基于局部结构张量-互信息的多模态图像配准

针对红外与可见光图像难以提取特征点实现配准的问题,提出一种基于边缘结构特征的红外与可见光图像配准算法。首先通过优化的显著性算法增强红外图像的结构特征;其次利用相位一致性提取红外和可见光图像的稳定边缘结构;然后提取边缘结构的ORB（oriented FAST and rotated BRIEF）特征点;最后结合KNN（K-nearest neighbor）算法和余弦相似度对匹配特征点进行筛选,并应用RANSAC（random sample consensus）算法进行提纯。实验表明,该算法能够克服灰度差异的影响,具有较高的配准精度和效率,有助于实现红外与可见光图像的配准。     

基于贝叶斯框架融合的RGB-D图像显著性检测

为了有效融合RGB图像颜色信息和Depth图像深度信息, 提出一种基于贝叶斯框架融合的RGB-D图像显著性检测方法.通过分析3D显著性在RGB图像和Depth图像分布的情况, 采用类条件互信息熵(Class-conditional mutual information, CMI)度量由深层卷积神经网络提取的颜色特征和深度特征的相关性, 依据贝叶斯定理得到RGB-D图像显著性后验概率.假设颜色特征和深度特征符合高斯分布, 基于DMNB (Discriminative mixed-membership naive Bayes)生成模型进行显著性检测建模, 其模型参数由变分最大期望算法进行估计.在RGB-D图像显著性检测公开数据集NLPR和NJU-DS2000上测试, 实验结果表明提出的方法具有更高的准确率和召回率.     

基于滚动引导滤波的红外与可见光图像融合算法

针对红外与可见光图像融合时,易产生细节丢失、噪声抑制不佳等问题,本文提出了一种改进的滚动引导滤波融合算法.该算法充分利用了滚动引导滤波边缘和局部亮度保持特性,在通过均值滤波将输入图像分解为基础层与细节层的基础上,结合滚动引导滤波与高斯滤波获取输入图像的显著图,利用不同尺度参数的引导滤波对显著图优化得到权重图,将权重图作为权重分别指导基础层与细节层的融合,最后联合融合后的子图重构得到融合图像.针对3类测试数据进行的融合实验表明,与非下采样轮廓波变换、基于引导滤波、基于显著性检测的两个尺度的图像融合等经典方法相比,本文方法得到的融合图像不但从主观视觉效果上细节信息更丰富、目标对比度加强,并且在非线性相关信息熵、相位一致性等6项客观评价指标上均具有较好的效果.     

结合红外显著性目标导引的改进YOLO网络的智能装备目标识别研究

为了提升实际作战环境下目标检测识别的性能,本文提出了一种基于红外显著性目标导引的改进YOLO(You Only Look Once)网络的智能装备目标识别算法,该算法利用红外图像提供目标可能的位置引导可见光图像中的深度自主学习,提升检测与识别的实时性。改进YOLO-V3识别网络是以Darknet-53为基础网络架构,利用DenseNet代替具有较低分辨率的原始转移层,同时采用分类网络预训练、多尺度检测网络训练等措施增强特征传播,复用和融合的性能。仿真实验结果表明,本文提出的模型可以有效地提高现有目标检测与识别的性能。     

基于双向融合机制的建筑目标检测方法

模拟人类视觉中有意识主动寻找与无意识被动受吸引相交互的视觉过程,提出了一种基于双向融合机制的建筑目标检测方法.该方法综合了基于自底向上数据驱动的视觉显著性模式和自顶向下基于环境感知的目标搜索模式检测图像中的建筑目标区域.利用拍摄的自然图像进行实验表明:该方法能较好地检测出图像中的建筑目标,具有处理速度快、准确性高的特点,能够满足处理复杂场景图像的实时性要求.     

