利用椭圆性质提取椭圆

基于在文献［１］中开发的曲线提取算法的框架，并利用由椭圆的极点极线性质开发的三点组到椭圆参数的收敛映射，我们开发了一个鲁棒地从直接提取椭圆的以椭机Ｈｏｕｇｈ变换（ＲＨＴ）和椭圆性质为基础的椭圆提取新技术。用精确仿真的计算机图象和真实图象进行的大量实验证明了该技术的正确性、有效性和实用性。     

基于广义概念格的广义粗近似空间中规则的发现与提取

This paper proposes a new method of constructing generalized concept lattice and producing rules from it in the generalized rough approximate space based on generalized similar relation which is more extensive than equivalent relation.Finally,a simple algorithm is presented to extract rules based on interesting measure.     

基于简化GEVD技术的椭圆拟合算法

传统的椭圆拟合使用标准广义特征值(GEVD)分析算法.通过统计分析技术,可知该技术在拟合数字椭圆时,存在估计偏差大、均方误差大的缺点.其产生原因是数据噪声的有色性和自相关函数矩阵的条件数过大,因此对数据噪声的预白化滤波和对数据的正则化变换是提高椭圆拟合的有效措施.这从理论上有力支持了Hartley提出的正则化技术.根据分析,我们开发了一个简化GEVD技术.通过理论分析和计算机仿真实验,表明了它固有地同时具备噪声预白化功能和数据正则化功能,因此,它能给出均方误差相当小的无偏估计,由于它无须进行预白化变换或正则化变换,并把求解GEVD过程的维数从6降为2,所以它还具有计算快速、实现简单方便的优点.     

微细特征三维测量系统标定的精确椭圆提取方法

针对目前小微测量系统标定中圆心提取精度低与稳定性差的问题,提出了一种精确的椭圆中心提取算法。利用Zernike正交矩进行亚像素边缘检测,通过矩阵的块分解进行椭圆拟合。根据提取的亚像素边缘数据点,计算出最佳椭圆参数,提取中心。采用张正友的平面标定算法进行了标定实验,结果表明:所提算法精度高、稳定性好、易于实现。     

正交几何椭圆拟合与代数拟合及椭圆定义的迭代拟合的比较分析

通过把正交几何椭圆拟合与代数拟合和椭圆定义的迭代拟合进行比较分析,考虑到原有拟合存在的缺陷,充分应用正交的概念及最小二乘法(LS)原理和方法的优点,对椭圆进行正交的几何拟合。实验表明,正交几何拟合很好地弥补了其它拟合方法的缺陷,取得良好的效果。     

基于各点异性理论的椭圆拟合算法

分析椭圆拟合应用中常用算法对噪声过于敏感、抗干扰能力差的缺点,提出一种鲁棒性较强的椭圆拟合算法。采用各点异性回归技术,建立误差与变量有关的(EIV)模型,根据数据矢量观测集合最优地估计线性EIV模型参数和数据矢量真值集合。实验结果表明,该算法精确度高,当初始值与真实值差距较大时,仍然可以快速、稳定地收敛。     

一种基于变形模板的椭圆提取算法

针对普通的动态轮廓算法对曲线仅提供有限的连续与正则性约束,虽然带来了局部的灵活性,却丧失了全局的完整性,从而导致轮廓提取结果强烈敏感于图像噪声及邻近边缘点,针对这一问题,给出了一种基于椭圆变形模板的椭圆提取新算法。该算法使用一种基于椭圆形状约束的变形模板,由于其能量最小化过程直接在椭圆的参数空间中进行,从而可保证提取的结果一定是椭圆。此外,算法还容许同时提取多个椭圆,并可充分利用各个椭圆参数及其相关性(例如同心椭圆)等先验知识来实现快速、准确、鲁棒的椭圆提取。仿真结果与实际图像应用表明,该新算法是有效的。     

基于中点提取的椭圆检测算法

针对Hough变换检测椭圆时存在运算速度慢、需要大量储存空间的问题,提出一种快速的随机椭圆检测算法。该算法随机采样2点并搜索第3点,再利用椭圆极径性质求出椭圆中心坐标,接着通过坐标变换得到简化的椭圆方程,解方程组求出椭圆剩下的参数。在证据收集确认候选椭圆时,只选取椭圆外切矩形内的边缘点,同时利用特殊的累积记录函数对候选椭圆参数进行进一步判别。实验结果表明,该算法具有检测速度快、精度高、抗椭圆部分缺失的能力强等优点。     

广义曲边四边形区域族上的正交多项式

本文研究广义曲边四边形区域族上自共轭偏微分方程本征多项式的构造问题.文中分析了过四点:(1,1),(1,-1),(-1,-1),(-1,1)的二元四次区域上PDE本征多项式的主要性质,讨论了带权函数的Jacobi型正交多项式的存在性,构造与递推公式,并在一类椭圆域上具体构造出新的本征方程.文后附有相应本征值试算的数值结果.     

广义正交多项式用于时变延时线性系统的参数辨识

应用广义正交多项式(GOP)的展开式估计时变延时线性系统的参数.其基本思想是状态函数和控制函数分别用有限多项广义正交多项式表示,利用GOP的运算矩阵,将时变延时微分方程转化为用展开系数表示的线性方程组,通过输入输出数据,参数能够辨识.     

