基于鱼眼相机畸变图像的大尺寸目标测量方法

为满足大尺寸目标高精度图像测量的需求,提出一种利用鱼眼畸变图像实现宽视野、大几何尺寸目标测量方法。根据非线性畸变的多项式逼近函数建立鱼眼相机成像模型,通过立体标定板来确定相机参数;将相机沿光轴方向移动采集一组图像,建立鱼眼相机的测量模型实现待测目标尺寸的测量。通过对棋盘格和某大型建筑物几何尺寸的测量实验表明,本文提出的直接利用畸变图像进行测量的方法优于传统的将畸变图像校正成线性图像测量的方法,具有更高的测量精度和稳定性。     

基于数字图像的单只燃烧器射流几何特征参数提取

提出一种燃烧器射流流场分析及几何特征参数提取的方法,实现流程包括:①采用加权中值滤波算法抑制射流图像离散点噪声;②采用种子区域生长算法将射流从图像背景中分割;③采用自适应边缘检测算法检测射流边缘像素点;④采用广义最小二乘法对射流边缘点进行线性拟合;⑤确定射流的几何中心线位置、中心角及射流扩展角等特征参数.研究结果表明,当处理图像噪声窗口为10×10,选择射流图像中亮度值最高的像素为种子,同时以5%为误差限确定生长准则时,整个流程消耗时间与精度处理的匹配最优.该燃烧器流场的实时测量与分析的方法具有较好的应用前景.     

基于坐标投影的鱼眼图像校正方法研究

通过分析鱼眼镜头的成像原理,将校正后的鱼眼图像假设为半圆柱面的纵截面,根据圆柱面与截面的投影关系,推导计算出校正后的鱼眼图像中点的坐标和鱼眼图像中点的坐标的对应转换关系,实现鱼眼图像的校正。实验证明,该方法能够有效的校正鱼眼图像,对校正后的图像拼接及最终实现案件现场的快速三维重建具有重要意义。     

基于图像序列的真空开关分闸速度检测

真空开关的分闸速度是影响开关电弧形态及其使用性能的重要因素。为满足高精度分析的需求,提出运用数字图像处理技术从真空开关运动序列图像中精确跟踪触头位置,进而计算触头运动速度的检测方法。该文首先利用Solidworks软件建立真空开关触头模型,并以设定速度模拟分闸过程,获得了分闸过程动触头的运动序列图像。运用Harris角点检测算法提取序列图像中触头角点,然后用SSD(sum of square differences)角点匹配算法对相邻序列图像中所检测到的角点进行匹配,并从中筛选精确匹配角点,再以匹配的像素角点为初始值,计算亚像素精度角点,从而实现了动触头位置的亚像素级精度跟踪。计算相邻帧图像动触头的位移,该位移与相邻帧图像时间间隔的比值即为动触头的瞬时速度。结果表明:亚像素角点检测技术可实现动触头位置跟踪及其分闸速度计算,且相对误差≤4.7%,最高精度可达0.34%。该方法能够实现真空开关分闸速度的高精度检测,为后续分析分闸速度与电弧形态的关系奠定了基础。     

基于人眼识别原理的运动目标检测方法

针对于背景差分法与帧间差分法在运动目标中存在的不知足,为提高运动物体检测的实时性和准确性,提出了一种结合背景差分和帧间差分的运动物体检测方法,该方法模拟人眼对运动目标的检测方式,分为整体感知与精确感知两部分。首先将图像分为多个区域并使用较少的像素点建立背景模型,通过背景模型确定运动物体所在的区域,并将其他区域的图像作为背景图像进行存储。然后使用变化区域的当前图像与存储的该区域的背景图像进行差分运算,以获取清晰的运动目标。该方法使用较少的像素点进行背景模型的构建,减少了背景模型建立和更新的运算量,提高了运算的速度。通过存储的背景图像与当前图像进行差分,可以获得完整的运动目标,避免“空洞”的出现。     

视频监视中运动物体检测的一种新算法

本文提出一种结合阈值分割以及区域生长的算法检测视频中运动物体的算法.首先对相邻的图像帧进行差分并根据3σ准则二值化差分图像,然后对二值图像进行扫描去除虚假目标区域和孤立亮点、并记录各区域的边界值,最后用区域生长的办法得到运动物体的完整信息.实验表明,在背景复杂、光照不均匀的视频中,该算法比帧间差分法、数学形态学的方法等能够更精确地检测出多个运动物体,在提取目标的同时,不留下任何背景像素,使下一步的目标跟踪更精确.     