一种新的基于显著图的视线跟踪方法

针对现有视线跟踪系统设备复杂、标定过程繁琐等方面的不足,提出了一种新的基于显著图的视线跟踪方法。通过红外光源设备在人眼角膜上产生的光斑中心与瞳孔中心建立瞳孔-角膜反射向量,然后将该向量作为视觉特征重构了基于显著图的视线跟踪算法。实验结果证明,提出的方法不仅缓解了视线跟踪系统标定过程繁琐的问题,而且对提高系统的精度和健壮性有一定的促进作用,这为面向人机交互的视线跟踪研究提供了可行的低成本解决方案。     

融合相位一致性与二维主成分分析的视觉显著性预测

为了更加有效地预测图像中吸引视觉注意的关键区域,该文提出一种融合相位一致性与2维主成分分析(2DPCA)的显著性方法。该方法不同于传统的利用相位谱的方式,而是提出采用相位一致性(PC)获取图像中重要的特征点和边缘信息,经快速漂移超像素优化后,融合局部和全局颜色对比度,生成低层特征显著图。接着提出利用2DPCA提取图像块的主成分后,计算主成分空间中图像块的局部和全局可区分性,得到模式显著图。最后,通过空间离散度度量分配合适的权重,使两者融合,提取显著性区域。在两种人眼跟踪数据库上与5种经典算法的实验对比结果表明,该算法能更加准确地预测人眼视觉关注点。     

基于基波PWM激励和简化电流斜率测量的多相永磁同步电机转子位置估测技术

当前基于逆变器基波脉宽调制激励的双三相永磁同步电机(DTP-PMSM)无位置传感器的算法无需注入高频信号即可实现低速和零速控制。但是,该方法在非零电压矢量期间需要多次对电流进行采样,算法的实施比较复杂,对硬件要求较高,阻碍了这种方法在工业中的实际运用。为此,本文研究了一种改进算法。该方法直接利用DTP-PMSM本身的凸极效应,从静止坐标系下,以同步采样的方式提取相邻两个PWM周期内平均电流变化率,进而实现转子位置估测。此新方法实现了为位置估测进行的电流采样与为电流环控制进行的电流采样之间的同步,大幅降低了算法的实施难度。论文最后通过仿真验证了所提新方法在低速和零速运行条件下的有效性。     

基于提取双选紧密特征的RGB-D显著性检测网络

针对现有算法对不同来源特征之间的交互选择关注度欠缺以及对跨模态特征提取不充分的问题,提出了一种基于提取双选紧密特征的RGB-D显著性检测网络。首先,为了筛选出能够同时增强RGB图像显著区域和深度图像显著区域的特征,引入双向选择模块(bi-directional selection module, BSM);为了解决跨模态特征提取不充分,导致算法计算冗余且精度低的问题,引入紧密提取模块(dense extraction module, DEM);最后,通过特征聚合模块(feature aggregation module, FAM)对密集特征进行级联融合,并将循环残差优化模块(recurrent residual refinement aggregation module, RAM)配合深度监督实现粗显著图的持续优化,最终得到精确的显著图。在4个广泛使用的数据集上进行的综合实验表明,本文提出的算法在4个关键指标方面优于7种现有方法。     

基于全局和局部特征融合的显著性提取方法

显著性提取方法在图像处理、计算机视觉领域有着广泛的应用.然而,基于全局特征和基于局部特征的显著性区域提取算法存在各自的缺点,为此本文提出了一种融合全局和局部特征的显著性提取算法.首先,对图像进行不重叠地分块,当每个图像块经过主成分分析(Principle component analysis,PCA)映射到高维空间后,根据孤立的特征点对应显著性区域的规律得到基于全局特征的显著图;其次,根据邻域内中心块与其他块的颜色不相似性得到基于局部特征的显著图;最后,按照贝叶斯理论将这两个显著图融合为最终的显著图.在公认的三个图像数据库上的仿真实验验证了所提算法在显著性提取和目标分割上比其他先进算法更有效.