交会对接杂散光分析及反杂光干扰措施设计

在空间交会对接过程中,太阳等各种天体以及飞行器上零部件的辐射与反射都会影响CCD的成像,形成大量杂散光干扰。阳光效应是很多其它杂散光干扰的源,如果不采取特殊措施,标志灯的像点可能会全部被阳光效应所淹没。本文通过对阳光效应包括阳光直射、阳光斜射和阳光漫射效应的分析,提出了两项反杂光干扰措施:标志灯的发光器件工作在红外波段;在摄像机光路系统中安装特殊设计的窄带干涉滤光片。实验表明,上述反杂光干扰措施能够有效地滤除阳光、月光、星光、灯光以及其它非标志灯工作波段杂光的干扰。     

空间交会对接低信噪比标志捕获技术研究

针对近距离空间交会对接低信噪比情况下标志灯像点的识别，提出了一种基于多帧高阶互相关和最大似然比检测的标志捕获技术。首先通过单帧自适应门限检测和两次高阶互相关处理抑制大量随机噪声，然后利用最大似然比检测自适应算法从候选轨迹中剔除大部分虚假轨迹，最后通过特殊设计的后处理操作进一步剔除残留的干扰轨迹，识别出真正的目标轨迹。实验表明，可识别的最低信噪比为0．5。     

采用下采样和位平面匹配的局部运动估计

针对电子稳像系统的实时性要求,提出了一种基于下采样、位平面匹配和三步搜索策略的快速局部运动估计算法。该算法将搜索比较次数由 225 次减少为 24 次而精度基本不变;利用图像下采样技术将参与估计的子图像像素增加 4 倍而运算量基本不变,提高了由于子图像中运动物体引起干扰的抵抗能力。实验表明,该算法搜索速度明显提高,而精度基本不变,所得到的匹配位置非常接近全搜索匹配法获得的匹配位置。     

基于SVM的多生物特征融合识别算法

针对单生物特征识别的局限性,提出融合手背静脉和虹膜两种生物特征实现身份识别.基于尺度不变特征变换(SIFT)提取手背静脉的局部SIFT特征并对特征点进行匹配,利用特征匹配率作为手背静脉图像的相似度测度.通过Haar小波变换实现虹膜特征编码,利用加权汉明距对虹膜进行相似度测试.最后基于支持向量机(SVM)实现两种生物特征在匹配层的融合识别.利用CASIA虹膜数据库和TJU手背静脉数据库对算法性能进行测试,其等错率为0.02%,实验结果表明,该融合算法具有很高的识别性能,为生物特征识别研究提供了新思路.     

基于不变矩特征模型耦合相似度量规则的图像匹配算法

目的为了解决当前图像匹配算法因主要利用特征点之间的距离来实现特征匹配,从而忽略了特征点的结构特征,导致算法存在较多的漏匹配点以及错误匹配点等不足的问题。方法提出基于不变矩特征模型耦合相似度量规则的图像匹配算法。通过对待检测像素点构造的邻域圆上的点进行分类,制定检测规则,对FAST算子进行改进,利用改进的FAST算子快速、精准地检测图像的特征点。随后,构造不变矩特征模型,取代SIFT算法中获取特征向量的方法,生成低维度的特征描述符。通过Euclidean模型和SSIM建立相似度量规则,对特征点之间的相似度进行度量,完成图像的特征匹配。最后,引入随机抽样一致性(RANSAC)算法剔除错误匹配点,完成图像的匹配。结果仿真结果显示,相较于当前的图像匹配算法,所提算法具有更高的匹配正确度和鲁棒性,其查全率最高可达95%左右,且匹配效率较快,约为3.75 s。结论所提匹配方法具备良好的匹配精度,在图像信息安全、包装条码识别与拼接等领域具有一定的参考价值。     

多特征模糊推理的虹膜识别算法

为了更加完备地描述虹膜的纹理特征,利用虹膜图像灰度信息提取局部特征点、局部纹理方向和局部纹理的亮暗变化三种特征共同构成纹理的特征空间,克服了之前的多数虹膜识别算法提取单一特征易受干扰影响的局限性.然后,通过设计的模糊推理规则进行模式的分类,这种分段线性分类器的设计提高了算法线性分类的能力.分别在两个图库上进行了实验,识别率分别达到99.41%和99.67%,实验数据表明:结合多种特征能较好的反映虹膜的纹理变化特征,提高了虹膜识别的正确率,使算法具有非常优越的识别性能.     

