基于背景估计和血管提取眼底图像微脉瘤检测

提出了一种基于背景估计建模和精细血管提取的微脉瘤检测方法.候选微脉瘤对象由背景估计和Mahalanobis距离进行定位,非血管抑制算子结合多尺度和多滞后阈值技术实现精细的血管结构提取,经过形状分析和双环滤波处理后,非微脉瘤像素点被去除.实验结果表明,本文方法性能优于或逼近于其它同类方法,而且能够极大提高邻近血管的微脉瘤检测精度.     

基于B样条曲线模型的彩色图像分割

提出一种可靠的色彩建模方法,建立基于亮度变化的色彩统计特征数学模型,其特征包含随亮度变化的色度、饱和度的均值以及标准偏差,应用B样条对模型进行曲线拟合,实现彩色图像分割。实验结果表明,该算法的分割效果较好,鲁棒性强。能够适应不同光照条件下彩色图像的分割。     

用Delphi实现矿井提升机低频电源装置中可控硅触发角的计算

数字控制低频电源以先进的硬件结构和高性能的软件支持 ,较好地解决了矿井提升机低频电源设计中所涉及的主回路结构、主回路环流控制方式、晶闸管触发角控制原则等问题。提出一种用Delphi实现矿井提升机低频电源装置中晶闸管触发角的计算方法 ,并通过MATLAB建立相应的仿真模型。仿真结果验证了该算法的正确性。     

基于AKAZE算法的图像拼接研究

针对基于KAZE特征检测的图像拼接算法实时性问题,提出一种简单有效的AKAZE拼接算法。该算法首先通过AKAZE算法提取图像特征点,接着计算M-LDB描述符从而生成特征向量。随后计算特征向量之间的汉明距离,提取出匹配的特征点对,然后利用RANSC算法估算全局单应性矩阵,根据动态线性变换算法求取重叠区域局部投影关系,结合两者统一投影平面,最后利用加权融合实现两幅图像的拼接。对KAZE、SIFT、SURF、ORB、BRISK进行性能实验比较,所用算法不仅对于高斯模糊、角度旋转、尺度变换和亮度变化等情况下保持良好的性能,而且处理时间大大缩短,实现了有效的图像拼接。     

悬索桥缆索钢丝损伤超声导波检测数值模拟

为了实现对大跨悬索桥缆索钢丝损伤的有效检测,采用理论分析和数值模拟相结合的方法,对超声导波无损检测技术进行研究。通过理论求解钢丝中导波的频散曲线,分析频散特性和波结构,选取中心频率为200 kHz的L(0,1)模态进行钢丝断丝损伤检测;利用有限元软件,研究了钢丝中导波的频散特性和波结构,通过二维傅里叶变换技术对钢丝中的低阶导波模态进行识别,进一步分析了缺陷尺寸和角度对L(0,1)模态缺陷反射系数的影响;最后,对L(0,1)模态在两根钢丝和七根钢丝的断丝处的缺陷回波进行了数值模拟。数值模拟与理论分析结果相吻合,说明低频L(0,1)模态可以有效地对缆索钢丝断丝损伤进行远距离检测。     

基于语义分割的槟榔内核轮廓检测

针对槟榔去核工序中槟榔内核轮廓检测问题,提出一种基于语义分割的槟榔内核轮廓检测方法。分割模型以VGG16为基础网络,将全连接层替换为卷积层,增加了跳跃结构,将浅层特征经过采样后在同一尺度下与深层特征进行融合,并将常规卷积替换成扩张卷积,减少了学习参数,提升了分割模型的实时性,得到最终的FCN-Dilated-VGG-8s分割模型。该模型对槟榔图像分割的准确率达到98.79%,单张图像分割只需0.071 s,模型大小只有FCN-VGG-8s模型的37.5%。算法表现出良好的鲁棒性,实现了槟榔图像准确、快速分割。通过对分割完后的图像的边界提取,即可得到完整平滑的槟榔内核轮廓线。     

奇异值分解低通滤波眼底图像归一化

针对视网膜眼底图像归一化中的背景估计问题,提出了基于奇异值分解（Singular Value Decomposition,SVD）背景估计新方法。从原理上阐述了SVD估计背景的可行性,并在此基础上设计SVD低通滤波器实现了眼底图像的背景估计,最终实现图像的归一化。新方法在完成图像归一化的基础上,克服了传统眼底图像归一化中背景估计环节计算速度慢的特点,这对视网膜眼底图像后续处理具有重要意义。     

目标鲁棒识别的抗旋转HDO局部特征描述

主方向直方图（Histograms of dominant orientations,HDO）是一种简单但性能优良的局部图像描述子,但是,原有的HDO特征描述不具备旋转不变性.本文提出一种抗旋转变换HDO特征描述方法,在进行RGT（Radial gradient transform）变换后,采用圆形邻域计算给定位置的结构张量,使得求取的主方向和一致性特征分量具备一定的旋转不变性,最后为增强辨别能力,采用了多扇区划分空间池化操作.在公开的MIT人脸数据集中的测试结果显示,如果图片不旋转,本文方法准确率与传统的HDO算法基本持平,达到92.10%,但当样本图片旋转后,本文算法准确率比传统HDO算法高10.36%.此外,在行人数据集、合成的旋转手掌和旋转人脸识别实验中,本文方法的检测结果也明显优于传统的HDO算法.另外本文方法在53Objects、ZuBuD和Kentuky三个数据集上的识别性能也优于大部分现有抗旋转算子.     

目标丢失判别机制的视觉跟踪算法及应用研究

当跟踪对象被严重遮挡或者离开相机视野范围时,机器人的跟踪目标往往会丢失.为了实现准确跟踪,提出了目标丢失判别跟踪YOLO-RTM算法.该方法通过YOLOv3检测视频第一帧中的目标.利用实时多域卷积神经网络(Real-Time MDNet,RT-MDNet)跟踪算法预测目标边界框的变化.计算重叠度,根据重叠度与预设阈值的...