二维形状的透视不变性认别

在计算机视觉中,二维形状的识别有着十分重要的意义.为了实现二维形状的透视投影不变性识别,本文推导出了一种共面二次曲线对的透视投影不变量,提出了一种基于椭圆的平面曲线的透视不变性表示方法,并且给出了用该不变量和不变性表示方法实现二维形状识别的算法.实验结果证实了该算法的有效性.     

变电金具表面腐蚀膨胀点三维检测算法

为提升配电网变电金具腐蚀膨胀检测的精度,设计了变电金具表面腐蚀膨胀点三维图像检测算法。该算法使用八叉树算法对三维激光图像扫描仪获取的变电金具表面腐蚀膨胀点云图像数据进行压缩预处理,经过法向量计算、局部基面参数化处理、局部曲面拟合等步骤,提取变电金具表面腐蚀膨胀点点云数据的主曲率、形状索引值等局部特征。使用三维霍夫投票算法,对变电金具表面腐蚀膨胀点局部特征实施局部坐标系建立、坐标转换、霍夫投票等处理后,获取腐蚀膨胀点的质心位置,实现变电金具表面腐蚀膨胀点检测。实验结果表明：该算法具备较好的点云数据压缩能力,预处理效果好;变电金具腐蚀膨胀点图像数据存在遮挡缺失时,其特征提取完整度始终高于90%;识别配电站螺丝配件时,特征点匹配度高达100%,识别精度高。     

一种基于颜色聚类特征的色彩量化算法

色彩量化是数字图像处理中的基本技术之一 ,因此得到广泛的研究与应用 .提出了一种基于颜色聚类特征的色彩量化方法 .该算法采用分层聚类技术 ,具有简单易行 ,运行速度快 ,色彩量化质量高等特点 ,是一种较好的色彩量化方法     

透视图反求作图方法的计算机仿真算法研究

在影像反求设计中，透视图反求作图方法是由新产品的照片求解其立体外形的主要设计方法。该文研究了透视图反求作图中各个步骤的计算机仿真算法，如对透视条件的反求；透视图的平、立面投影图的反求以及透视图上点的反求。给出了应用该算法开发的CAD系统反求产品外形的实例。     

一种精确的运动目标外轮廓提取方法

视频监控系统中的运动目标外轮廓是对运动目标语义分析的重要信息源。针对经过简单的形态学处理运动目标区域而提取的外轮廓方法中的一些缺陷,提出一种更精确的方法。首先通过前景检测得到粗略确定的运动目标区域,然后通过分水岭方法进行外轮廓区域粗略定位,最后通过阴影去除及目标重构进行外轮廓区域精确定位,从而提取精确的外轮廓。利用外轮廓的准确率、查全率、综合性能指标,实验结果表明,能够得到精确的外轮廓。     

一种用于立体感增强的SFS改进算法

表面重建是计算机立体视觉中的一个重要研究领域,SFS(shape from shading)是单帧图像立体感增强的有效方法之一。为了更好地利用SFS对图像进行增强,在对朗伯体表面反射模型进行详细分析和对影响3维重建结果的关键因素进行讨论的基础上,提出了一种改进的SFS算法,并给出了具体的步骤和计算方法。实验表明,该算法的确改善了立体显示的效果。     

离散曲线去噪的内在算法

对离散曲线采用一种内在表示方法,用曲线的内在几何量——边长和边与x轴正方向的夹角来表示点的位置,用双边滤波的思想,对边与x轴夹角进行去噪声;然后以去噪后的角度作为一个约束条件,构造目标函数来反求曲线的顶点．该方法主要在于解决了去噪声方法中一般都会产生的收缩问题,并且能够保持曲线的基本特征．     

一种基于移动对象的动态反向最近邻的算法

随着无线通讯技术的发展,移动对象的查询有广阔的应用空间.针对现有反向最近邻算法很多都是基于静态对象的情况,提出了一种新的基于移动对象的反向最近邻的算法--以TPR-tree为索引结构,对原有的半平面修剪策略进行了改进,使其性能优化,并采用过滤验证这两个处理步骤来获取移动查询点的反向最近邻,实现了移动对象的动态反向最近邻的查询.     

