基于快速视网膜关键点局部不变特征的激光主动成像目标识别

提出一种基于快速视网膜关键点(FREAK)局部不变特征的激光主动成像目标识别方法,在目标的矩、几何、轮廓等特征难以提取时仍然能够准确识别。提出差分加速分割检测特征(FAST-Difference)特征点检测方法,将加速分割检测特征(FAST)与高斯差分算子(DoG)相结合,快速提取出对于各种变换均具有稳健性的特征点;使用FREAK描述子生成特征向量,最后使用级联匹配方法完成特征向量的快速匹配。所提方法具有与人类视觉类似的特性:特征点检测阶段,FAST-Difference方法使用DoG进行多尺度检测;特征向量描述阶段,FREAK描述符的拓扑结构与人类视网膜类似;特征点匹配阶段,级联匹配方法模仿人类视觉的扫视搜索。实验证明所提方法能够对激光主动成像下的部分照亮的塔形目标进行快速有效的识别,算法满足识别系统实时性的要求。     

复杂海天背景下红外舰船目标的自动检测方法

近年来,舰船目标的检测与识别技术得到了人们越来越多的重视.研究了复杂海天背景下红外舰船目标的自动检测问题.首先运用小波变换对图像进行预处理,提高了图像的信噪比,从而抑制了噪声和背景杂波.然后针对红外舰船目标总是出现在海天线附近的问题,采用梯度强度均值分割的算法检测了海天线,确定了目标的潜在区域.最后,提出了一种基于行列均值的自适应阈值分割算法,结合使用红外舰船目标的几何特征量,采用特征匹配方法提取出舰船目标,达到了自动检测的目的.实验结果表明:该方法能有效地自动检测复杂海面背景中的红外舰船目标.     

基于对极几何约束的SIFT匹配

以系统图像三维重构的对极几何约束和SIFT匹配为主要研究内容,给出了SIFT特征匹配算法。分析基于对极几何约束的SIFT匹配点检测的基本原理;研究了图像二维平面间的射影变换,并建立了相应的数学模型;通过应用某两幅灰度数字图像进行仿真验算,证明了对极几何约束的SIFT匹配的可行性;为相机系统识别目标在不同方位的特征信息提出了一种新的研究思路。     

基于FPGA的视频监控系统的设计及研究

近年来,随着计算机技术和数字图像处理技术的不断发展和提高,以及交通监控及视频图像压缩等领域的深入研究,使得城市道路的监控越来越受到人们的重视和关注。本文设计了一个基于FPGA的视频监控系统,首先采用霍夫变换对车道进行识别,确定识别区域,然后采用帧间差分算法和腐蚀膨胀算法对车辆进行检测、线段编码分割算法进行车辆区域分割,最后提取各分割区域车辆的特征与模板进行匹配输出结果。软件方面:在Nios Ⅱ IDE环境下采用C语言对算法进行了编程并调试。经过一段时间的调试和运行,系统达到了预期的效果。     

浅地层探地雷达波速测量方法的研究

波速的测量在探地雷达的研究中一直是一个至关重要的课题,尤其是对地下目标进行定位和成像时;本文针对浅地层探地雷达接收信号的特征,抛弃传统的过零点检测和其他的边缘轮廓检测方法,提出用极值进行边缘轮廓检测的方法,从而对目标的提取更准确并且有较少的数据,减少了霍夫变换的计算量;通过对霍夫变换算法的分析,针对传统霍夫变换的缺点,提出了一种加FIR低通滤波器的改进霍夫变换;同时应用算法对实测数据进行了计算,证明所提算法比传统的霍夫变换方法有更高的测速准确度.     

综合利用通用霍夫变换与Snake算法对序列图像的分割

提出了一种综合算法对图像序列进行分割:首先根据上一帧图像物体形状信息用霍夫变换确定在当前帧中同一物体的大致轮廓、位置,再以此轮廓作为初始值,用Snake算法检测出物体的局部形变,对于序列的第一帧用手工勾出目标物体大致轮廓.由于通用霍夫变换抗噪声能力强,而Snake能准确地找出局部形变物体的边缘,综合两种算法的特点能精确地分割出复杂背景下特定的物体.     

