基于自适应核窗宽的红外目标跟踪算法

针对传统均值漂移算法无法对对比度低、尺度变化的红外目标进行有效跟踪的问题,提出一种改进MeanShift算法.首先融合灰度和纹理两方面的信息,并分别定义背景灰度和纹理加权系数,实现了目标的准确定位;然后,提出一种基于背景和前景目标相似度的核窗宽选取算法,自动选取窗口缩放比例,得到与目标尺度一致的跟踪窗口.实验结果表明,所提出的算法能够实现对红外目标的跟踪,并且对尺度变化的目标具有较好的适应性.     

复杂背景下全景视频运动小目标检测算法

为解决复杂背景下全景视频中运动小目标检测精度低的问题,提出一种基于复杂背景下全景视频运动小目标检测算法.首先,为降低复杂背景信息的干扰,提高目标检测的精度,采用快速鲁棒性主成分分析(Fast RPCA)算法将全景视频图像的前景背景信息分离,并提取出前景信息作为有效的图像特征;然后,改进更快的基于区域的卷积神经网络(Faster R-CNN)中的区域生成网络(RPN)的候选框尺度大小,使之适应全景图像中的目标尺寸,再对前景特征图进行训练;最后,通过RPN网络和Fast R-CNN网络共享卷积层输出检测模型,实现对全景视频图像中小目标的精准检测.实验结果表明,所提出算法可以有效抑制复杂的背景信息对目标检测精度的影响,并对全景视频图像中的运动小目标具有较高的检测精度.     

一种字符组合词包模型的少约束车牌定位算法

针对如何在复杂背景、拍摄角度和车牌尺度发生变化等少约束条件下实现基于字符组合词包模型的车牌定位算法。本文首先构造包含车牌数字字符和英文字符的数据库;然后利用本算法识别提取车牌字符的SIFT特征,并精准计算识别特征点在字符识别区域的相对位置、物理方向等信息组成视觉识别词汇;最后把本车牌字符的视觉词汇聚合后搭建车牌字符视觉词包数据库。在识别阶段,提取待识别图像SIFT特征与视觉词包中的视觉词汇进行匹配,并聚合所有有效投票位置来实现车牌区域的准确识别定位。仿真结果表明,本文算法对于背景复杂下的车牌区域定位具有较好的效果。     

一种粘连颗粒图像中心点的识别方法

针对粘连颗粒检测中的中心点提取问题,提出了一种基于改进广义Hough变换的检测算法.该算法首先计算已知图形的覆盖圆环,然后将圆环模板遍历待测图像前景轮廓点进行覆盖区域累加,最后得到累加图的极大值.该算法产生的圆环具有旋转不变性,能够大大缩减检测时间.同时实验表明,这种圆环模板累加的算法能够得到更加准确的定位中心点,并且部分消除了伪中心.     

一种基于边缘特征二值化的抠像算法

针对虚拟演播室中的抠像技术进行研究,提出了一种基于边缘特征二值化的虚拟演播室抠像算法.该算法从图像处理的角度.采用基于边缘特征的图像二值化方法以及二值图像处理的有关算法来进行视频对象的提取.实验结果表明,该算法可以有效实现对复杂背景下前景目标的提取.     

一种新的随机游走多车辆检测算法

针对交通视频序列中的多车辆检测问题,提出了基于边缘检测的随机游走算法对多车辆视频进行精确车辆检测。首先利用背景差分结合边缘信息来检测运动车辆区域,针对粘连车辆问题提出了利用检测车辆区域的骨架结构自动完成有效的标记点的提取,把像素标记点作为随机游走算法中目标的种子点;利用种子点对多车辆进行随机游走分割,实现车辆自动检测。     

利用多级量化局部纹理特征的图像跟踪算法

针对传统的基于纹理特征的跟踪算法采用统计直方图描述目标,表达不够精确且计算量较大的问题,提出一种基于多级量化的局部纹理特征的点对点的图像跟踪算法.首先定义了一种高维纹理特征,其对单个的点具有较强的描述能力;随后通过矢量运算进行点对点匹配,根据匹配得出的点集的空间位置,利用均值漂移矢量实现初步定位;最后通过连续缩放窗口比例,同时使用颜色信息验证候选窗口与原始窗口的相似度,确定目标的位置和尺度.实验结果表明,该算法在场景复杂、噪声较大的环境中仍能准确地搜索到目标;在目标尺度变化时也具有较强的鲁棒性.     

