利用直方图调光算法来提高车牌识别率

在现有各种调光方法的研究基础上,提出一种基于图像策略的先进调光算法-车牌直方图调光算法的车牌抓拍与识别方法.首先,利用车牌的直方图分布来判断曝光信息,根据曝光信息,在亮度模式下通过调节亮度基准的方式实现在复杂光照条件下的自动曝光控制,克服了现有调光方法的不足.同时本文也介绍了该调光算法的具体实现流程.最后以"智通慧眼"车牌抓拍识别设备为例,对该算法进行了实地测试.实验结果表明,与传统调光的车牌识别算法进行比较,本文提出的算法可以有效地提高车牌识别率,并可以直接在车牌抓拍与识别的前端嵌入式视频采集设备中得到应用.     

无人驾驶车辆光学传感器自适应曝光算法研究

为保证无人驾驶车辆图像采集系统能够在光线强弱变化的环境中获取更为可靠的道路信息,提供更多的道路边界,提出一种自适应曝光算法.利用光学传感器特性,将采集图像转化为灰度值,并运行进行动态阁值比对处理,快速获取下一周期正确曝光点.在道路实际的测试中,该算法能够快速并有效获取道路信息,后续的边界处理较为清晰.     

极端先验下的编码曝光运动目标模糊成像复原

采集运动目标图像时,由于目标与采集相机之间产生相对运动造成图像模糊.为了获得清晰运动目标图像,提出了极端先验下的编码曝光运动目标模糊成像复原方法.该方法将传统曝光快门的一次开合过程转变为特殊逻辑编码的多次开合过程,将频域中将窄带滤波扩展为宽带滤波,进而将原始目标高频信息保留在模糊图像中.通过建立极端先验下的正则化编码曝光优化函数,提出了一种有效的编码曝光图像复原迭代和核估计算法.本方法利用编码曝光保存目标原始信息,再利用图像的极端先验自然属性有效复原.在多组合成和实际采集编码曝光运动模糊图像复原中,利用图像质量评价指数表明本方法能够在不同相对运动模式下均获较好的复原效果.     

基于深度学习的工业分拣机器人快速视觉识别与定位算法

针对工业分拣机器人识别复杂工件慢、精确度低以及定位不准等问题,提出一种基于深度学习的快速识别定位算法.通过工业高精度相机获取目标图像信息,经过图像灰度化、图像滤波、Otsu二值化处理,再经边界像素检测算法定位并分割目标图像.运用已训练的深度卷积神经网络(CNN)对目标进行识别,得到目标所在的位置坐标以及所属类别,实现工业机器人分拣.实验测试中以纹路复杂的象棋为例进行定位识别,结果表明定位算法误差小于0.8 mm,最快识别速度达0.049秒/个,在实验环境中识别精度能保持在98%以上,表明算法具备良好的准确性和稳定性.     

强磁环境下室内设备的轮式机器人自动巡检方法

强磁环境下轮式机器人难以准确定位仪表盘，导致仪表图像识别误差较大。为此，设计强磁环境下室内设备的轮式机器人自动巡检方法。建立表盘重点区域定位模型，通过二维卷积操作特征定位摄影机中影像重点区域；提取仪表图像特征，建立回归方程获取目标区域的特征点，得到排除强磁环境干扰的图像特征提取方法。设计轮式机器人巡检仪表自动识别算法，通过双向匹配法控制巡检结果的误差。实验结果表明方法对圆周指针型仪表的识别误差控制在0.5以下，可准确识别电子数字型仪表，提高仪表图像识别精度。     

面向无人驾驶车感知系统的自动曝光方法

为了采集清晰且稳定的图像,提出了一种相机自动曝光方法.首先在初始帧图像中检测交通标志,根据交通标志的检测结果,在划分的9个区域中确定感兴趣区域.利用HSV颜色空间中V分量直方图来准确判断图像的曝光情况,并依据感兴趣区域的位置和曝光情况来选择权值矩阵.最后利用灰度值方法获取下一帧图像的曝光时间,完成车载相机的自动曝光.实验结果表明该方法能够快速、有效地完成相机的自动曝光,并对逆光和背光具有一定的适应性.     

