基于非经典感受野动态特性的轮廓检测模型

轮廓检测是计算机视觉的重要任务之一,并广泛地用于医学,工程,交通等领域.针对这些领域的检测需求,本文受非经典感受野动态特性的启发提出一种仿生型轮廓检测模型:在模拟初级视皮层(V1区)神经元的经典感受野响应时,用改进的神经元激活函数sigmoid提取局部尺度信息,然后用局部最优尺度代替现有模型中的全局感受野尺度,并将提取的局部最优尺度信息对非经典感受野抑制进行调制.基于RuG40和伯克利图像数据库的实验结果表明,本文的轮廓检测模型较同类模型获得了较高的性能评测指数,有效地提高了轮廓检测的性能.     

非经典感受野的朝向和对比度特性在轮廓提取中的应用

对于普通的复杂背景图像的边缘检测方法,在检测出主体轮廓的同时也保留了背景的纹理,不利于检测出主体的轮廓.根据生物视觉感知的特性,模拟出复杂细胞感受野的响应函数,然后提出了一种基于朝向和对比度特性的非经典感受野抑制模型,从而得到了清晰的轮廓.仿真实验证明,该方法在提取物体轮廓的同时有效地抑制了背景的纹理,提高了轮廓提取的正确率.     

一种视皮层非经典感受野的模型

根据视觉信息加工过程中视皮层细胞非经典感受野对中心感受野区域具有抑制作用的生物机制,提出了一种模拟该机制的模型。用Gabor能量作为感受野响应,以高斯差分函数为基础构造两个具有方向的半椭圆环来作为非经典感受野区域,设计中心感受野与周边抑制区域的相位差权重函数来模拟非经典感受野的抑制机制。实验结果与这种生理特性相一致。     

基于颜色拮抗和纹理抑制的轮廓检测模型

作为目标识别的关键步骤,轮廓检测已成为计算机视觉研究领域的热点之一.仿生学研究发现,在初级视皮层(V1)细胞中,驱动彩色亮度单元的双拮抗细胞感受野对亮度和颜色信息敏感且具有方向选择性,对于轮廓检测起到重要作用.本文提出一种基于颜色拮抗和纹理抑制的轮廓检测模型,通过二维高斯差分DOG函数来模拟纹理抑制模板,对不同的双拮抗细胞通道进行纹理抑制,在基于颜色拮抗特性检测模型中考虑了抑制纹理的作用.实验结果表明:在BSDS300图像库下本文模型在纹理抑制方面较现有模型有一定的优势,能够较好的提取目标轮廓,是颜色拮抗目标轮廓检测模型中的一种新思路.     

基于固视微动与初级视皮层神经机制的轮廓检测模型

已有研究表明,生物视觉系统中第二视觉通路主要是基于固视微动响应特性来完成视觉信息的特征提取.受此启发,提出一种基于固视微动与初级视觉皮层神经机制的轮廓检测模型,以注视中心为原点,通过不同角度下偏移的高斯一阶导滤波器模拟视觉神经细胞的固视微动特性,其中偏移量由图像的局部特征信息计算得到;然后将不同偏好方向下多个角度偏移模板的滤波能量与注视中心的响应能量竞争得到经典感受野的最优能量响应;最后通过高斯差分函数对最优能量响应进行纹理抑制并获得最终的目标轮廓输出.BSDS数据集的定性和定量实验结果表明,所提出的检测模型能够获得更完整更连续的轮廓特征,具有较高的性能评测指标.     