颜色和纹理特征的运动目标检测

针对复杂场景中运动目标检测这一难题,提出利用RGB颜色特征和尺度不变局部三元模式的运动目标检测算法。利用时域中值法得到估算背景图像并快速初始化背景模型。通过颜色特征、纹理特征相似性度量,融合得出背景概率网络,通过侧抑制滤波提高对比度分类出前景与背景像素,前景像素进一步进行阴影检测,将阴影点归为背景点,但不用于模型更新。将算法与GMM、SC-SOBS、SUBSENS算法在变化检测数据库中进行对比验证。实验表明,新算法在满足实时性的基础上,对动态背景,阴影和相机抖动等有一定的鲁棒性。     

基于优选傅里叶描述子的粘连条锈病孢子图像分割方法研究

小麦条锈病越夏孢子数是判断条锈病是否爆发的关键参数之一,现有方法对粘连条锈病孢子的自动检测尚有困难。为了实现粘连条锈病孢子的准确计数,提出一种融合K-means聚类算法与优选傅里叶描述子的粘连条锈病孢子分割算法,并实现了粘连孢子的准确计数。利用K-means聚类算法进行条锈病孢子的分割,实现了包含杂质等复杂背景下孢子的准确分割;对不同傅里叶描述子的边缘描述效果进行评价,优选出适合的傅里叶描述子个数,解决K-means聚类算法所得到的孢子边缘轮廓不够平滑的问题;利用基于距离测度的角点检测算法,实现了粘连条锈病孢子的准确计数;为了验证该方法的有效性,对20幅粘连孢子图像进行了分割实验。实验结果表明,得到的条锈病孢子计数准确率为96.2%,可以用于复杂粘连背景下孢子的准确分割,表明将该方法用于小麦条锈病越夏孢子的计数是有效的、可行的。     

基于增强现实的自适应跟踪注册方法

针对增强现实跟踪注册过程中遮挡及尺度变换的问题,提出一种基于Camshift和ORB算法的自适应跟踪注册方法.将高斯背景建模和Camshift算法融入到跟踪过程中,实现对目标尺度变化的自适应跟踪;在特征匹配中,将图像与Gauss函数进行卷积和差分运算,得到稳定的尺度空间,使ORB算法提取的特征点具有尺度不变性.实验结果...     

新型优化SIFT的图像快速配准方法研究

针对尺度不变特征变换（Scale Invariant Feature Transform,SIFT）算法图像配准时间长、匹配率低等问题,提出了重合区域图像极值特征提取法以及图像降采样特征配准法。在特征匹配的过程中,重点考虑重叠区域的特征匹配点对极值一致性约束条件,并利用差分尺度空间的局部单极值,以减小冗余特征点,节约特征提取与匹配时间;在此基础上,以图像尺度大小（选择180×180）作为缩放约束,对图像进行同比例插值缩小,并根据缩放后图像与原始图像变换矩阵之间的关系,计算出原始图像变换矩阵,实现图像的快速、精确配准。利用实例验证了所提方法的有效性和可行性。     

基于灰度矩的脉搏图像亚像素特征点提取研究

在基于双目视觉脉搏图像传感器的脉搏三维信息检测中,图像特征点的提取是关键基础。为了提高脉搏图像特征点提取的精度,提出一种新的对脉搏图像特征点进行亚像素定位的算法。在完成脉搏图像的预处理后,对脉搏图像进行基于灰度矩的亚像素边缘检测,结合最小二乘拟合法得到圆形标志中心点,最终实现脉搏图像的特征点提取。实验结果表明该算法能够准确定位脉搏图像特征点,精度可达到0.03~0.04像素,为后续双目视觉的立体匹配及脉搏三维形态的重构奠定了基础。     

基于特征点的全自动无缝图像拼接方法

提出了一种基于特征点的全自动无缝图像拼接方法.该方法采用对于尺度具有鲁棒性的SIFT算法进行特征点的提取与匹配,并通过引导互匹配及投票过滤的方法提高特征点的匹配精确度,使用稳健的RANSAC算法求出图像间变换矩阵H的初值并使用LM非线性迭代算法精炼H,最终使用加权平滑算法完成了图像的无缝拼接.整个处理过程完全自动地实现了对一组图像的无缝拼接,克服了传统图像拼接方法在尺度和光照变化条件下的局限性.实验结果验证了方法的有效性.     

