基于可变视场角的空中加油锥套位姿精确测量方法

针对无人机自主空中加油近距视觉高精度导航问题,提出了一种基于可变视场角的空中加油锥套相对位置和姿态精确测量方法。首先构建了由多组不同固定视场角相机组成的双目视觉测量系统,提出了基于非线性滞环特性的相机组切换策略,有效克服了随着距离增加锥套目标在相机图像中比例逐渐减小而导致测量精度降低的问题。在此基础上,使用深度学习YOLO v2算法对首帧图像进行检测与识别,截取感兴趣区域(ROI)并进行图像处理,提取标志灯质心坐标。然后根据双目视觉原理进行三维重建,以计算出标志灯的空间位置。最后根据解析几何关系解算得到锥套相对相机的位置和姿态信息。空中加油对接过程视景仿真和地面实物试验表明,本方法在设定的测量范围内均能达到较高的相对位置和姿态测量精度,且满足实时性要求。     

基于视觉的四旋翼飞行器路径跟踪

针对四旋翼飞行器在室内环境下识别地面线状结构的问题,提出了一种改进的基于单目摄像头,提取线段并跟踪的方法;首先在图像中设置感兴趣的区域（Region Of Interest,ROI）,基于HSV颜色空间,根据颜色阈值提取出线段颜色;然后对ROI进行高斯滤波处理过滤图像的噪声,通过Canny边缘检测算法提取出线段的边缘;最后用概率霍夫变换（Probabilistic Hough Transform,PHT）从预处理图像中拟合出直线,计算直线的方向向量实现四旋翼的路径跟踪;实验结果表明：该方法有效地提高了路径识别的效率,使四旋翼能够精确跟踪室内路径。     

适于感兴趣区域编码的多级树分裂算法研究

结合JPEG2000中最大平移法和基于尺度法对感兴趣区域处理的优点,对多级树分裂算法（SPIHT）进行了改进,实现了一种适合感兴趣区域的图像编码方法。与JPEG2000中最大平移法和基于尺度法相比,该方法在低比特率的情况下,不但可以传输ROI区域的图像,还可以传输部分背景区域图像,并且在ROI区域传输完毕的情况下,不再传输ROI上的0码,节省了码流,进一步提高了编码效率。     

基于级联式Snappy-CenterNet 的锥套目标检测算法

针对空中加油因场景光照变化、环境遮挡等情况造成的锥套目标识别精度低、实时性差的问题,提出一种基于级联式Snappy-CenterNet深度网络的锥套目标检测算法。在CenterNet网络的基础上,以HourglassNet为主干网络,改进其bottleneck结构并引入中心池化的方法,对整体的网络结构进行优化,通过级联式的网络提升整体检测精度。实验结果表明：该算法可实现在多种复杂场景下对锥套目标的可靠检测,检测结果的精确率与召回率均可达99%,位置精度与区域精度分别可达99%与96%,更新率可达33.68 Hz,满足空中加油近距视觉导航阶段对于锥套识别的指标要求。     

基于粒子滤波的目标图像多特征融合跟踪方法

研究了序列图像中红外弱小目标的检测跟踪问题.基于多特征融合的小目标检测算法具有较好的检测性能和适应性,而粒子滤波则是一种处理非线性和非高斯动态系统状态估计的有效方法.结合两种算法的优点,提出了一种基于粒子滤波的目标图像多特征融合跟踪方法.从红外序列图像中提取了局部灰度均值对比度、局部梯度均值对比度、局部熵和灰度分布四个典型特征,根据各个特征对弱小目标检测的贡献,自适应地进行特征融合.在粒子滤波的框架下,将融合后的特征信息转化为粒子的权值,对红外弱小目标进行跟踪.仿真试验表明,该算法有着良好的检测与跟踪性能.     

基于无人机巡线图像的地面油气管道识别方法

限于成本,无人机搭载的任务设备主要为普通数码相机,采集的是可见光图像,针对此种情况,提出了一种利用彩色分割及形状检测识别油气管道的方法,首先需要设定感兴趣区域ROI,计算出协方差矩阵C和均值m,并使用欧氏距离、马氏距离对图像进行彩色聚类分割,然后对分割图像填色后进行边缘检测,最后根据边缘图像进行霍夫变换来检测直线特征,实现复杂环境下对管道位置的自动定位.测试图像库包含300幅图像,识别准确率达到80.3%,实验结果表明,在色彩差异较大背景中,基于颜色和形状特征的识别方法能有效进行管线跟踪定位.     