基于角点的监控摄像头干扰检测

提出一种新的实时检测摄像头干扰的方法,建立一种基于最小核值相似区SUSAN(Smallest Univalve Segment AssimilatingNucleus)角点的图像特征函数,由于干扰发生时相对的几帧图像与正常图像相比会发生显著变化,因此通过比较图像的特征函数值来检测干扰的发生。利用一种逻辑判断方法做到对突变和渐变干扰的全面检测,并且避免对无害行为的误检,使之更具鲁棒性。对比已有的方法,分别对不同场景及不同类型的摄像头遮挡和转动干扰进行了多组测试,实验结果显示,该方法明显优于其它算法,能够很好地检测出对摄像头的遮挡及转动干扰,并且很好地避免了对无害行为的误检。     

一种新的基于小波变换的边缘检测方法

本文根据经典的基于小波变换的多尺度边缘检测方法,提出了关于一维信号和二维信号的基于相邻尺度上小波变换乘积的边缘检测方法,该方法可以有效地增强边缘和抑制噪声,对一维和二维信号的计算机仿真实验表明该方法是正确的和有效的。     

基于RetinaNet的场景文字检测算法

针对场景文字区域尺度变化较大,具有较大的长宽比,且具有任意方向性等问题,提出一种基于神经网络的场景文字检测模型.基于直接回归方法设计,无需预先设置锚框,在多次层次构建特征,且在多个分支之间共享卷积核.实验阶段在多个数据集上验证了模型的有效性,相较于现有方法,该模型计算资源消耗更小,推理速度更快,整体性能更好.     

一种基于模糊逻辑的实用睡意检测方法

提出一种基于普通摄像头快速有效的人眼定位和睡意检测方法,对光照、姿势和背景都具有较好的鲁棒性.首先从USB摄像头截取头肩部图像,经过光照补偿、运动检测和肤色处理粗定位人脸区域,再根据眼睛亮度、色度信息,数学形态学处理将眼部特征最大化,最后使用模糊逻辑筛选候选眼睛块,Hough圆检测判定眼睛状态.     

一种基于机器视觉的铁路道岔检测方法

道岔是使列车由一组轨道转移到另一组轨道上去的装置。基于机器视觉的铁路道岔检测方法通过机器视觉系统和图像处理技术,实现对换轨时道岔间距进行高速,实时的测量,保证行车更加安全平稳。其关键技术就是有效提取道岔缝隙边缘并转化为参数空间进行精确测量。道岔背景复杂,简单的检测算法不能给出理想的检测结果,传统的Hough变换对于缝隙信息的提取有局限,采用改进的Canny边缘检测和Hough变换,同时结合最小二乘法实现对铁路道岔间距的测量。算法经过VC++编程实现,能够有效对道岔进行检测,为铁路道岔报警系统设计提供参考,为检测直线状缝隙提供方法。     

基于样条小波的有噪图像边缘检测方法

图像的边缘和轮廓包含了图像的重要特征信息。在模式识别等领域中,能否正确检测到图像的边缘轮廓是十分重要的。当图像数据混有噪声的时候,对边缘的检测比较困难,文中采用了小波多尺度去噪和局部极大模边缘检测相结合的方法,在受白噪声污染的图像边缘检测方面得到了较好的效果。     

基于最小二乘法的文档图像倾斜检测方法

在文档扫描过程中,输入的文档图像不可避免地会发生倾斜现象,而布局分析及字符识别算法对页面倾斜都十分敏感,因此倾斜检测和校正是文档分析预处理的重要环节。本文提出了一个基于最小二乘法的倾斜检测方法。它将字符连通区包围盒底边中心点作为特征点,利用文本行中特征点与基线的关系,将特征点用最小二乘法拟事出基线的方向,即为页面倾斜方向。同时,本文介绍了一种基于直线拟合的快速倾斜校正算法。实验证明,该算法速度快,准确度高。     

一阶方向导数极值法--一种检测边缘的新方法

文中通过傅里叶变换（Ｆｏｕｒｉｅｒ ｔｒａｎｓｆｏｒｍ）,在频率域,通过求垂直于边缘的阶方向导数,并检测其极值（极大或极小）点来确定边缘,同时,参考一阶方向导数的数值来排除一些非边缘点（一阶方向的数值为数者,零也为常数）,实验证明该方法检测边缘有准确度高,而且不选取门限值（阈值）。     

基于六角网格的椭圆快速生成算法

大多数图形生成算法均是针对方形网格系统,即直角坐标系,而研究表明,屏幕上的网格点最佳分布是按六角网格分布的,本文就椭圆在六角网格的生成,提出了一个快速有效的并行算法。算法中全部采用了整数型运算。     

基于NVIDIA JetsonTX2的视频行为检测研究

行为检测是计算机视觉领域的一个重要研究方向,在交通监控、人机交互等方面都有着广泛的应用。目前,基于深度学习的C3D行为检测网络与传统行为检测相比,其检测精度虽然有了提高,但存在网络参数量大的问题。为进一步提高检测结果的准确性以及降低网络参数量,采用改进的SqueezeNet与C3D相结合的卷积神经网络,并引入BN层与short-cut结构。将训练模型部署到NVIDIA JetsonTX2上,对视频行为进行分析、检测。实验结果表明,改进后的SqueezeNet-C3D卷积神经网络相比于C3D神经网络在精度上提高了4.4%;改进后的SqueezeNet-C3D网络与SqueezeNet-C3D网络相比,参数量降低了15%。可见该网络具有精度高、参数量少的优点。