一种基于肤色的人脸检测与定位方法

结合肤色信息与人脸几何分布特征,提出了一种快速的基于人脸特征的检测与定位方法。在标准RGB彩色空间,通过肤色轨迹进行肤色像素与嘴唇像素提取,根据提取的肤色区域是否有嘴唇像素可初步排除一些非人脸区域;利用人眼较高的蓝色分量及瞳孔反光形成的亮斑,在标准RGB色彩空间的B分量图中通过区域增长法产生潜在眼睛区域,利用人眼与嘴唇的面部几何分布特征,提出一些新的规则判断提取的肤色区域是否为人脸,如果是人脸,则对眼睛进行定位。实验结果表明,提出的方法是健壮的、有效的。     

一种融合Gabor滤波与3D/2D卷积的高光谱图像分类算法

为了减轻卷积神经网络模型对训练样本的依赖性和提高高光谱图像的分类性能,本文提出了一种融合Gabor滤波与3D/2D卷积的高光谱图像分类算法.首先,三维Gabor滤波器用于处理原始高光谱数据以生成空谱隧道信息;其次,利用三维卷积操作提取生成的空谱隧道信息的深层特征;然后,再利用二维卷积进一步提取图像的空间信息;最后,通过...     

轮腿式壁面清洗机器人真空耦合传递系统研究

针对轮腿式壁面清洗机器人作业时对吸附力的要求以及吸附系统部分组件相对机器人本体旋转的问题,采用模块化设计方法,研究了真空耦合传递系统,分析了其构成与负压同步分配器截面形状。为满足相对机器人静止的真空发生器和转动吸盘的连接要求,根据分配头不同截面形状提出负压同步分配器3种方案,并分析了分别采用不同方案的机器人特性。研究结果为机器人在平直壁面、球形或柱形等曲面上的可靠吸附与运动提供基础和保证。     

基于机器视觉的高精度工业尺寸测量系统研究

针对工业中高精度三维尺寸的测量要求,提出并设计了一种基于棱镜与多个工业智能相机的三维尺寸测量系统,它主要由机架、相机支撑架、3个工业智能相机、带有标记点的工件定位座、棱镜、气缸、可编程控制器、工控机组成。3个工业智能相机、可编程控制器均与工控机相连,工控机负责整个系统的数据采集、处理、结果判断与存储。该测量系统自动化程度高、成本较低、测量速度快,测量精度可达士0．03mm,可部分取代三坐标测量机在工业高精度尺寸测量中的应用。     

邻域谱概率协同表示的高光谱图像分类方法

为了提高高光谱遥感图像的分类精度, 通过结合像元邻域谱与概率协同表示方法, 提出了一种基于空间信息与光谱信息的分类方法。首先采用插值方法生成像元的邻域谱, 然后用概率协同表示方法将待测样本进行分类。用所提出的方法在AVIRIS Indian Pines和Salinas scene高光谱遥感数据库上进行分类实验, 并和主成分分析、支持向量机、稀疏表示分类器和协同表示分类器方法进行了比较。结果表明, 所提出的方法在AVIRIS Indian Pines数据库上识别精度比主成分分析法高约17%, 其识别精度和kappa系数都优于另外4种方法。该方法是一种较好的高光谱遥感图像分类方法。     

基于多尺度卷积神经网络的高光谱图像分类算法

为了提高高光谱图像的分类精度,提出了一种基于多尺度卷积神经网络的高光谱图像分类算法.首先,利用等距特征映射算法处理高光谱数据,以挖掘数据的非线性特性,保持数据点的内在几何性质;然后,构建以标记像元为中心的训练图像块,训练多尺度卷积神经网络;最后,利用softmax分类器预测测试像元的标签.提出的方法在Indian Pines、University of Pavia和Salinas scene高光谱遥感数据集上进行分类实验,并与CNN、R-PCA CNN、CNN-PPF、CD-CNN等算法进行性能比较.实验结果表明,在3个数据集上提出的方法的总体识别精度分别达到98.51％、98.64％和99.39％,与CNN算法相比分别提高了约8.35％、6.37％和7.81％.本文提出的方法无论是在分类精度还是Kappa系数上都优于另外4种方法,是一种较好的高光谱遥感数据分类方法.     

基于模糊算法的水下机器人路径规划研究

针对水下机器人的工作环境的复杂性与不确定性,为了提高自主式水下机器人与外部环境交互及自主航行的能力,结合视线导航原理与模糊控制算法,提出一种未知环境下水下机器人的局部路径规划策略,可实现机器人的实时避障功能。利用测距声呐、短基线系统对环境进行探测,得到一定范围内的障碍物与目标信息,通过模糊控制器实时调整水下机器人的运动偏转角度,有效地避开障碍物,达到预定目标点。最后通过MATLAB进行仿真,构建一个仿真实验平台,交互式设置障碍物的数量、大小、形状、位置等初始信息,机器人运用该算法在多障碍物、不同路障环境下,都能较好地实现机器人避障,验证了算法的有效性。     

基于轮廓特征点最大互信息的多模态医学图像配准

提出了一种基于轮廓特征点最大互信息的多模态医学图像配准方法,并将粒子群优化算法(PSO)和Powell算法相结合以一种组合的全局优化算法(PPSO)来求取最优配准变换参数.实验结果表明,该方法具有配准精度高、速度快、鲁棒性强等特点,是一种有效地全自动配准方法.     

拉普拉斯特征耦合方差度量的图像匹配算法

为了解决当前图像匹配算法主要是通过像素点间的距离信息来实现特征匹配,忽略了图像间的方差信息,导致匹配结果中存在较多的错误匹配等不足,本文提出了一种基于拉普拉斯特征制约与方差度量的图像匹配方法。首先,引入Harris算子,对图像特征进行粗提取,并利用像素点的拉普拉斯特征,删除伪特征点,对粗提取的图像特征进行优化,获取更为准确的图像特征。然后,依据图像的梯度特征来计算图像特征的方向信息,以此建立特征点的邻域,通过求取该范围内的Haar小波值,从而得到特征向量。采用区域方差模型对图像的方差信息实施度量,并联合特征点的欧氏距离,对特征点进行更为准确的匹配。最后,采用随机样本一致性(RANSAC)机制对特征匹配结果实施优化,剔除其中的错误匹配,从而完成图像匹配。实验结果显示：较当前较为先进的匹配算法而言,在旋转、缩放等几何变换干扰下,所提算法具备更高的匹配准确率,维持在90%以上。