人脸图像嘴巴特征点自动提取系统

利用彩色人脸的特点，设计一个初步的人脸图像嘴巴特征点的自动提取系统。通过水平投影和垂直投影确定嘴巴的矩形区域，然后在嘴巴所在的矩形区域内提取6个特征点，并且由这6个点拟合五段二次抛物线，由此描绘出嘴巴的边缘轮廓。实验证明，该方法可以有效地提取嘴巴的特征点并较精确地描绘出嘴巴的轮廓.     

角点检测算法评价方法的研究

提出了一套评价角点检测算法优劣的准则,举例说明了用这套准则评价不同角点检测算法的过程,并通过实验评明了理论分析对具体应用的重要指导作用,为在具体应用中选择或改进角点检测算法提供了理论依据。     

基于卷积神经网络的人脸图像特征提取

为了提高对人脸的自动识别和检测能力,提出了一种基于卷积神经网络的人脸特征提取技术。采用连续模板匹配技术进行人脸边缘轮廓的检测,采用Harris角点检测方法进行人脸的关键特征点定位,在人脸的分块区域内进行人脸的肤色特征分析和外包矩形轮廓区域特征提取,结合肤色特征对图像中人脸特征点进行图像重构和精确定位,对提取的人脸特征点采用卷积神经网络进行分类,实现对人脸图像特征的优化提取。仿真结果表明,采用该方法进行人脸特征提取的准确性较高,具有较好的特征匹配能力。     

基于灰度图像的兴趣点检测

兴趣点是图像灰度在x,y两个方向上都有很大变化的一类特征点。对直接从灰度图像中检测兴趣点的方法进行研究。鉴于以往算法检测出的兴趣点普遍存在着较大的点位置偏差，提出了一个基于Noble法的改进兴趣点检测算法。实验表明，该算法很好地解决了Noble法的点位置偏差问题。     

三维视觉检测中单光条几何中心位置的确定方法

在单光条三维立体视觉检测中,光条几何中心位置的精确定标极其重要,它关系到三维定标的准确性,是其它数据计算的最基本数据。本文提出数字滤波方法来确定光条中心,对光滑曲面测量,有效地提高了测量精度。     

基于自动选取阈值的梯度法实现图像边缘检测

边缘检测是图像处理的一个重要环节,提出的自动选取阈值的梯度法是应用于图像处理的一种边缘检测方法,基于图像边缘的梯度,自动选取阈值实现对图像的边缘检测,实践证明,该方法对图像的处理效果优于传统的边缘检测方法。     

基于视觉自适应闯值的灰度图像边缘检测算法

提出了一种灰度图像的边缘检测算法。该算法利用基于视觉模型的阈值选择策略来选择灰度图中有可能处在边缘上的像素点，然后根据边缘上各点的分布关系提取图像边缘，去除噪音。     

遗传算法的最佳熵在图像分割中的应用

以区域一致性、区域对比度和形状测量参数为评价准则，对基于遗传算法的最佳熵阈值分割方法与传统的几种全局阈值分割方法进行了对比研究，结果表明：基于遗传算法的图像分割，得到的图像目标清晰，分割效果较优，有一定的应用前景。     

基于计算机视觉的视频图像关键帧提取及修复方法

为了提高视频图像关键帧提取及修复效果,设计了一种基于计算机视觉的视频图像关键帧提取及修复方法。基于计算机视觉进行视频图像采集;采用阈值分割法建立灰度值模型,计算背景与目标的灰度差;利用视频图像中的主要特征窗口获取像素值,使用熵值法采集剩余的局部纹理图像,以完成视频图像关键帧提取。在此基础上,利用加权法还原原始矩阵,完成视频图像关键帧修复。实验结果表明,此方法提取的图像清晰度较高,能够提取到图像的颜色特征和纹理特征,提取多个视频图像关键帧的时间较少。     

一种精确的图像拼接方法

全景图拼接是实现虚拟现实场景漫游的一种重要手段,本文利用SUSAN检测算子抽取图像的角点特征,然后用快速RANSAC算法配准图像,计算出图像之间的单应性矩阵,同时通过KLT跟踪,提高投影矩阵的精度.最后在图像融合中,采用像素值加权的方法.实验结果表明,文章提出的方法能有效提高配准精确性,并具有鲁棒性.     