浅地层探地雷达波测量方法的研究

波速的测量在探地雷达的研究中一直是一个至关重要的课题，尤其是对地下目标进行定位和成像时；本文针对浅地层探地雷达接收信号的特征，抛弃传统的过零点检测和其他的边缘轮廓检测方法，提出用极值进行边缘轮廓检测的方法，从而对目标的提取更准确并且有较少的数据，减少了霍夫变换的计算量；通过对霍夫变换算法的分析，针对传统霍夫变换的缺点，提出了一种加FIR低能滤波器的改进霍夫变换；同时应用算法对实测数据进行了计算，证明所提算法比传统的霍夫变换方法有更高的测速准确度。     

仿射不变子空间特征及其在图像匹配中的应用

提出了一种新的基于子空间的仿射不变图像匹配算法。首先,分析了仿射不变特征空间的非线性几何结构,给出了图像特征的仿射不变子空间表示模型。其次,根据目标特征矩阵由它的正交投影矩阵唯一确定这一特性实现特征的全局一致性匹配。最后,通过计算同一目标在仿射变换下的子空间几何距离度量达到匹配识别的目的。模拟变换匹配实验和真实图像序列实验结果表明:所提出的匹配方法对仿射变化下的图像目标匹配具有很好的适应性和较高的鲁棒性。     

低信噪比下机载多脉冲激光雷达姿态不敏感性特征提取研究

针对纳秒量级脉宽机载多脉冲激光照射目标的回波波形,提出几何分割比这一目标姿态不敏感特征,给出了特征提取算法,可用于与激光目标运动状态结合开展目标检测与跟踪。首先,基于激光目标波形数学模型分析目标波形与目标特征的关系,指出激光目标的几何分割比特征具备姿态不敏感特性。接着,结合目标特征提取对目标波形和噪声不失真分离的要求,提出在小波域利用对称小波基进行改进Donoho阈值降噪处理,在时域利用小波重构信号阈值获取目标波形序列,再由一阶二阶差分计算检测目标波形峰值点,进而提取激光目标散射中心及几何分割比等特征。最后,通过仿真实验验证算法在低信噪比下提取激光目标特征信息的有效性。在与机载多脉冲激光目标模拟器联试实验中,利用文中算法提取激光目标特征结合目标的运动状态信息,开展多帧相关匹配检测,多脉冲激光目标检测的可靠性明显提高。     

彩色图像特征空间变换的新算法及其应用

本文提出了一种彩色图像特征空间变换算法.该算法基于高维形象几何与仿生信息学理论,根据人眼特性,利用彩色图像中彩色信息的变化进行特征空间变换,能够提取出不受光源影响的图像特征.在彩色图像人脸检测应用中,与常见的肤色分割方法不同,该算法不需对肤色建模,不对彩色图像进行非线性彩色空间变换,而是直接将彩色原图变换到特征空间,在特征空间中定位平均脸特征数据的最佳匹配点.本文最后将该算法应用于复杂光源彩色图像的人脸检测中,实验结果验证了算法的有效性和鲁棒性,具有明显的应用价值.     

距离-速度同步干扰环境下的目标检测

针对距离-速度同步干扰,首先基于多普勒滤波器组和恒虚警率(CFAR)检测技术得到目标检测决策,并结合目标检测决策建立雷达回波的速度-时间数据矩阵。随后分析了目标和干扰的特征差异,基于超快霍夫变换(VFHT)提取雷达回波的目标特征霍夫空间。最后根据该霍夫空间采用CFAR检测技术对目标检测,从而形成基于距离-速度同步干扰抑制的目标检测方法。与常规快速霍夫变换(FHT)相比,提出的VFHT具有更高的计算效率。同时,该方法由于在雷达数据处理层面进行目标检测,不需要改变雷达系统的信号处理结构,大大降低了雷达装备成本。理论仿真表明在同样的目标检测性能前提下,基于VHFT的目标检测算法所需的信噪比要求放宽了10 dB以上,为弱目标回波信号环境中的应用奠定了基础。     

基于Hough变换与目标主轴提取的SAR图像目标方位角估计方法

该文提出了一种基于Hough变换与目标主轴提取的SAR图像目标方位角估计方法。针对传统基于Hough变换估计方法的不足,在估计过程中引入目标的主轴信息指导方位角的估计。利用基于马尔可夫随机场(MRF)的图像分割提取准确的目标成像轮廓。在此基础上,基于Hough变换检测目标轮廓的直边,基于轮廓特征点检测获得目标主轴的大致方向,结合Hough变换检测结果与目标主轴信息获得最终的方位角估计。实验结果验证了该文方法的有效性。     

改进的Hough与梯度直方图的人眼定位算法

针对民用航空器飞行中,实时监控机组座舱行为的疲劳检测系统的快速、精确、低计算量的需求,提出了一种基于Hough、梯度直方图结合的算法：利用Adaboost算法检测人脸之后,运用Hough变换进行人眼初检测,再利用提出的简化梯度直方图特征进行人眼的精确定位。算法将目标区域的简化梯度直方图特征送入SVM分类器,对Hough检测后存在的多个＆quot;可能圆＆quot;进行筛选,剔除Hough检测中的非人眼圆。实验对比结果表明,改进的人眼定位结合算法能够快速的检测人眼,同时粗定位缩小了Hough圆检测的范围,减小了计算量,缩短了算法运行时间,SVM和改进的梯度信息提高了定位的准确率,并且检测结果稳定、鲁棒性好。     