基于遗传算法的非同步时间序列特征提取方法

提出了一种非同步时间序列特征模式提取算法,该算法在对时间序列经过符号化而获得两类字符串集合的基础上,利用遗传算法快速找到一个模式,它能充分区分两类字符串集合,可以发现所有包含此模式的时问序列。实验结果表明该算法在实践中有较好的应用前景。     

复杂背景下跟踪多个非刚体运动目标的快速算法

在复杂背景下对多个非刚体运动目标进行跟踪是视频对象分割中的一个难点,为此提出了一种跟踪多个非刚体运动目标轮廓并提取精确视频对象平面(VOP)的半自动快速算法。手工获得初始模板后,利用边界投射模板、Canny算子和Hausdorff距离匹配算法,可快速、有效地自动跟踪多个非刚体的运动目标。此外还提出了一种新方法,较好地解决了被遮挡背景的显露问题,并能得到任意形状的闭合轮廓线,继而提取精确的VOP。该算法取得了较好的实验结果。     

面向关节坐标运动数据重定向的通用双向循环自编码器

针对面向关节坐标表示的骨骼运动数据重定向网络缺乏通用性的问题,提出一种能够实现源骨骼到多种骨骼运动重定向的通用双向循环自编码器.该自编码器由基于关节坐标表示的运动数据以重建误差为损失函数训练得到.在完成训练后,首先用自编码器计算源运动数据对应的隐变量和重建运动,然后对重建运动施加骨骼长度约束、足迹约束、根关节位置约束以及骨骼角度约束,并将损失反向传播至隐变量空间中优化隐变量,通过多次迭代得到重定向后运动.在CMU运动数据库上的实验结果表明,提出的自编码器及4种约束能够实现基于关节坐标表示的运动数据的重定向,并且得到的重定向运动在骨骼长度误差、骨骼角度误差、末端效应器轨迹以及平滑性上具有更好的效果.     

一种适用于动态场景的运动目标提取新算法

在动态场景中提取运动目标是开展视频分析的关键问题,也是当前计算机视觉与图像处理技术领域中的热门课题。本文提出了一种适用于动态场景的运动目标提取新算法,算法先根据摄像机全局运动模型计算全局运动参数,再利用三帧差分法得到分割的前景。将分割为背景的像素点映射到邻近帧,求得各帧的像素点为背景时其高斯模型的均值及方差。最后利用粒子滤波预测出下一帧前景区域,计算各像素点为前景的概率,获得运动目标的视频分割结果。实验表明,本文算法有效地克服了由于全局运动模型参数估算偏差而导致的累积误差,能以更高精度实现跳水运动视频中的目标分割。     

一种基于图象小波极值表示的减少方块效应的算法

针对低比特率JPEG压缩图象会产生严重的方块效应问题和根据后处理技术可有效地减少方块效应的认识,提出了一种新的基于图象小波极值描述的后处理算法。该算法根据解压缩图象方块效应在一级和二级小波变换系数中的极值特性,对位于图象背景区、平滑边缘区及阶梯状边缘区的方块边界的小波极值分别加以处理。实验结果表明,该算法能有效地减少方块效应,且能改善译码图象的信噪比和主观视觉质量。     

机器人三维路径规划问题的一种改进蚁群算法

本文研究移动机器人三维空间路径规划问题,针对三维空间的复杂地形特点,提出了一种基于改进蚁群算法的路径规划算法。文中首先描述了一种简单有效的环境建模方法,然后给出了算法在信息素呈现、路径点选取、信息素更新以及启发式函数设计等方面的改进方法。仿真结果证明了算法的可行性和可靠性。     

一种快速的暗通道去雾算法

为了在保证暗通道先验假设去雾效果的基础上,加快处理速度,提出了一种快速去雾算法。首先,根据暗通道先验假设结合中值滤波得到透射图;再根据函数构造的思想对透射图进行精确化处理;最后,采用直方图非线性拉伸实现处理后图像亮度的调整。通过对大量雾天图像处理效果图与近年来一些去雾算法处理效果图的主观和客观比较表明,该算法在保证去雾质量的前提下,提高了速度,而且去雾后图像色彩鲜艳,细节清晰。     