一种在尺度空间下基于边缘的角点目标检测方法

图像中的目标角点位置是实现很多计算机视觉任务的关键数据。为了克服传统检测算法产生的数据冗余问题,提出了一种在尺度空间下基于边缘的角点目标检测方法。首先,构建一个分组多层的尺度空间,将原图投影到其中后得到多个平滑图像。与此同时,采用定义的边缘算子检出平滑图像中所有边缘而得到多个按序存放的像素点集,当点集数量稳定时停止更大尺度的变换。然后,在当前尺度下,计算点集中各元素反映其角点强度的特征值。根据这些特征值变化规律检出角点的支撑集区间,并在此区间中采用高斯拟合函数确定最终的目标角点。实验表明,该方法能够检出特征显著的目标角点及其角度,其中合成图像精度在像素级,应用案例中的平均误差与图幅比约为1.5/100。     

基于偏振信息图像增强的多目标检测

偏振是光的重要特性之一,偏振成像技术能够获取场景中目标的强度信息和偏振信息,偏振信息能够反映出目标物体表面的材质特征。本文针对雾霾天气状况下道路场景中常见目标识别结果的准确性要求,提出了两种基于偏振信息的图像增强方案。首先经过多次采集实验,经过数据清洗、图像标注构建偏振数据集,共4 649张图像和31 877个标签。针对雾霾轻度污染的场景,通过区域自动生长算法分割出偏振强度图像中的天空区域,根据天空区域的偏振度和偏振角信息以及大气物理散射模型反演出目标反射光,从而实现图像去雾。针对雾霾重度污染的场景,使用小波变换的方式对图像进行增强,利用偏振度图像来增强强度图像中的目标轮廓。使用图像灰度方差和图像信息熵作为图像质量评价指标,使用YOLO v5s深度学习网络进行目标检测。实验结果表明,雾霾轻度污染的情况下,图像质量和目标检测准确性均有所提升,图像信息熵提升了3.36%,灰度方差提升了40.27%,目标检测mAP达到了76.40%,提升了12.69%;雾霾重度污染的情况下,目标检测mAP提升约1.69%。     

复杂背景下相对运动恢复结构算法设计

针对运动恢复结构算法在摄像机拍摄过程中需要改变摄像机位置的问题，利用物体与摄像机的相对运动关系，获取包含物体多角度视图的图像序列。在图像序列中定位物体所在区域，约束特征点提取的适用范围，设计并实现一种相对运动恢复结构算法。实验结果表明，SFRM算法适用于摄像机固定位置的拍摄方式，能将位于物体区域的匹配对占总匹配对的比例从32%提高到84%,相较于传统的SFM算法在时间效率上得到38.29%的提升，成功扩展SFM算法的适用场景。     

视觉与二维激光雷达的目标检测方法

为了改进单一传感器对目标物体的检测范围小、检测特征少以及检测准确率较低的问题,提出一种视觉与二维激光雷达的目标检测方法。在视觉检测方面提出一种改进的GoogLeNet算法实现视觉对目标物体的识别,该方法相比GoogLeNet算法在对6种目标物体的识别准确率上提高了0.7%。在二维激光雷达检测方面采用欧氏聚类算法对二维激光雷达的点云数据聚类,接着使用RANSAC算法对聚类簇中的数据点进行筛选,最后使用卡尔曼滤波算法对目标物体的位置进行预测,实现二维激光雷达在特定平面上360°对目标物体进行跟踪检测和定位。实验结果表明,该方法使得移动机器人扩大了检测范围、增加了检测特征并提高了识别准确率。     

基于 RTK 定位的图像差分跑道异物检测

机场跑道异物是威胁航空器飞行安全的重要因素之一,开展跑道异物的自动检测研究是有效保障航空器飞行安全的必 然要求。 针对异物检测问题,首先提出了基于 DGPS(differential GPS)定位的图像差分异物检测方法,通过载波相位差分(RTK) 技术获取道面图像的高精度位置信息,对同一位置的两幅图像进行对齐操作以满足图像差分的条件,接着采用直方图规定化的 方法来完成亮度矫正,再通过差分实现异物检测,最后进行了实验验证。 实验结果表明,该方法可有效检测尺寸不小于 2 cm× 2 cm 的异物。     

基于改进 Harris 角点检测的芯片图像快速校正

以方形扁平无引脚封装(QFN)芯片为实验对象,针对芯片在封装缺陷视觉检测过程中的图像倾斜问题,提出一种半导 体芯片图像快速校正方法。 首先,提出改进 Harris 角点检测算法,结合多边形逼近方法提取目标轮廓拐角顶点;其次,通过最小 二乘法对最长边顶点进行直线拟合;最后,根据直线拟合结果进行图像校正。 实验结果表明,与传统 Hough 变换、最小外接矩法 以及傅里叶变换校正方法相比,该方法获取的倾斜角度准确度更高,运行时间少于其 1 / 5,速度更快且效率更高。     