一种基于FPGA的自动曝光算法与设计

随着数字图像处理技术的发展,自动曝光算法在图像获取领域扮演着重要的角色。针对自动曝光问题,设计了一种基于FPGA的自动曝光算法。该算法利用FPGA强大的并行计算能力和灵活的可配置性,实现了快速高效的自动曝光过程。首先对原始图像数据进行预处理,包括数据对齐、数据采样和串并转换,然后利用乒乓操作对图像数据进行连续不间断的缓存和读取,最后对像素进行采样,同时计算图像灰度均值,并依此来计算曝光时间,从而实现自动曝光功能。经过仿真验证,可以证明该自动曝光算法具有可行性,在数字图像处理领域具有一定的参考价值和广泛的应用前景。     

一种应用于高动态范围CMOS图像传感器的曝光控制技术

本文针对提高CMOS图像传感器的动态范围,提出了一种新的组合滚筒式曝光技术。由目前现有的技术可知,多次滚筒式曝光一般选择在单帧的时间周期内完成。根据不同的曝光参数,CMOS图像传感器芯片输出不同的图像,然后再将其组合成一帧宽动态范围的图像作为最后输出。本文提出的方法,通过充分利用滚筒式曝光时的空闲电路资源,有效地缩短了相邻图像间的时间间隔。这种方法将多次滚筒式曝光穿插进行,实现对目标图像的多次成像,从而有效提高了系统效率和输出响应速度。     

复杂环境下的多工件定位研究

为了获取工业流水线上工件精确的位姿信息,提出一种在复杂环境下同时定位多个工件的方法。首先在复杂环境下采用基于边缘梯度的匹配算法及图像金字塔搜索策略快速识别多个目标,得到目标在图像坐标系中的精确位置信息。然后通过张正友棋盘标定法对单目摄像机进行标定,获得摄像机的内参数及畸变参数。最后,通过优化最小二乘法建立了一种图像坐标系到世界坐标系间的转换关系,实现目标由图像坐标系到世界坐标系中的精确位姿定位。实验表明该方法能在杂乱背景、部分遮挡及非线性光照等环境下,准确地定位工件,鲁棒性较高;识别目标的平均时间在0.5 s以内,工件在x-o-y平面的定位误差小于1 mm、姿态角度定位误差小于1°,可以满足工业应用中复杂环境下的实时性和精度要求。     

编码曝光图像的L0正则化去模糊重建方法

目标的运动会导致其成像模糊。为了从模糊的图像中恢复清晰的目标图像,本文采用了编码曝光成像技术。与传统相机成像中快门一直处于开启的状态不同,编码曝光相机成像是在快门开启和闭合转换过程中成像。由于在时域快速转换的编码等效为频域较宽的滤波器,因此编码曝光成像有效地保留了目标的高频信息。为了从编码曝光图像中清晰地复原图像,本文设计了能保留图像高频细节的L ₀正则项约束的图像重建和模糊核估计方法。通过待重建图像与模糊核的交替迭代更新来完成图像重建。仿真合成图像和实际采集图像的实验表明,本方法对多种运动产生的模糊均有良好的图像复原效果。     

BONSAI: 3D object recognition using constrained search

BONSAI, a model-based 3D object recognition system, is described. It identifies and localizes 3D objects in range images of one or more parts that have been designed on a computer-aided-design (CAD) system. Recognition is performed via constrained search of the interpretation tree, using unary and binary constraints (derived automatically from the CAD models) to prune the search space. Attention is focused on the recognition procedure, but the model-building, image acquisition, and segmentation procedures are also outlined. Experiments with over 200 images demonstrate that the constrained search approach to 3D object recognition has an accuracy comparable to that of previous systems     

A probabilistic matching algorithm for computer vision

A model-based vision system attempts to find correspondences between features of an object model and features detected in an image for purposes of recognition, localization, or inspection. In this paper we pose the relational matching problem as a special case of the pattern complex recognition problem and propose a probabilistic model to describe the images of an object. This Bayesian approach allows us to make explicit statements of how an image is formed from a model, and hence define a natural matching cost that can be used to guide a heuristic search in finding the best observation mapping. Furthermore, we show that even though the nature of the feature matching problem is exponential, the use of the proposed algorithm keeps the size of the problem under control, by efficiently reducing the search space.     

Appearance-based recognition of 3-D objects by cluttered background and occlusions

In this article we present a new appearance-based approach for the classification and the localization of 3-D objects in complex scenes. A main problem for object recognition is that the size and the appearance of the objects in the image vary for 3-D transformations. For this reason, we model the region of the object in the image as well as the object features themselves as functions of these transformations. We integrate the model into a statistical framework, and so we can deal with noise and illumination changes. To handle heterogeneous background and occlusions, we introduce a background model and an assignment function. Thus, the object recognition system becomes robust, and a reliable distinction, which features belong to the object and which to the background, is possible. Experiments on three large data sets that contain rotations orthogonal to the image plane and scaling with together more than 100 000 images show that the approach is well suited for this task.     