基于数字图像处理的地震波初至时间检测

地震波初至时间的检测是地震信号处理中的一个重要环节.在地震波接收记录上,初至波振幅大于噪声振幅,初至时间位于纯噪声信号与地震有效信号和噪声之叠加信号之间的分界处.根据这些特征,本文把地震信号幅值数据处理成256级灰度图,再把灰度图二值化,然后通过检测二值图像的边缘,获得地震波的初至时刻.对于存在较多的连续异常记录道,或其它强干扰信号的地震波记录,提出了二次或多次用不同阈值对图像进行二值化的检测方法.对实际地震记录的处理表明,本文方法具有较高的精度和效率.     

基于颜色模型和阈值分割的有遮挡的柑橘果实识别算法

针对柑橘果实被枝叶遮挡,机器识别难度大的问题,提出了基于YCbCr颜色空间模型和OTSU阈值分割技术对有遮挡的柑橘果实进行识别的方法。应用边缘检测法和凸包算法提取有遮挡果实的轮廓特征,选取凸壳上距离最远的两点,作为果实直径的两端点,定位目标果实。结果表明,算法可以准确分割并识别出枝叶遮挡的柑橘果实,果实平均检出率达到90.48%,有效提高了果园自动化采摘的效率。     

基于Gaussian-Hermite矩的指纹奇异点定位

在指纹分类和识别算法中,提取的奇异点(core点和delta点)数目和奇异点的准确位置是非常重要的.介绍了一种基于Gaussian-Hermite矩分布属性的自适应指纹奇异点定位方法,为了准确地确定奇异点,用到了指纹图像在多种尺度下的不同阶Gaussian-Hermite矩分布,并用一种基于主分量分析(principal component analysis,简称PCA)的方法分析指纹图像的Gaussian-Hermite矩分布.实验结果表明,该算法能够准确地确定奇异点位置.     

基于直方图包络的红外图像边缘检测

针对高压输电线路红外图像的特点提出一种基于直方图包络曲线的图像边缘检测新算法。为了抑制红外图像中噪声的影响,利用Savitzky-Golay（S-G）滤波器求取灰度直方图的包络曲线来平滑噪声,根据包络曲线的极值点对红外图像进行边缘提取。实验结果表明,该方法简单有效、定位精度高、优于传统的几种边缘提取算子。     

基于激光雷达数据的行人检测

在自动驾驶领域涉及的众多任务中,行人识别是必不可少的技术之一。针对基于图像数据的行人检测算法无法获得行人深度的问题,提出了基于激光雷达数据的行人检测算法。该算法结合传统基于激光雷达数据的运动目标识别算法和基于深度学习的点云识别算法,可以在不依赖图像数据的条件下感知和检测行人,进而获取行人的准确三维位置,辅助自动驾驶控制系统作出合理决策。该算法在KITTI三维目标检测任务数据集上进行性能测试,中等难度测试达到33.37%的平均准确度,其表现领先于其他基于激光雷达的算法,充分证明了该方法的有效性。     

基于轮廓与SIFT特征组合的商标图像检索

针对单一特征对商标图像描述的局限性,提出了一种基于轮廓和SIFT特征组合的商标图像检索方法。该方法对二值化的商标图像进行轮廓提取,采用规则算法对其进行轮廓分解,对分解的参考点集进行Fourier变换,将得到的Fourier系数作为参考点的轮廓特征。针对商标图像的尺度空间进行极值点检测,并对检测到的极值点进行特征描述,该特征描述即为商标图像的SIFT特征描述。最后,SIFT特征与轮廓特征进行特征融合,并将融合后的组合特征作为对商标图像的特征描述。     

基于机器视觉的打磨工件跟踪方法研究

为克服在自动化生产中跟踪打磨工件时受尺度变化、部分遮挡等因素影响跟踪效果的问题,提出了一种基于机器视觉的打磨工件长时间目标跟踪算法。该算法对传统的KCF目标跟踪算法做了尺度估计、质心位置预测和质心修正重定位的改进,首先在与传统KCF算法结合的基础上,计算出运动目标质心位置的同时引进尺度金字塔来进行目标尺度估计;然后提出一种质心位置预测方法估计其质心运动;最后为了防止目标丢失使用质心修正重定位方法进行质心重定位,提高了跟踪的稳定性。实验证明,在工件发生尺度变化、部分遮挡等的情况下,本文方法具有良好的检测效果,并具有较强的鲁棒性。