表情分析中嘴形的计算机识别

首先建立六曲线嘴部形态模型,并通过亮度均衡、基于HSV表述的图像二值化、外唇线初定与精化、牙齿包络线确定和内唇线认别等一系列步骤和算法,提出嘴部形态模型中各曲线的提取方法。最后采用4阶多项式对上唇外线外的5条唇形曲线进行拟合,并在Matlab下进行了识别实验。结果显示：提出的嘴形识别方法对不同的嘴形具有较高的鲁棒性,唇形曲线识别结果与人工理解结果基本一致。     

基于图像序列差分法的冷轧薄板板形识别

为了解决板形识别中存在的实时性差、准确度低、维修成本高的问题,提出了一种计算机视觉技术的板形缺陷识别.采用图像序列差分法提取图像中的运动对象信息,再利用最小误差阈值分割方法进行图像二值化,生成板形缺陷二值图像,通过统计窗口区域中像素为1的数目来判定板形是否有缺陷.提出了基于图像序列差分法识别板形缺陷的算法,并且实现了该方法的硬件和软件设计.实验结果表明,此方法可以快速准确地识别出常见的板形缺陷.     

多颜色标记三维定位以及标记点稳定性研究

在基于颜色标记的手部识别以及运动跟踪的过程中,由于背景及噪声的干扰,二维图像点坐标会发生波动,产生误差,导致由二维图像坐标计算手部三维坐标的过程中,静止状态下的带标记的目标在虚拟环境中会发生抖动。采用自适应分块区域增长法跟踪颜色标记,获得标记点区域范围,在该范围内进一步采用局部Hough变换精确定位颜色标记。实验证明,该方法在不降低亚像素精度的前提下,可以稳定定位手部标记点,且具有先验知识的局部Hough变换,在克服已有Hough变换不足的同时,能有效提高定位精度。     

彩色图像中的正面人脸检测的研究

提出了彩色图像中一种人脸检测方法.该方法利用肤色模型分割出彩色图像中的肤色区域,并将同一幅图片用不同的肤色模型分割后的图像进行融合,这样能较好地获取肤色区域.将彩色图像中的肤色区域转换为灰度分布图,用正面人脸的结构规则筛选出肤色区域中的人脸区域.结果表明:该方法能快速地较为准确地定位彩色图像中的正面、小角度偏侧的人脸.     

基于颜色特征的人脸检测方法

针对RobCup家庭机器人对人脸检测的要求,研究了基于颜色特征的人脸检测方法。该方法首先将人脸图像进行非线性分段色彩变换光线补偿处理,减少光线对肤色的影响,然后在YCbCr颜色空间中建立肤色模型,分割出肤色区域。在颜色空间YCbCr中,嘴巴区域包含的红色分量要高于蓝色分量,利用这个特征分割出嘴巴区域。在YIQ颜色空间中,通过I分量来区分眼睛与皮肤,分割出人眼,最后根据嘴巴、眼睛的几何中心特征映射人脸,人脸检测的仿真结果验证了该方法的有效性。     

被动测距系统汽车目标提取算法研究

研究了以高速公路为背景的被动测距系统中汽车目标提取算法.该算法在采集图片中检测路面边缘，根据道路区域在图片中呈三角形的特点，提出一种新的边缘检测模板.此模板突出图片中倾斜边缘的特点，抑制垂直和水平边缘.边缘提取后利用Hough变换检测车道边缘并判断测距系统所在的车道，缩小检测区域，并在该车道内分割提取出目标汽车.解决了同一车道内存在两辆或更多车辆时，区分目标汽车与无关汽车的问题.     

人脸图像检索系统的设计

为了能直接通过图像检索自己所需要的信息,提出了一种直接根据人脸图像来检索信息的技术,采用基于重心模板匹配的人脸检测技术与主成分分析方法、线性判别分析方法相结合的人脸识别技术设计并实现了一个人脸图像检索系统.该系统对于视频序列和大容量的人脸数据库能够实时进行人脸图像检索.实验结果表明:该系统交互性好,检索准确率高,检索时间短,能较好地满足用户的要求.     

数字图像的边缘检测

结合最新的机器视觉技术,介绍了边缘检测的概念和各类算法的运用特点.最后给出了边缘检测的形式化标准.     

基于SIFT特征的单训练样本人脸识别

针对RoboCup竞赛家庭组比赛对人脸识别的要求,研究了单训练样本的人脸识别问题。设计了一种基于尺度不变特征变换的单训练样本人脸识别系统。将人脸区域划分为4×4的均匀网格,然后在每个区域选取最具有判别能力的少量特征,再将这些特征与测试人脸对应网格的特征进行匹配;采用加权和形式评价测试人脸和每个训练人脸的匹配程度,选择阈值进行识别决策。使用ORL人脸数据库对设计的识别系统进行了测试,结果表明,设计的系统可以达到100%的识别精度和70%的检出率,可以达到比赛的要求。     

图像分割的分级性研究

图像分割是指将一幅图像分解为若干互不交选区域的集合,是图像处理与机器视觉的基本问题之一.本文对传统的分割定义进行分析,指出其局限性,并提出了新的广义定义;根据不同的分割目的,提出了\