基于形态图表示的三维物体识别算法

基于形态图表示的三维物体识别的基本思路是：首先建立待识别物体的模型库，找出模型集中所有模型物体的形态图和特征视图，并提取以它们的拓扑结构信息和几何信息；其次对物体真实图像作轮廓提取和0边界跟踪，得到二维图像的线架图，同时提取出它的拓扑结构信息和几何信息；最后将物体图像的拓扑结构信息和几何信息与模型库中模型物体的拓扑结构信息和几何信息匹配，从而达到识别的目的。文中提出了在生成线图链码时提取其拓扑结构信息和几何信息的方法，由拓扑结构信息和几何信息构造特征矩阵的方法，以及识别过程中特征矩阵的匹配算法。     

结合语义和多层特征融合的行人检测

遮挡及背景中相似物干扰是行人检测准确率较低的主要原因. 针对该问题, 提出一种结合语义和多层特征融合(Combining semantics with multi-level feature fusion, CSMFF)的行人检测算法. 首先, 融合多个卷积层特征, 并在融合层上添加语义分割, 得到的语义特征与相应的卷积层连接作为行人位置的先验信息, 增强行人和背景的辨别性. 然后, 在初步回归的基础上构建行人二次检测模块(Pedestrian secondary detection module, PSDM), 进一步排除误检物体. 实验结果表明, 所提算法在数据集Caltech和CityPersons上漏检率(Miss rate, MR)为7.06 %和11.2 %. 该算法对被遮挡的行人具有强鲁棒性, 同时可方便地嵌入到其他检测框架.     

基于直线和二次曲线的多回路平面曲线分割

提出了一种多回路平面曲线的分割算法。算法以直线段和二次曲线段作为拟合的基本单元，通过边缘跟踪把多回路的平面曲线分割成曲线段或单回路的封闭曲线，然后在曲线曲率不连续处继续分割。针对一次分割时可能会产生的迷向问题，提出了基于对偶原理的线段合并技术。该算法的结果能简单有效地描述场景中的物体，使高级视觉任务更简单。实验结果表明算法能取得较好的效果。     

基于约束关系的平面立体三维重建

提出一种基于约束的平面立体三维重建算法。该算法采用参数化方式来表示空间直线及其投影,这种参数化方式能满足数字图像中直线提取所需的唯一性、有界性及均匀性条件。依据平面立体投影线图的拓扑结构隐含的三维信息,建立平面立体上棱线、表面空间位置参数之间的约束方程,联立约束方程组求其最小二乘解,恢复出平面立体的三维结构。研究成果可用于计算机视觉和智能CAD系统。     

山体滑坡成因及治理

文章通过对铜陵市人民医院西侧山体滑坡的成因分析,提出遵循确保安全、施工可行、经济合理、主动防护的设计原则,采取支挡、锚固、排水等综合治理措施,解决了山体滑坡的险情。     

基于小波分析的电能质量扰动信号检测

针对电能质量扰动信号的特性,本文采用小波变换对电力系统的高频、瞬时脉冲、电压切痕扰动信号进行检测.研究表明,该方法能够精确定位扰动信号产生的时刻和持续的时间,通过与快速傅立叶变换FFT的结果进行比较,证实了该方法的准确性和优越性.     

引入通道注意力和残差学习的目标检测器

现有目标检测器特征金字塔无法充分利用不同尺度特征图的特征信息,不适用于低分辨率图像的目标和小目标的检测.针对此问题,文中提出引入通道注意力机制和残差学习块的目标检测器.首先引入通道全局注意力机制,通过网络学习特征图中不同通道特征的权重,增强有效的全局特征信息.然后采用轻量级的残差块,突出特征的微小变化,提高低分辨率图像中小目标的检测性能.最后在用于预测的浅层特征图中融合深层特征,提高小目标的检测精度.在标准测试数据集上的实验表明,文中目标检测器适用于低分辨率图像,对小目标的检测效果较优.     

一种基于加权直方图的动态背景建模

场景中的光照变化及树叶和水面等的不规则运动是建立动态场景背景模型的主要困难。针对该问题,提出一种基于加权直方图的动态背景建模方法。算法首先提出融合图像序列局部空间相关性的加权直方图,并以此作为特征描述动态背景。针对该特征进一步提出一种简洁的特征聚类准则,该准则通过对亮度直方图和色度直方图区分计算聚类特征。在多个标准测试视频上进行试验,并与混合高斯模型( MOG)、标准码本模型( SCBM)、HSV码本模型( HSVCBM)和加权直方图模型( WHM)算法进行比较。实验结果表明,本文算法对场景中的动态变化具有较强的适应性。     

基于遮挡检测和时空上下文信息的目标跟踪算法*

基于时空上下文信息的目标跟踪算法利用目标与背景之间的时空关系,在一定程度上解决静态遮挡问题,但当目标出现较大遮挡或快速运动目标被背景中物体遮挡(动态遮挡)时,仍然会出现跟踪不准确或跟丢的情况.基于此种情况,文中提出基于遮挡检测和时空上下文信息的目标跟踪算法.首先利用首帧图像中压缩后的光照不变颜色特征构造并初始化时空上下文模型.然后利用双向轨迹误差对输入的视频帧进行遮挡情况判断.如果相邻帧间目标区域特征点的双向匹配误差小于给定阈值,说明目标未出现严重遮挡或动态遮挡,可以利用时空上下文模型进行准确跟踪.否则利用文中提出的组合分类器对后续帧进行目标检测,直至重新检测到目标,同时对上下文模型和分类器进行在线更新.在多个视频帧序列上的测试表明,文中算法可以较好地解决复杂场景下较严重的静态遮挡和动态遮挡问题.     

基于形态学和小波变换的Otsu提取缺陷

为了解决经典Otsu法对复杂图像分割的不足,提出了一种新的分割算法来提取零件的表面缺陷,将形态学和小波变换理论应用到Otsu算法中。该算法采用两次分割,分别为将零件从背景中分割出来以及将缺陷从零件中分割出来。算法首先采用形态学中的顶帽变换和底帽变换相结合将零件从图像背景中分离出来,得到目标图像;然后选择单层小波系数分解目标图像,再将分解后的图像进行低频重构,去除冗余信息和噪声;最后分别应用一维和二维Otsu算法将缺陷从低频重构后的图像中分割出来。实验证明,所提出的算法较经典的一维和二维Otsu算法,具有分割精度高、抗噪性能强的优点,并且改进后的一维Otsu算法要优于改进后的二维Otsu算法。