基于灰度投影的跑道线提取方法

针对无人机着陆时采用传统的Hough变换或者利用跑道区域先验信息的方法所产生的计算时间开销较大和未知先验信息前提下不适用等问题,提出一种基于灰度投影的跑道线检测算法。通过模板匹配提取跑道区域作为兴趣区(region of interest,ROI),在ROI中进行边缘提取;对于边缘提取后的图像使用灰度投影算法,获得可能的直线在空间内的位置,并使用K-means算法对可能的直线进行聚类,从而获得跑道边线的估计位置。仿真结果表明：该算法可以有效提取跑道边线,相比于传统Hough变换的直线提取算法,可以减少50%的时间消耗。     

跟踪窗自适应的捷联导引系统目标跟踪算法

捷联图像末制导导弹在跟踪的后期阶段,弹目距离和成像视角的变化会引起图像尺度和旋转变化,目标区域将由小变大直至充满整个视场。针对经典的Mean Shift算法在图像制导目标跟踪过程中不能自适应目标的尺度和旋转变化这一问题,研究了一种跟踪窗自适应的Mean Shift目标跟踪算法。对初始选定的椭圆目标跟踪区域和候选区域进行加权操作,并利用权值图像的零阶矩和Bhattacharyya系数,对真实目标面积进行精确估计。利用估计出的目标真实面积,并结合权值图像的2阶中心矩进一步构建可表达目标窗口内图像特征的协方差矩阵,再通过奇异值分解建立椭圆面积与协方差矩阵特征值之间的关系,从而计算出椭圆目标区域实际的主轴长度和方向,实现跟踪窗的自适应变化。仿真实验结果表明,该方法既具有Mean Shift算法精度高、实时性好的特点,同时又扩展了Mean Shift算法在目标发生尺度和旋转变化时的自适应能力。     

面向视频监控的快速多人脸检测与分割

在人脸检测的智能视频监控系统的背景下,提出了一种基于多源信息融合技术和人脸结构知识的多人脸快速自动检测算法。该算法综合了图像中的运动和肢色信息,并利用相关的先 验知识得到人脸候选区域。提出了一种筒单、快速的区域分割算法：中点导引生长算法,该算法可以有效地将候选人脸区域用矩形分割表示;最后对每ー个候选区域根据人脸形状信息和特征进行 验证。实验证明该算法检测速度快、效率高,是ー种建立实时视频监控系统的实用方法,可以作为人脸跟踪研究的基础。     

基于特征显著值归一化与位置加权的FT算法

频率调谐（FT）显著区域检测算法在背景复杂和图像显著区域比较大时检测效果不理想。针对上述问题,对FT算法进行了改进,提出了一种基于特征显著值归一化与位置加权的频率调谐显著区域检测算法（FTFP）。该算法主要在FT算法的基础上进行了图像分块、Lab颜色特征显著值的分别归一化和位置加权处理。实验结果表明,FT-FP算法在显著性检测视觉效果、准确率与查全率、对噪声图像的检测上都优于FT算法,综合性能突出。     

基于序列图像的空中目标跟踪方法

文中提出一种有效的运动跟踪检测算法对空中运动目标进行快速、准确的检测和跟踪,首先利用对称图像差分梯度法进行运动目标检测,该方法能很好地检测出移动背景中低信噪比的运动目标;然后通过改进的活动轮廓模型在视频图像序列中进行跟踪,实验结果表明,使用该方法可以得到有效的目标轮廓,从而获得准确跟踪效果.     

一种基于特征匹配的目标识别跟踪方法

针对复杂背景下的动态目标跟踪问题,提出了一种基于边缘检测,综合多图像特征与伺服机构位置信息进行匹配的目标识别跟踪方法。利用SUSAN算法检测边缘,提取出单帧图像中的可疑目标,依次选用灰度、目标几何、伺服机构位置信息和边界不变矩信息匹配,完成目标的识别。采用kalman预测滤波对脱靶量滞后时间进行补偿,选用目标空间位置进行多步预测,引导伺服机构跟踪。外场实验表明,该方法能有效她匹配识别出目标,并保持连续稳定的跟踪。     

基于BPT分割的SAR与可见光图像配准方法

提出一种基于BPT(二叉划分树)分割的SAR图像与可见光图像的配准方法,利用BPT的分层区域合并法将图像分成不同灰阶的ROI(感兴趣区域),分别提取重心当作控制点,然后采用独立距离作为相似性测度进行进一步的精校正,最后选择多项式模型以及双线性插值法进行匹配。实验表明:该算法较传统的边缘检测方法提取区域重心省去很多后续的形态学处理工作,具有更准确的定位,达到手动配准的精度。     