一种模糊对象的极大co-location模式挖掘算法

空间co-location模式表示的是空间对象的实例在一个相同的区域内频繁地进行空间并置。人们已经对确定和不确定数据co-location模式挖掘做了很多工作,也有很多成果,但对极大co-location模式挖掘研究较少,特别是针对模糊对象的极大co-location模式挖掘研究还未见报道。提出Mevent-tree算法来挖掘模糊对象的极大co-location模式,首先为每个对象构建空间对象树,从而得到候选模式,然后为候选模式集构建HUT树,最后在HUT树中从阶数最大的候选模式开始到阶数2为止,深度优先搜索极大co-location模式并在得到极大模式后对HUT树剪枝。接着提出两个改进算法,包括预处理阶段模糊对象的剪枝算法和在构造HUT树之前co-location候选模式的剪枝算法。最后通过大量实验验证了Mevent-tree算法和改进算法的效果和效率。     

基于三视图的自适应加权迭代匹配筛选算法

针对基于三视图的传统三维重建时特征点匹配后保留正确匹配点对数量过少、由图像噪声、拍摄照片时遮挡和震动等因素引起的匹配误差较大等问题,文章提出了一种自适应加权迭代算法,该算法通过给匹配点对加权进行迭代筛选来实现,可以稳定的获得数量较多、结果较准确的匹配点对,从而精确求解三视图空间约束矩阵三焦点张量.实验证明,文章提出自适...     

提高形状测量精度的直接与间接反射分离方法

针对光学三维形状测量中间接反射的存在导致三维测量精度下降的问题,提出一种分离直接反射和间接反射的改进结构光投影方法。该方法反向利用直接反射和相互反射间的相位差异,以格雷码结构光为基础设计出相互相位差为90°的调制结构光,将它投射到被测物体,以此分离出直接反射和间接反射;并加上改进结构光的正-反投影,来检测结构光条纹图像中的结构光边缘亚像素定位。实验结果表明,该方法不仅有效地分离出了间接反射,而且提高了被测物体的三维测量精度,扩大了三维测量范围。     

复杂高维数据的密度峰值快速搜索聚类算法

机器学习的无监督聚类算法已被广泛应用于各种目标识别任务。基于密度峰值的快速搜索聚类算法(DPC)能快速有效地确定聚类中心点和类个数,但在处理复杂分布形状的数据和高维图像数据时仍存在聚类中心点不容易确定、类数偏少等问题。为了提高其处理复杂高维数据的鲁棒性,文中提出了一种基于学习特征表示的密度峰值快速搜索聚类算法(AE-MDPC)。该算法采用无监督的自动编码器(AutoEncoder)学出数据的最优特征表示,结合能刻画数据全局一致性的流形相似性,提高了同类数据间的紧致性和不同类数据间的分离性,促使潜在类中心点的密度值成为局部最大。在4个人工数据集和4个真实图像数据集上将AE-MDPC与经典的K-means,DBSCAN,DPC算法以及结合了PCA的DPC算法进行比较。实验结果表明,在外部评价指标聚类精度、内部评价指标调整互信息和调整兰德指数上,AE-MDPC的聚类性能优于对比算法,而且提供了更好的可视化性能。总之,基于特征表示学习且结合流形距离的AE-MDPC算法能有效地处理复杂流形数据和高维图像数据。     

标记平面立体线图的自适应遗传算法

针对由理查德·迈尔斯提出的标记线图的遗传算法进行改进：采取自适应参数调 整法,同一代中适应度高于平均的个体杂交和变异率动态变化,适应度低于平均的个体杂交和 变异率设为定值;在创建初始种群时加入了约束条件,旨在改善初始种群覆盖空间的不确定性 和个体分布的相对不合理性;修正了遗传算法的适应度函数,使得以个体适应度为指标的选择 算子能正确引导算法搜索解空间。用遗传算法标记 6 幅不同的线图,变量为杂交率、变异率公 式中的参数 a 和 c,分析算法标记成功率曲线的变化趋势,探讨算子参数设置对遗传算法性能 的影响,结果表明 c 属于区间[0,0.05],a 属于区间[0.8,1.0]且为标记线图的遗传算法的最优 参数设置。