基于圆域分割耦合法则的图像篡改检测算法

为降低图像伪造算法的错误检测率和漏检测率,利用互相关函数(CCF),设计了基于圆域分割耦合最优相关法则的图像复制-粘贴篡改检测算法。引入FAST算子,计算像素点及其邻点的灰度值,准确提取图像特征点,并利用特征点对应的直方图信息求取其主方向;同时,在该方向上建立特征点的邻域圆,对该圆域进行分割,计算每个分割区域的梯度特征,获取相应的特征向量;利用互相关函数对特征点间的相关程度进行计算,构建最优相关法则,完成特征匹配。利用匹配特征点的特征向量,计算特征点间的欧氏距离,对特征点进行集群,定位复制-粘贴篡改内容,实现伪造检测。实验结果表明：相对已有的伪造检测技术,所提算法具备更高的检测准确率,且对旋转、缩放等内容修改表现出更高的鲁棒性。     

中医按摩机器人视觉系统研究

本文针对中医按摩机器人采用示教的控制方式,降低了中医按摩机器人的灵活性,不适合对大量不同体型特征的病人进行治疗的问题,提出采用基于sift特征匹配和概率Hough变换算法分别实现了对人体穴位和腿部姿态的检测和定位,实验结果表明,该算法具有很好的稳定性。     

动态背景下基于帧间差分与模板匹配相结合的运动目标检测

基于图形处理器单元（GPU）提出了一种帧间差分与模板匹配相结合的运动目标检测算法。在CUDA—SIFT（于统一计算设备架构的尺度不变特征变换）算法提取图像匹配特征点的基础上,优化随机采样一致性算法（RANSAC）剔除图像中由于目标运动部分产生的误匹配点。运用背景补偿的方法将静态背景下的帧间差分目标检测算法应用于动态情况,实现了动态背景下的运动目标检测,通过提取目标特征与后续多帧图像进行特征匹配的方法最终实现自动目标检测。实验表明该方法对运动目标较小、有噪声、有部分遮挡的图像序列具有良好的目标检测效果。     

激光回波的目标检测算法

目标检测的阈值法经常用于检测目标的回波信号。它的性能取决于信噪比,当信噪比大于6.7时,能够检测出目标。为了提高信噪比,经常采用匹配滤波器。如果系统是窄带系统,噪声为色噪声,无法使用匹配滤波器,不能提高信噪比。激光回波信号的几何特征不同于噪声。提出了一种利用这种几何特征检测目标的算法。当信噪比大于2时,该算法能够检测出目标。该算法已经实际应用。     

基于多数据融合的快速人脸检测与特征定位算法

针对彩色图像提出了基于肤色和特征验证的人脸检测算法,由肤色分割、排除假区域、特征验证3部分组成。在肤色分割部分,提出自适应阈值法,再通过几何特征排除一些假区域,运用边缘检测、模板匹配和投影法精确定位眼睛和嘴巴,从而验证确认人脸,最后通过投影法定位出鼻子。实验证明该算法检测速度快、准确率高,具有较好的鲁棒性。     

Quality-guided lane detection by deeply modeling sophisticated traffic context

Lane detection is a useful technique in modern autonomous vehicles systems, which assists vehicle to accurately localize itself according to detected road lines. Traditional methods leveraged edge detection and Hough transform based algorithms to plot lines along the detected lane. Noticeably, they did not take the informative feature road gradient into account. In addition, most previous deep learning-based algorithms consider lane detection as pixel-wise lane segmentation, where only fixed number of lanes can be detected. In order to solve these limitations, we propose a quality guided lane detection algorithm by modeling the sophisticated traffic context, where variable number of lanes can be satisfactorily handled. Specifically, we first leverage chessboard images for camera calibration to calculate correspondence between real world and image coordinate system. Subsequently, we capture image regions of interest that only contains lane information by leveraging the prior knowledge and image quality scores. Afterwards, we design an end-to-end two-stage CNN architecture for lane detection, where binary lane mask is utilized for lane matching. Comprehensive experiments have demonstrated that our proposed method can cope with variable number of lanes effectively.     

基于多特征融合的行人检测跟踪统计方法

为了避免传统方法行人过线统计的不足,提高视频中人数统计的适用性和有效性,提出了一种基于多特征融合的行人检测跟踪统计方法。首先,采用垂直拍摄的方式获取视频,利用Mean-Shift分割算法分割图像,根据发色信息和头部轮廓特征识别出人头目标区域;其次使用融合多特征的匹配算法对人头进行匹配跟踪;最后通过运动目标轨迹分析估算出监控区域内的人数。实验结果表明提出的算法在保证准确率的前提下,扩大了人数统计的适用性。