Fusing continuous spectral images for face recognition under indoor and outdoor illuminants

Novel image fusion approaches, including physics-based weighted fusion, illumination adjustment and rank-based decision level fusion, for spectral face images are proposed for improving face recognition performance compared to conventional images. A new multispectral imaging system is briefly presented which can acquire continuous spectral face images for our concept proof with fine spectral resolution in the visible spectrum. Several experiments are designed and validated by calculating the cumulative match characteristics of probe sets via the well-known recognition engine-FaceIt^®. Experimental results demonstrate that proposed fusion methods outperform conventional images when gallery and probes are acquired under different illuminations and with different time lapses. In the case where probe images are acquired outdoors under different daylight situations, the fused images outperform conventional images by up to 78%.     

基于多角度图像匹配的手机拍照场景识别研究

针对目前手机拍照识别过程中难以识别大角度旋转和俯仰角度变化目标的问题,设计并实现了能够容忍图像旋转和扭转变化的改进型SIFT关键点匹配算法;该算法通过模拟目标任意多角度水平旋转和垂直扭转,提前计算多组SIFT特征;在手机拍照识别景观建筑时,匹配目标图像的SIFT特征与多组特征从而识别目标多个侧面;实验结果表明,该识别系统对任意角度拍摄的手机图像的识别准确率达80%以上,计算耗时仅10s,具有一定的实用性和推广价值。     

A vision system for object verification and localization based on local features

An object verification and localization system should answer the question whether an expected object is present in an image or not, i.e. verification, and if present where it is located. Such a system would be very useful for mobile robots, e.g. for landmark recognition or for the fulfilment of certain tasks. In this paper, we present an object verification and localization system specially adapted to the needs of mobile robots. The object model is based on a collection of local features derived from a small neighbourhood around automatically detected interest points. The learned representation of the object is then matched with the image under consideration. The tests, based on 81 images, showed a very satisfying tolerance to scale changes of up to 50%, to viewpoint variations of 20°, to occlusion of up to 80% and to major background changes as well as to local and global illumination changes. The tests also showed that the verification capabilities are very good and that similar objects did not trigger any false verification.     

基于机器视觉的啤酒瓶检测系统研究

为了提高啤酒瓶的检测效果,提出了一个基于机器视觉的啤酒瓶检测系统的方案.根据啤酒瓶检测过程的高速度、高精度和实时性的特点,设计了系统中图像获取、图像处理和图像识别的过程和方法.利用图像滤波去除获取的啤酒瓶数字图像中的噪声,通过二值化将物体和背景分离,再经过边缘检测提取边缘,最后识别和分类有缺陷的啤酒瓶.实验结果表明,该方案能够快速有效地对啤酒瓶进行检测,提高了检测效果,具有一定的可行性和现实意义.     

实时虹膜识别系统中的图像预评估检测

在采集虹膜图像样本时,会由于各种原因而出现不同类型的坏样本。由于现有的图像质量评估方法需要在虹膜定位或者粗定位之后,根据虹膜的清晰度或分辨率来进行判定,因此只能检测出特定类型的坏样本。为了能对各种类型坏样本进行检测,在分析坏样本产生原因和类型的基础上,提出了一种实时预评估网络的检测方法,即在定位或者粗定位处理之前,预先对缓存中的图像进行评估,再根据预评估检测的结果来决定是重新采集,还是进入后续的处理。其目的是,①节省现有的图像评估在定位处理上花费的时间和降低采集失败率,以提高识别系统的友好性;②减少因为坏样本的输入而导致的定位出错,以避免引起误识别的可能;③提高识别率的同时降低识别系统的注册失败率。实验结果表明,这种方法不仅可以检测出多种类型的坏样本,且检测错误率低,同时具有较高的评估速度,可以满足实时虹膜识别系统的要求。     

一种新型红外立体视觉定位系统研究

为实现视觉目标可靠快速三维定位,设计了一种新型的基于DSP的嵌入式主动双目红外视觉系统。与普通的红外相机不同,该系统采用常规CCD相机加红外滤光片的新方法采集红外图像,通过红外滤光后的低噪声图像可以转化为低噪声二值化图像,以此提高目标定位的准确度。提出了离散化遍历视觉目标搜索算法,通过离散控制两个相机的旋转和倾斜运动,实现视觉目标快速主动遍历搜索。实验证明,该系统目标三维定位有良好的鲁棒性。