背景干扰下的捷联图像导引系统目标跟踪方法

在捷联图像导引系统目标跟踪过程中,针对跟踪前期弹目距离较远、跟踪目标在背景图像中所占的区域较小、易遭受背景信息干扰,提出了一种新的基于Mean Shift算法的目标跟踪方法.该算法通过对目标模型做背景直方图加权变换和对目标候选模型做倒数加权变换,显著降低了Mean Shift目标跟踪算法迭代过程中背景信息所占的比重,有效抑制了跟踪区域中背景信息对目标定位的干扰,提高了目标的跟踪精度.实验结果表明,该算法与经典算法相比,迭代次数低、单帧处理时间短,可应用于捷联图像导引系统目标跟踪的前期阶段.     

基于面部检测和可变ROI灰度投影的驾驶员眼睛精确定位方法研究

提出一种基于面部检测和可变ROI(Region of Interested)灰度投影的驾驶员眼睛精确定位方法.用该方法通过肤色检测确定面部ROI和人眼矩形ROI,在ROI内对图像进行阈值二值化变换,接着对二值化后的人眼图像进行腐蚀、膨胀操作;对膨胀后的双眼进行垂直积分投影,并进行垂直ROI分割;分别在垂直ROI内对左、右眼进行水平投影,分别获得左、右眼睛的精确定位坐标.这种方法可有效克服由背景、头发、眉毛、睫毛、面部灰度分布不均、脸部旋转产生的干扰.试验证明方法具有相当高的实时性和准确性.     

基于两步位操作匹配的实时目标识别跟踪算法

针对视频图像,提出了一种两步二进制位操作的目标识别跟踪算法。该算法基于改进的二进制鲁棒角点算法(BRISK),对特征描述符建立方法及匹配算法进行了改进:提出了采样点对选择策略和幅值-旋转两级描述符的建立方法;在特征点匹配阶段,提出"移位"结合"异或"的两步位操作特征匹配算法,并通过部分匹配及检测汉明重量阈值的方式进一步加快算法执行速度。实验结果表明,该改进方法具有较快的运算速度,目标平均跟踪速度达到80fps以上,且内存需求量小,更好的满足了视频图像目标实时识别跟踪的应用要求。     

基于鲁棒主成分分析的红外图像小目标检测

鲁棒的小目标检测是红外目标搜索与跟踪的关键技术,提出一种改进的单帧红外图像小目标检测算法。该方法将原始红外图像通过预处理变换到新的红外块图像模式,在红外块图像上,将红外图像小目标检测问题转换为低秩矩阵和稀疏矩阵分离的鲁棒主成分分析(RPCA)问题。考虑到红外图像中噪声和杂波的存在,用交替方向方法求解带噪声的RPCA问题,获得稀疏目标图像,并对获得的稀疏目标图像采用简单的图像分割算法进行目标检测。对空天、海天、天云、海面4种不 同场景的红外图像小目标检测,进行仿真实验,结果验证了所提出算法的有效性。     

一种复杂地面背景的目标跟踪算法

实时跟踪算法将提供的原始目标作为基准图像进行序列跟踪，在跟踪过程中根据一定的判据对基准图像的更换、目标丢失的判断等状态进行控制．通过对各种实时跟踪算法的研究，提出了一种基于图像相关的多模板跟踪算法，并给出了多模板相关算法中的判断准则：模板更换准则、目标丢失判断．试验证明，对地面复杂背景的目标实时跟踪有效可行。     

一种基于遮挡区域的最佳观测方位算法

针对目前的最佳视觉算法,提出了一种基于遮挡区域的最佳观测方位算法．通过分析三角网格化后的深度图像找到遮挡区域,建立遮挡点方向表和标记图表,根据标记图表中遮挡点极值个数确定最佳观测方位．实验结果表明该算法是可行且有效的．     

基于多片DSP的相关匹配算法的研究与实现

为了满足导弹跟踪锁定目标过程中实时性要求高这一要求,提出了一种改进的相关匹配算法,并对算法的硬件实现进行了详细讨论,将图像分成4块,每块由一片DSP进行处理,并结合相关算法进行测试。实验结果表明,无论在实时性还是在跟踪有效性方面,该算法都是切实可行的。该系统结构紧凑、可靠性高、实时性强,为图像匹配系统提供了新的高速处理平台。