工件图像轮廓角点特征提取算法

将Harris角点检测与基于Snake模型的轮廓提取算法相结合,形成基于角点特征的工件图像轮廓提取算法。     

深度语义分割MRF模型的海洋筏式养殖信息提取

采用无监督方法与深度学习模型结合,解决筏式养殖边缘信息精确提取问题,提出深度语义分割(semantic segmentation, SegNet)-马尔科夫随机场(Markov random field, MRF)模型,该模型提取目标空间细节信息和深度判别特征信息。通过SegNet编码器的卷积和最大池化提取筏式养殖的特征信息和扩大感受野,抑制噪声、误判等现象的产生,模型后端接入MRF模型,计算像素空间领域内的特征信息进行聚类分析来获取目标低水平的空间细节信息,在深度特征信息的基础上较大程度的保留空间特征信息,完善边缘信息并抑制连通区域的产生。试验结果表明,该模型极大减少了特征信息丢失和因海水背景而产生的误判,其分类精度高于95%,明显优于经典无监督算法和单一的深度学习模型。     

基于遥感数据提取建筑物的主动轮廓改进模型

针对传统的主动轮廓模型在提取建筑轮廓时不能区分与其具有相似反射率的地物和需要建筑物附近的初始轮廓等问题,从两方面对其进行了改进:1)将原始的单一数据改为利用高分辨率遥感影像与激光雷达(LiDAR)数据融合后的数据进行建筑物的提取;2)在原始模型的能量公式中加入比例系数,控制各波段在能量泛函中的比重.采用Matlab编程实现了所提出的算法,并对徐州市两个地区的快鸟(Quickbird)影像进行了分析.结果表明:改进后的模型可以很好的完成建筑物轮廓的自动提取,并且具有对噪声不敏感、不需要建筑物附近的初始轮廓和隐式改变拓扑结构的优点,达到了较好的效果,证明了改进主动轮廓模型的可行性.所提出的算法为建筑物的轮廓提取提供了有效手段.     

基于X、Y细胞感受野视觉神经机制的轮廓检测模型

仿生型轮廓检测的研究已逐渐成为计算机视觉的研究热点.生物视觉机制研究中,空间总和特性将视觉细胞分为线性的X型细胞和非线性的Y型细胞.受该机制启发,提出一种仿生型轮廓检测模型,该模型通过模拟计算X、Y型细胞不同的感受野响应,并根据亮度对比度信息有效地融合X、Y通道的轮廓特征.实验结果表明:本文的模型能有效地保留弱轮廓并抑制纹理背景,将为基于视觉机制的图像分析提供一种新的思路.     

基于线结构光扫描的工件高精度三维测量方法

为了提高工业中对复杂轮廓工件的测量精度和效率,设计了一套高精度非接触三维测量系统,并提出了一种基于线结构光扫描的工件轮廓三维测量方法。首先,利用高精度相机和三轴移动平台采集线结构光图像。然后,通过基于差分区间的灰度质心算法,精确而高效地提取出线结构光中心线,并生成原始点云模型。接着,对采集到的点云数据进行必要的点云滤波和精简预处理。最后,将预处理后的点云数据与CAD模型精确配准,进行工件表面轮廓的测量与误差评定。实验结果表明：测量工件轮廓高度的绝对误差小于0.07 mm,相对误差小于0.5%。所提出的三维测量系统及方法测量误差较低,能够实现工件的高精度三维测量,具有一定的工业应用价值。     

基于实例分割的复杂环境车道线检测方法

针对基于语义分割的车道线检测方法存在的特征表述模糊、语义信息利用率较低的问题,采用实例分割算法,提出基于改进混合任务级联（HTC）网络的车道线检测方法. 基于HTC网络模型,在主干网络中引入可变形卷积,提升主干网络对复杂环境中车道线特征的提取能力. 改进特征金字塔网络结构,在特征金字塔网络的基础上添加自底向上的低层特征传递路径,引入空洞卷积,在不损失车道线特征信息的情况下增加特征图感受野,利用低层特征中所包含的车道线的精确定位信息,提高车道线的检测精度. 实验结果表明,改进HTC网络模型可以实现车道线特征的鲁棒提取,在复杂道路环境中可以获得较好的检测性能,有效提高了车道线检测精度.     