光笔视觉三维测量中光斑图像点立体匹配方法

针对光笔视觉三维测量中左右两幅图像中光斑图像点的立体匹配难题,引入SoftPosit 算法将其转换为二维像点与三维物点对应关系未知情况下的位姿参数估计问题.通过将对应匹配和位姿估计融合在一起,进行捆绑迭代寻优,分别完成左右两幅图像中光斑图像点与空间光笔光斑的对应匹配,从而实现了左右两幅图像中对应光斑图像点的立体匹配.该方法基于模型,与空间点分布模式、点的数量及图像灰度无关,实验结果表明该方法切实可行,也可用于特征点的识别.     

一种新的虹膜识别算法研究

目的 为了提高虹膜识别的速度和可靠性。方法 根据虹膜识别的特征,提出了虹膜自动身份识别的一种新的算法和虹膜像几何畸变的校正方法。结果 用相关系数来测度图像的匹配结果,证实了该算法是有效的。结论 用本文的算法进行的大量抽样实验显示了主这种算法的正确性和可靠性。     

一种提高人耳特征点识别度的目标区域提取方法

对人耳进行特征识别多采用SURF算法,但该算法应用时极易受到图像中非目标区域的干扰,进而影响人耳特征点的检测和匹配准确度.基于目标区域的人耳特征识别算法可以突出目标区,而尽可能地抑制背景区域的影响.针对此问题,提出一种复合图像分割算法—KRM法作为人耳识别的预处理方法,将图像中人耳所在目标区域提取出来.该KRM法分为3步:首先利用k-means聚类算法将图像初步分割为前景目标区域和背景两类;再通过区域生长算法对过度分割的区域进行合并;最后应用形态学腐蚀的方法进行滤波得到人耳所在的目标区域.将KRM目标区域提取和SURF方法联用(简称KRM-SURF算法)应用于50组人耳图像,进行人耳特征点的检测与匹配,实验结果表明,特征点识别度(RD)均值达到0.924,KRM法的使用能极大地提高基于SURF算法的人耳特征识别的准确性.     

基于灰度相关特征点的图像拼接算法

提出了一种基于特征点的图像拼接算法,首先利用Harris角点检测提取两幅图像中的特征点,用特征点邻域灰度相关性将特征点进行匹配,并在此基础上根据变换参数向量的欧式距离对误匹配进行剔除,进而实现图像拼接.实验表明,这种算法能有效的排除误匹配的干扰,降低误匹配率,拼接效果良好.     

D3S 技术

D3S技术是在系列图像分析基础上发展形成的多学科的边缘前沿技术，已经广泛地应用于气象观测、作物识别、医疗诊断、自动化和机器人导航等领域，近年又在目标识别、参数测量、寻的跟踪、交会对接和三维高觉等高技术应用领域取得了很多突破性的研究成果，并在地质数据分析和侦察等方面显示出重要应用前景。本文分析总结了D3S技术近10年来的发展趋势和特点。     

Local-Tetra-Patterns for Face Recognition Encoded on Spatial Pyramid Matching

Face recognition is a big challenge in the research field with a lot of problems like misalignment, illumination changes, pose variations, occlusion, and expressions. Providing a single solution to solve all these problems at a time is a challenging task. We have put some effort to provide a solution to solving all these issues by introducing a face recognition model based on local tetra patterns and spatial pyramid matching. The technique is based on a procedure where the input image is passed through an algorithm that extracts local features by using spatial pyramid matching and max-pooling. Finally, the input image is recognized using a robust kernel representation method using extracted features. The qualitative and quantitative analysis of the proposed method is carried on benchmark image datasets. Experimental results showed that the proposed method performs better in terms of standard performance evaluation parameters as compared to state-of-the-art methods on AR, ORL, LFW, and FERET face recognition datasets.     

