基于随机采样一致性算法的平面匹配方法

针对传统的平面图像标定点匹配算法计算量大、准确性不高等问题,提出一种基于随机采样一致性(RANSAC)算法的快速高精度的平面图像标定点匹配方法。该方法首先基于双圆锥曲线模型,借助于椭圆边缘点附近的梯度信息求取椭圆的切线,由切线集合拟合出椭圆参数,并利用这些参数计算出椭圆圆心,即图像上的标志点;然后用RANSAC随机采样算法对标定板上的点和图像上的点进行匹配。实验验证该方法实现起来简单并且有较高的准确率。     

利用长轴估计的椭圆检测方法

提出了一种利用长轴估计进行椭圆检测的方法。根据对称图形边界对偶点的性质分析了椭圆轴端点的特征,对ADM边缘检测算子的改进获得了更精细的边点切线信息,利用轴端点特征及边点切线信息检查侯选长轴端点的合理性,长轴选定后,用一维累积数组对椭圆短轴进行累积。在合成图像和实际图像上的实验结果表明提出的算法正确有效。     

指纹脊线追踪算法研究

提出指纹脊线追踪算法,该算法根据指纹眷线上中心点的灰度(梯度)值的变化,把整条指纹脊线追踪出来,使用该方法直接计算出指纹脊线上的中心点,并根据中心点的灰度(梯度)的变化把它们连接起来,从而直接在原始图像中计算出指纹细化图像,减少了图像预处理过程,同时根据对中心点的追踪可以把断纹连接起来,提高处理精度.     

利用长轴检测椭圆

利用霍夫变换进行椭圆检测,需要寻找椭圆的参数。使用椭圆主半轴的长度,可以快速地寻找椭圆的参数。这种方法需要将椭圆的短半轴长度求解出来,然后仅使用一维的聚集数组收集椭圆短半轴的长度信息。该方法不需要计算椭圆的边的切线或者曲率,因此不易受到噪声的影响。该方法的实现不需要大量的内存。合成的图像和真实的图像测试表明,这种方法是有效的。     

改进非线性结构张量的含噪图像边缘检测

现有的边缘检测方法在含噪图像中的检测性能不佳.针对含噪图像的边缘检测问题,提出了利用引导核改进基于非线性结构张量的含噪图像边缘检测方法.首先,计算含噪图像的张量积.然后,根据图像梯度对张量积进行扩散,图像梯度依赖张量积本身.扩散方程中的扩散矩阵包含张量积,该张量积是通过各向异性的引导核进行空间自适应平均,而不是通过各向同性的高斯核进行平均.最后计算扩散张量积的特征值和特征向量,并基于此检测图像的边缘.将所提方法与基于线性结构张量的边缘检测方法、基于张量梯度扩散的非线性结构张量的边缘检测方法、基于图像梯度扩散的非线性结构张量的边缘检测方法进行比较,实验结果表明,所提方法可以得到更为清晰的边缘,并且检测结果中噪声较少.     

局部结构自适应的图像扩散

提出一种新的局部结构自适应图像扩散算法. 在图像扩散过程中, 传导系数不仅与梯度值有关, 而且受到局部结构的影响. 首先根据局部结构将像素分成三种类型, 对不同类型定义不同的传导系数函数, 再由这些函数根据梯度计算出扩散流量. 由于考虑到了局部结构信息, 可以在保留图像精细结构的同时快速、有效地滤除无规则的噪声. 在合成测试图和实际图像上的实验结果表明, 本文所提出的算法优于一些典型的图像扩散算法.     

梯度向量流的各向异性扩散分析

为了解决梯度向量流力场(gradient vector flow,简称GVF)难以进入目标凹部的问题,提出了一种新的主动轮廓模型外力场——各向异性梯度向量流.GVF的扩散项是各向同性且光滑性强的拉普拉斯算子,它在各个方向的扩散速度相同.拉普拉斯算子根据图像的局部结构可分为沿边界法线和切线方向的扩散,沿切线方向的扩散具有增强边界的作用,而法线方向扩散具有去除噪音、扩散力场的作用.基于分析二者在扩散过程中的作用,提出了一种各向异性梯度向量流扩散方法,切线和法线方向的扩散速度可以根据图像的局部结构自适应地选择.实验结果表明,与GVF相比,所提出的方法考虑了扩散过程中法线和切线方向的不同作用,能够进入细长的凹部,并改进了分割结果.     

