面向工业复杂场景的合作靶标椭圆特征快速鲁棒检测

针对工业制造现场复杂场景下典型合作靶标识别需求,提出了一种椭圆特征快速鲁棒检测方法.首先对预处理图像进行边缘跟踪和弧段分割筛选分组,通过基于帕斯卡定理的邻接象限弧段匹配和基于关系矩阵的边缘弧段聚类,对具有椭圆匹配性的边缘弧段实现快速聚类.然后采用非迭代最小二乘拟合方法获取椭圆参数,并根据参数特征去伪,得到最终检测结果....     

ICT图像实体重建技术中的边缘检测和特征识别

在ICT图像实体重建技术中，需要进行实体轮廓的边缘检测和特征识别。本文采用Sobel算子对图像进行边缘检测，得到图像的边缘点，通过多次过滤进行边缘细化；然后根据轮廓跟踪准则对边缘点进行排序，将图像数据转化为具有单像素宽的轮廓线；最后对轮廓线加以识别，用线段来表示实体的同一特征体素。     

基于快速视网膜局部特征的遥感图像目标识别

针对目前航天遥感图像信息复杂、数据量大,导致目标识别中特征检测准确度低、特征匹配识别时间长的问题,提出了一种基于差分加速分割角点检测算法(AGAST-Difference)和快速视网膜关键点描述算法(FREAK)相结合的目标识别方法。在特征检测阶段,建立AGAST-Difference特征检测算子,将尺度空间理论融合到加速分割角点检测算法(AGAST)中,生成具有强仿射不变性的特征点;再利用简化的FREAK采样模型描述局部特征,并构建二进制特征向量,通过计算向量间的汉明距离,完成特征匹配及目标的快速识别;最后选用美国Quick Bird卫星的遥感图片进行验证,实验结果表明,所提特征检测算子仿射不变性能较强,不仅提高了检测的可重复率,而且特征描述符区分性较强,平均匹配正确率提高了9.91%,识别用时仅为35 ms。该方法识别效率高、速度快,能够满足遥感图像实时识别的需求。     

基于边缘检测自动位置补偿的缺陷识别技术

提出首先利用自动位置补偿功能对检测对象进行分析定位 ,通过CCD实时准确地采集图像 ,并利用特征提取与边缘检测技术对图像进行预处理 ,运用多种图像处理技术 ,结合PLC自动控制 ,对缺陷信息进行自动检测 ,实现边缘检测分析技术与自动位置补偿的有机结合 ,在环形区域的缺陷识别上得到很好的应用     

复杂场景下应用成像Ladar的自动目标识别

针对目标部分被树木遮挡时造成的识别困难,提出了基于成像激光雷达(Ladar)的自动目标识别算法.介绍了采用的数据分类、数据拼接、目标姿态调整和基于高度直方图的目标识别等方法的操作步骤.应用图像处理技术对场景数据进行分类,实现地面、目标和树木的分离;利用图像帧之间内在的相关性,采用"由粗到精"的方法求出数据变换矩阵并进行数据拼接;根据目标位置的法线方向进行目标姿态调整得到目标高度直方图.最后,将采集的目标高度直方图同存储的模型高度直方图进行匹配,识别出目标类型.实验结果表明:目标提取部分占目标总面积的90%以上,对目标的识别率高于99%,基本满足自动目标识别算法的稳定可靠、识别率高、抗干扰能力强等要求.     

微小尺寸零件复杂边缘识别算法研究

目的：为了实现对微小尺寸零件复杂边缘的识别,根据微小尺寸零件加工特性,提出一种微小尺寸零件复杂边缘显微图像识别算法。方法：该算法通过对不同工件的边缘过渡区进行提取,建立不同工件边缘过渡区的数学模型,再从数学模型中根据加工特性确定边缘点精确位置。结果：实验结果表明：精研磨工艺的零级1mm标准量块的测量误差为0.395μm。结论：通过对精研磨、冲压、线切割三种常见微细加工方法建模分析得出：加工特性对微小型结构件边缘区域影响较大,边缘精确识别时应考虑加工特性的影响。该算法思想上考虑了实际加工特性的影响,算法上加入统计学方法,通过建立过渡区数学模型使边缘检测结果达到亚象素级。     

复杂场景中相关滤波跟踪算法的优化

相关滤波跟踪器近几年在许多视觉跟踪任务中都取得了优异的性能,显示出了较高的精度和帧率。但限制其跟踪性能的问题仍有很多,例如图像表征方式单一,传统尺度估计的方式计算复杂度高,对快速运动、背景杂乱等复杂场景跟踪效果不佳。针对这些问题,提出了一个跟踪框架来分别估计目标位置和尺度的变化,通过相关滤波和颜色直方图模型相结合的方式评估目标位置,再从最可信帧中训练核尺度相关器来预测目标的尺度变化。同时,对模型采用保守的方式进行自适应在线更新,以防止误差累加破坏模型。在跟踪数据集（OTB-2015）中该算法在运动模糊、尺度变化、背景杂乱、快速运动等挑战性场景中表现出良好的优越性。     

复杂背景中低对比目标的提取

在复杂背景中提取低对比的目标是电视跟踪、测量系统进一步发展需要解决的重点课题，是提高作用距离、快速、准确地捕获目标和精密跟踪、测量的先决条件。针对如何在复杂背景中提取低对比目标的技术途径，结合实际工程研制和外场实验进行了探讨。     