基于视中枢神经机制的视觉信息处理模型

提出了基于视中枢神经机制的视觉信息处理模型,该模型以人类视觉的生理机制为基础,有效地模拟了人类对视觉信息处理的过程。设计相关实验模拟了视网膜对信息处理的过程,生成了相应的视网膜图像,简单细胞的感受野又以视网膜图像为输入,通过对特定的朝向刺激,产生了许多边缘信息,形成了边缘轮廓图像。实验结果表明,该模型具有良好的仿真性。     

基于可变形物体的碰撞检测算法

为了提高可变性物体在虚拟现实技术中碰撞检测的效率和准确度,提出了一种改进的基于可变形物体的碰撞检测算法。该算法利用蚁群算法优化蛇形轮廓模型,并将蛇形轮廓模型应用于固定方向凸包包围盒的更新过程中。实验结果表明,该算法极大地简化了固定方向凸包包围盒算法的重建过程,提高了碰撞检测的效率,同时由于加入优化的蚁群算法,提高了碰撞检测的准确度。     

基于HOG特征的优化区域模板匹配检测

针对HOG算法滑动窗口检测效率低和目标特征描述不精确的问题,提出了一种基于HOG的改进算法,提高了滑动窗口的检测效率并减少了目标模板相似性对结果带来的影响.该算法利用HOG特征来描述目标的整体和各个部件,优先检测图像中目标出现概率较大的区域.对于检测评分比较接近阈值的区域使用可变形部件模型进行精确检测,从而可以避免具有轮廓相似性的模板检测结果的不准确.结果表明,该算法对于静态图片有较高的准确率,且对于很多相似度不高的分类具有较快的检测速度.     

基于单眼视觉和超声波室内障碍物检测系统在智能车上的应用

提出一种基于单眼视觉和超声波测距的树莓派智能机器人车检测静态和动态障碍物的方法.采用改进的单眼视觉障碍物检测算法,对室内的静态和动态障碍物进行轮廓检测,并利用超声波传感器测量机器人车与障碍物之间的距离.针对静态障碍物检测,在图像预处理阶段引入图像增强,并通过HSV图像提取不同障碍物颜色特征,以提高障碍物轮廓标定的效率和准确率.针对动态障碍物检测,结合背景差分与3D图像显示技术实现动态目标捕捉,并设置距离决策模块记录障碍物位置信息.试验结果表明,该方法可有效减少障碍物检测的平均消耗时间以及障碍物位置信息的错误率,提高室内障碍物检测的效率和准确性.     

基于空洞卷积金字塔的目标检测算法

作为目标检测领域最突出的问题,遮挡和多尺度严重影响了算法的召回率和准确率。针对以上问题,该文从感受野入手,提出了一种基于空洞卷积金字塔网络(ACFPN)的目标检测算法。首先,将不同尺寸的空洞卷积层引入特征金字塔网络(FPN)中,构建混合感受野模块(HRFM),旨在控制参数量的条件下,通过增大感受野获取更多全局特征信息,解决目标的遮挡问题;其次,改进FPN的结构,设计低层嵌入特征金字塔模块(LEFPM),将浅层特征细节信息和高层特征语义信息相融合,提高特征图的丰富度和表征能力,增强模型的尺度适应性;特别地,针对漏检问题,引入FCOS算法中的无锚框(AF)机制,减少了候选框的冗余,进一步提高了定位精度。最后在公开数据集上进行测试,该算法在检测精度上大幅提升。     

一种改进的轮廓提取评估算法

针对带有Ground Truth图的自然图像轮廓评估算法的轮廓提取准确率低并且不精确的问题,本文提出了一种邻域匹配算法,并且与原算法相结合,再将评估的准确率公式进行修改,得到了本文的轮廓提取评估算法。通过对Canny算子处理的轮廓提取图进行评估,并与原算法相比可知,本文算法提高了评估的轮廓提取准确率。     

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.