Occlusion invariant face recognition using mean based weight matrix and support vector machine

In this paper, a novel occlusion invariant face recognition algorithm based on Mean based weight matrix (MBWM) technique is proposed. The proposed algorithm is composed of two phases—the occlusion detection phase and the MBWM based face recognition phase. A feature based approach is used to effectively detect partial occlusions for a given input face image. The input face image is first divided into a finite number of disjointed local patches, and features are extracted for each patch, and the occlusion present is detected. Features obtained from the corresponding occlusion-free patches of training images are used for face image recognition. The SVM classifier is used for occlusion detection for each patch. In the recognition phase, the MBWM bases of occlusion-free image patches are used for face recognition. Euclidean nearest neighbour rule is applied for the matching. GTAV face database that includes many occluded face images by sunglasses and hand are used for the experiment. The experimental results demonstrate that the proposed local patch-based occlusion detection technique works well and the MBWM based method shows superior performance to other conventional approaches.     

图片卫士:一个自动成人图像识别系统

设计并实现了一个自动识别成人图像识别系统“图片卫士”。图片卫士采用3层识别框架,利用肤色、纹理、图像视觉特征分层逐级识别成人图像。为了可靠地检测到图像中的肤色区域,提出了一种新的自适应统计肤色模型。在肤色检测基础上,通过皮肤纹理验证过程,图像中的人体皮肤区域被准确地分割出来。基于图像中皮肤区域,提取9个经验特征来表示图像内容,并采用AdaBoost算法构造一个总体分类器进行图像分类,识别正常图像和成人图像。在算法评估中,建立了一个78205幅图像的测试集,其中59885幅为正常图像,18320幅为成人图像。图片卫士显示了良好的系统性能,具有成人图像88．5％的识别率,正常图像92．5％的识别率。在PentiumⅣ1．5GHz的个人计算机上,图片卫士的平均处理速度为正常图像每秒5．6幅和成人图像每秒1．9幅。图片卫士可以应用在个人计算机或网络传输中,实时监控和过滤成人图像,还可以为网络安全等应用提供技术支持。     

由序列图像进行三维测量的新方法

目前的三维测量方法都需要专门的测量设备且存在着种种限制,为此提出了一种基于图像序列进行三维测量的新方法。将由数码相机围绕被测物体拍摄的多幅图像导入计算机,利用图像处理知识得到特征的二维信息;采用计算机视觉方法,对特征从射影空间到欧式空间分层逐步重建即可完成三维测量。设计一套特征标志组合,作为辅助测量工具避免了特征匹配难题。确立了一套图像分割与识别策略获得特征标志二维信息,识别率可达到95%以上。采用基于模约束的摄像机分层自标定方法得到特征在欧式空间下的三维信息,并通过多种优化方法减少误差的影响。该方法在硬件上实现简单,对测量条件要求不高。实际试验表明,相对误差可达到1.48%,重投影误差为0.3864像素。     

Probabilistic approach to face recognition

Faces are highly deformable objects which may easily change their appearance over time. Not all face areas are subject to the same variability. Therefore, decoupling of the information from independent areas of the face is of paramount importance to improve the robustness of any face recognition technique. The aim of this article is to present a robust face recognition technique based on the extraction and matching of probabilistic graphs drawn on scale invariant feature transform (SIFT) features related to independent face areas. The face matching strategy is based on matching individual salient facial graphs characterized by SIFT features as connected to facial landmarks such as the eyes and the mouth. In order to reduce the face matching errors, the Dempster–Shafer decision theory is applied to fuse the individual matching scores obtained from each pair of salient facial features. The proposed algorithm is evaluated with the Olivetti Research Lab (ORL) and the Indian Institute of Technology Kanpur (IITK) face databases. The experimental results demonstrate the effectiveness and potential of the proposed face recognition technique, even in the case of partially occluded faces.