微小尺寸零件复杂边缘识别算法

提出了一种基于显微图像的微小尺寸零件复杂边缘识别算法.该算法通过对不同加工方法的边缘过渡区进行提取,建立边缘过渡区的多项式回归模型,然后从多项式模型中根据加工特性和零件的实际应用,利用求导的方法确定边缘点精确位置.实验结果表明:精研磨零级1 mm标准量块的测量误差为0.395 μm.通过对精研磨、冲压、线切割3种常见微细加工方法建模分析得出:加工特性对微小型结构件边缘区域影响较大,边缘精确识别时应考虑加工特性的影响.该算法在思想上考虑了实际加工特性的影响,算法上加入了统计学方法,通过建立过渡区数学模型使边缘检测结果达到亚像素级;而且识别的单像素宽,其连续的边缘能进一步满足精密测量的需要.     

复杂背景下边缘提取与目标识别方法研究

通过对传统形态学边缘提取方法的分析,提出了基于形态学多结构元边缘提取算子,该算子既有良好的边缘提取特性,又很好地解决了噪声抑制和保持图像边缘细节之间的矛盾,通过灰度加权平均值作为阈值进行二值化,更加突出了边缘效果。针对目标成像特点,在提取图像中边缘的像素数、复杂度和最小外接矩形长宽比等多个特征的基础上,通过计算图像中目标边缘的特征评价函数和隶属度函数,利用模糊综合评判技术进行了目标识别。模拟试验表明:基于形态学的多结构元算子具有较强的噪声抑制能力,可以很好地提取复杂背景下的目标边缘;模糊综合评判技术可准确提取目标,较好地解决了复杂背景下的目标识别的难题。     

基于剪切波变换的复杂海面红外目标检测算法

针对复杂海面红外目标检测问题,利用剪切波变换优良的各向异性能力和系数的几何特性,提出了一种基于剪切波变换的复杂海面红外目标检测算法.该算法利用剪切波变换得到边缘图像,同时提供边缘的方向信息,极大提高了海天线的检测和识别概率;然后根据海天线位置进行边缘加权,抑制海杂波,保留目标信息;经过减行均值滤波,对加权边缘图像进行分割;最后,进行数学形态学处理,检测出舰船目标.实验结果表明,该算法可以在单帧图像中检出目标,并且对存在阳光亮带、海杂波等干扰的复杂海面背景取得较好的检测效果.     

目标识别在激光水平尺光点精度检测中的应用

对激光水平尺激光光点精度检测中的目标识别算法进行了深入探讨,提出了两种目标识别的方法,并对这两种方法进行了分析和比较。     

机载复杂场景下的低虚警红外目标检测

机载红外光电探测系统进行下视复杂场景目标探测时,地面虚警干扰源同弱小目标在空间分布上一致,传统算法会导致大量虚警.因此,提出一种基于运动目标特征的多维度特征关联检测算法.该算法首先对复杂场景进行特征点检测,引入基于相对速高比的跳帧机制,对经过图像配准的帧间图像进行差分处理检出候选目标.同时,结合基于核相关滤波的目标相似...     

仿射变换的飞行器识别

为了快速识别数字图像中的飞行器类型,在取得飞行器闭合轮廓线的基础上,提出了基于飞行器结构特征点和仿射变换的飞行器识别算法.利用飞行器的对称性,确定飞行器的特征点;将这些特征点作为两幅不同图像的匹配点,计算数字图像之间的单应矩阵;根据所得的单应矩阵进行仿射投影,将一幅图像中飞行器的轮廓线投影到另一幅图像上,并对该图像上的两个飞行器的轮廓进行比对,判断这些图像中的飞行器是否为同一类型.实验表明:在取得飞行器闭合轮廓线的前提下,可在0.2 s内给出判定结果,基本满足指挥自动化系统对目标识别模块的稳定可靠、快速准确的要求.     

基于图像处理的啤酒罐装高度检测方法研究

本文对图像处理技术的概念、特点、构成进行了概述。对现有的经典图像分割和识别方法进行了剖析，对比了使用不同边缘检测方法对理想情况下(未加噪声)的图像进行了液位识别和液面高度的提取，并对加入均值为零方差不同的高斯噪声的图像使用了同样的边缘检测方法进行液位识别和液面高度的提取。     

基于八邻域跟踪算法的封闭区域几何尺寸测量

提出了基于八邻域跟踪算法的任意形状封闭区域几何尺寸测量。首先对目标图像进行二值化．然后再利用八邻域跟踪目标区域边缘得到目标边缘坐标点,最后根据欧氏距离公式和格林公式计算目标区域的周长和面积。该方法实现容易、计算结果准确、测量精度较高,为图像的进一步分析提供了依据。     

一种基于颜色聚类和种子填充的目标识别算法

针对类人足球机器人目标识别易受光照强度变化影响的问题,改进了常规的扫描线种子填充算法,提出了一种基于颜色聚类分割和种子填充的目标识别算法。该算法采用HSI颜色模型,依据亮度和饱和度信息对图像粗分割,基于阈值将彩色区域和灰色区域分离,同时将灰色区域二值化;基于色调直方图聚类分析对彩色区域的像素进行了归类,通过改进扫描线种子填充算法实现了色块的最简扩充和特征提取,使颜色分割和特征提取同步进行,解决了目标物体的快速、精确识别。实验结果表明,该算法抗干扰能力强,分割精度高,能满足实时性要求,具有一定的实用价值。