识别算法. 建立基于Freeman链码的机械爪轮廓曲线编码模型,利用差别码对机械爪轮廓曲线的角度变化特征进行统一编码建模. 通过基于差别码和卷积系数的卷积运算,对差别码进行局部非线性加权,计算机械爪轮廓曲线上各点的曲度精确量化辨识机械爪角点. 基于候选角点阈值、点的最远领域间隔和局部范围最多点数进行获选角点的初步选取. 采用平面轮廓曲线毛刺过滤筛选误识角点,实现机械爪角点的精确识别,为视觉伺服中实时定位提供可靠的位置信息. 通过与已有平面轮廓曲线角点识别算法对比,验证本研究所提方法的准确性和高效性,提取角点过程具有较强的鲁棒性.