一种识别SAR图像中椭圆目标的方法

提出了一种对SAR图像中的椭圆形目标进行自动识别的综合方法。它利用SAR图像所具有的统计特性、CFAR检测对SAR图像进行预处理。根据中心椭圆算法构造椭圆并计算以此灰度占空比系数,采用马氏距离从背景中识别出目标。实际SAR图像实验结果表明了该方法的有效性。     

一种基于变分方法的多分辨率域融合策略

针对常规多分辨率域融合策略的处理过于直接可能会降低融合图像质量的现象,提出了一种多分辨率域变分融合策略.该策略根据源图像分解系数的梯度信息构造目标系数梯度场,寻找梯度最接近目标梯度场的系数作为融合图像的分解系数.为了保持与源图像的相似性,对高、低频系数分别加入了约束条件.针对高频系数对噪声敏感的特点,还引入了全变分项来保证解的平滑性.在多聚焦图像、红外图像与可见光图像上的融合实验结果表明:与常规融合策略相比,提出的融合策略能够注入更多的空间细节信息,同时能更有效地保留源图像的结构信息.     

有效的海上运动目标检测方法

海浪由于在形成过程中受到物理规律的制约,从而呈现与海岸线近似于平行的弱边缘。相反的,物体则在各个方向上表现出比较强的边缘性。根据海浪和物体的这种不同成像特性,提出在单帧图像中采用Sobel算子计算梯度图像从而分割出感兴趣区域,然后从感兴趣区域出发,根据连续帧间的感兴趣区域的中心点是否移动来判断物体是否运动,从而找出运动的目标。实验表明,该方法鲁棒性好,能有效地减小误检和漏检的概率,较准确地检测到海上的运动目标。     

Precise ellipse estimation without contour point extraction

This paper presents a simple linear operator that accurately estimates the parameters of ellipse features. Based on the dual conic model, the operator directly exploits the raw gradient information in the neighborhood of an ellipse’s boundary, thus avoiding the intermediate stage of precisely extracting individual edge points. Moreover, under the dual representation, the dual conic can easily be constrained to a dual ellipse when minimizing the algebraic distance. The new operator is compared to other estimation approaches, including those limited to the center position, in simulation as well as in real situation experiments.     

单张平面圆图像的空间圆心快速提取方法

空间圆圆心坐标提取是视觉测量系统的关键技术之一。为了解决空间圆心坐标需要提取多视角图像椭圆圆心,而由于透视投影椭圆圆心并不是空间圆心像点的问题,提出了一种基于单张平面圆图像的空间圆心提取方法。该方法首先基于圆锥曲线特性根据相机光心坐标与成像椭圆像素坐标构建了空间圆锥方程,再根据圆锥方程构建出圆锥正底面表达式,根据正底面表达式求解出与空间圆所在平面平行的平面方程,最后根据平行平面与实际目标直径找出正确空间圆方程。该方法避免了空间圆心投影坐标求解与需要多张图像求解圆心的问题,只需单张图像即可求解出空间圆心坐标。实验结果表明,该方法能精确求解圆形目标中心空间坐标,有效提高了三维坐标的求解效率与精度。     

椭圆窗口和参数自适应的非局部均值算法

对于传统的非局部均值(NLM)算法,方形搜索窗口会将大量低相似度的图像块引入去噪图像的加权平均计算过程中,导致去噪图像的细节轮廓变得模糊.针对此问题,提出了利用控制核函数来获取椭圆窗口和图像块参数的自适应NLM算法.首先,根据图像的局部梯度信息和结构张量获得可描述图像局部边缘结构的椭圆方程,并由此确定搜索窗口的形状,从而将搜索窗口的搜索范围限制在与图像局部结构相一致的区域内;然后采用控制核函数获得和搜索窗口形状一致的椭圆形图像块,并结合平滑参数自适应的思想进一步增强算法效果.通过在不同噪声等级的经典灰度图中进行实验,实验结果表明,该算法相比于传统NLM算法和参数自适应的NLM算法,在客观的图像评价指标上,有着更高的PSNR和SSIM值;而在主观视觉上,随着噪声等级的提升,该算法在抑制噪声的同时,能够更好地保留住图像的高频纹理信息.     