基于C-SIFT特征向量图像复制粘贴篡改取证算法

如今网络时代中充斥着大量经篡改的图像,目前检测方式如局部不变性特征描述、Harris角点算法对复制粘贴篡改地检测准确率较低。通过对彩色图像分块、色彩空间边缘化提取、图像灰度化得到完整的灰度化局部图像。利用对不同图像块中的特征向量集提取、标记、匹配和归一化处理,在欧氏距离达到某一阈值后特征向量匹配成功,即检测到图像具有复制粘贴篡改的痕迹。最后选择3类不同的照片仿真测试,说明该算法可有效提升复制粘贴篡改图像的检测成功率、检测速率。     

基于改进SSD的变压器套管红外图像油位智能识别方法

为解决现有基于红外图像识别变压器套管油位存在的过于依赖温度信息、人工处理效率低下等问题,文中结合目标检测技术提出了一种基于改进单次检测器(SSD)的套管智能油位识别方法。通过引入SSD目标检测方法,检测红外图像中的套管区域,加入损失函数以改进SSD算法从而提高套管检测准确率,并进一步通过简单线性迭代聚类(SLIC)的应用实现了不依赖红外图像温度信息的油位检测。对比文中提出的基于红外图像的油位识别算法检测结果与人工油位检测结果,表明文中提出的算法不仅在效率上领先于传统的温度检测方式,且其误差较小,仅为0.08%。对比结果验证了所提算法在保证检测精度的情况下可大幅度提高检测效率,有效提升套管故障诊断效率和智能化水平。     

基于改进Faster R CNN的光伏电池内部缺陷检测

光伏电池近红外图像中复杂异构背景使内部缺陷检测成为一项极具挑战性的问题,为此,提出了一种基于深度学习的目标检测框架-残差通道注意力Faster R-CNN(residual-channel-attention-faster R-CNN,RCA-Faster R-CNN),该网络通过卷积层-池化层提取图像特征,再送入新颖...     

基于局域熵值分布图的目标分割及质心计算

图像分割的质量直接决定了目标检测及跟踪等一系列工作的好坏。传统的局域熵对于简单背景下的小目标检测较为有效,但对于目标较大的情况分割效果则不甚理想。致力于统计图像每一像素点的局域熵值,绘制局域熵值分布图。对局域熵值分布图进行迭代阈值分割,以求得最佳分割阈值并实现二值化。在二值化熵值分布图的基础上,统计像素分布,求取目标质心。在下一帧的视频图像中,根据前一帧求取的目标质心来设定波门,以减少非目标以及噪声的干扰。对多个视频序列进行实验后证明,本文提供的方法能够有效减少杂波干扰,提高系统的鲁棒性。     

Rotation invariant image matching by interpolated eight‐direction block matching

Template image matching is a method for seeking a target image area that is similar to a registered template image. However, template matching is a general‐purpose technique for various image applications, and the image under consideration must generally have the right position with respect to the template image. Therefore, the computational cost is large when both the location and inclination of the target image area are unknown. This paper proposes a method of searching for a target image area with arbitrary location and inclination by multiple matching using separated block template images. In the method, the template image is divided into small block areas with a size of 3 × 3 pixels. The image pattern in each block is rotated by 45^° and matching is performed between the rotated blocks and the image under consideration. The experimental results show that the proposed method has higher matching reliability than the conventional methods. © 2005 Wiley Periodicals, Inc. Electr Eng Jpn, 154(1): 66–73, 2006; Published online in Wiley InterScience ( www.interscience.wiley.com ). DOI 10.1002/eej.20107     

基于计算机视觉的墙地砖表面缺陷检测

提出了一种基于计算机视觉的墙地砖表面缺陷识别方法,利用改进的分块图像相减匹配和相关算法,对目标图像和模板图像进行分块处理,将对应子区域图像与数据库中相应模块图像进行相减匹配检测,利用相关系数来判断目标图像质量是否满足要求.实验结果表明使用本文方法能够准确地实现墙地砖表面缺陷检测,检测出墙地砖表面平均缺陷数目为4.5个,平均识别率达95.74％,优于直方图统计特征法和灰度共生矩阵法,具有实时、可靠、高效的特点,对墙地砖表面检测具有较大的实用价值.     

基于关键点的遥感图像旋转目标检测

高分辨率的遥感图像与普通图像相比,遥感图像目标具有方向多样性和尺度变化较大等特点。针对遥感图像目标检测问题,提出一种R-CenterNet遥感图像目标检测算法。首先,对CenterNet网络重新设计,在网络结构中加入旋转因子为检测框提供角度信息;其次,增加网络深度,提高网络检测性能;最后,为聚合不同区域的信息,进一步提取目标的多尺度信息,提出一种将目标特征注意力信息与多尺度池化信息相融合的注意力金字塔池化模块。实验结果表明R-CenterNet的检测结果比原始CenterNet提升了8%的平均精度值(mAP),具有更好的检测效果。