圆形标志投影偏心差补偿算法

目的 圆形标志目前正广泛地应用于各类视觉测量系统,其圆心定位精度决定了测量系统的测量精度。当相机主光轴与标志表面不平行时,圆被映射为椭圆,圆心位置计算产生偏差。光轴与标志表面夹角较大或标志较大等情况下会产生较大的偏心差进而严重影响系统测量精度。为此,提出一种基于三同心圆圆形标志的投影偏心差补偿算法。方法 算法基于三同心圆的圆形标志设计,根据3组椭圆拟合中心坐标解算偏心差模型进行计算补偿。结果 针对圆形标志偏心差问题,同心圆补偿算法取得良好效果,有效提升了圆形标志定位精度。仿真结果表明,在拍摄角度、拍摄距离、圆形标志大小不同的情况下,偏心差在像素量级,补偿后偏心差在10^-11像素量级。实物实验结果表明,若设计有直径分别为6 cm,12 cm,18 cm的三同心圆标志,经解算补偿结果较以往两同心圆算法精度提高一倍,偏心差值减小80%,测量误差在0.1 mm左右。结论 本文提出了一种新的偏心差补偿算法,利用三同心圆标志增加约束解算偏心差。与以往偏心差补偿算法相比,此方法精度更高,且无需预先平差解算相机与目标的距离、拍摄角等参数,仅需要知道标志圆形半径比例及椭圆中心坐标即可计算补偿,具有很高的实用性,可用于改善基于非编码标志点的深度像匹配、基于圆形标志点的全自动相机标定方法、视觉导航定位等应用中。     

基于椭圆拟合的热带气旋中心定位研究

对热带气旋的中心进行定位是预测其未来路径的基础.提出了一种基于椭圆拟合模型的全自动客观方法来代替传统的基于螺线拟合的方法,以实现热带气旋的中心定位.该方法包含梯度方向融合、椭圆线段选取、椭圆中心聚类以及气旋中心确定4个步骤.采用卫星红外图像进行实验,结果表明,提出的椭圆拟合定位方法与中国气象局发布的热带气旋最佳路径数据集在经度和纬度方向的偏差均值小于0.12度,为热带气旋中心定位提供了客观准确的参考.     

基于最大内切圆的椭圆孔组检测

针对当前一些椭圆孔组工件检测成本高、时效低等问题,提出了一种基于最大内切圆的椭圆孔组检测方法。首先对椭圆孔组图像进行去噪、二值化和边缘检测等预处理;再根据椭圆的几何性质,结合椭圆中心估计方法和最值距离选取方法,求出椭圆最大内切圆,从而确定椭圆的中心坐标、长短轴长和倾斜角。实验数据表明,该方法能对椭圆孔组进行快速精确检测,在估计出椭圆中心的基础上能快速截取有效椭圆弧,大幅减少无效采样;与基于中心估计Hough椭圆检测算法和基于最小二乘改进椭圆检测算法相比,具有耗时短、精度高等优点,可有效应用于椭圆孔组工件的自动化检测。     

基于曲线拟合的Placido图像中心提取方法

中心提取是Placido图像特征提取的关键环节,提出了一种基于曲线拟合的中心定位方法。利用Hough变换定位图像的像素级中心,建立图像的极坐标系;在极坐标轴方向,通过亮环灰度变化曲线的导数特征检测亮环中心线;将亮环中心线进行曲线拟合,确定亮环中心位置。中心提取精度达到亚像素级,利用标准球验证算法精度,屈光度误差小于0.25D。与常规算法进行对比,分析结果表明,曲线拟合法在准确性和稳定性上更优,为绘制精确的角膜地形图提供了保证。     

改进的遮挡条件下瞳孔检测方法

受到眼睑、睫毛、反光等干扰,提取的瞳孔往往无法近似成标准的椭圆,给瞳孔精确检测带来了难度。针对遮挡问题,提出了一种改进的遮挡瞳孔精确检测方法,该方法首先获取瞳孔图像的感兴趣区域,在对该区域进行阈值分割的基础上,通过滤波去噪和扫描线法去除光源反光的影响;根据沿遮挡瞳孔的分界线进行水平旋转,应用内接平行四边形法确定瞳孔的中心;根据圆形检测理论,提出一种中心修正算法,将求得的两个圆的交点作为眼睑与瞳孔的交点,计算出旋转角度,从而精化瞳孔中心的定位;最后利用五点法计算得到的瞳孔椭圆参数作为初始值,通过最小化拟合椭圆与边缘点之间的欧氏距离,使得该椭圆在非线性最小二乘意义下是最优的。实验结果表明,该方法具有良好的鲁棒性和准确性,在遮挡不超过瞳孔面积一半的情况下,能得到较为精确的瞳孔位置和边界。     

PCB检测中圆Mark的快速精确定位

高密度电路板在缺陷检测时获取的圆形标志有时会变形,从而影响检测精度。为此,提出一种求取最圆椭圆度的Mark点精确定位算法。该算法将检测的彩色图像转换成灰度图,采用Otus的阈值分割技术使Mark区域与背景相分离,对图像进行二值化,求取边缘点(图像轮廓)。对图像轮廓进行椭圆拟合后求取椭圆的外接矩形,将矩形长与宽之差与矩形宽之比小于0.1作为判据,判断所求的是否为最圆的椭圆,输出Mark点中心。仿真测试结果表明,该算法具有高速、抗干扰能力强和鲁棒性高的特点。