计算机视觉技术的发展及应用

计算机视觉技术集数字图像处理、数字信号处理、光学、物理学、几何学、应用数学、模式识别及人工智能等知识于一体,其应用已经涉及到计算几何、计算机图形学、图像处理、机器人学等领域。文中简要地回顾了计算机视觉技术的发展史,主要介绍了计算机视觉中图像处理技术在检测技术方面的应用。利用工业摄像镜头替代目视作为传感器,通过图像采集,图像处理,图像识别等一系列操作,达到在线对包装产品进行标签检测的目的。     

基于边界斜率的列车零部件形状分析

随着计算机视觉技术的发展,可广泛应用于现代工业、国防、医学、空间技术等领域。系统介绍了采用计算机视觉和边界斜率图像处理的原理和方法,对待检列车部件表面进行了图像获取、图像预处理、图像分割、特征提取和判断决策研究的过程,开发了一个正确率较高的列车零部件形状分析检测系统。     

一种快速的柱面全景图像拼接算法

长久以来在计算机视觉、图像处理和计算机图形学的研究中,图像拼接技术一直都是主流方向。利用它能够构造大场景图像及全景图像,借此以产生大视角的高清晰度图像。目前,这种技术被广泛应用在虚拟现实领域、医学图像处理领域、遥感技术领域和军事领域中。提出了一种基于图像特征点匹配的柱面全景图像拼接算法,实验表明,该算法具有匹配精度高、鲁棒性强等特点,可以快速而高效地生成柱面全景图像,具有很高的实用价值。     

计算机视觉下的果实目标检测算法综述

基于计算机视觉的果实目标检测识别是目标检测、计算机视觉、农业机器人等多学科的重要交叉研究课题,在智慧农业、农业现代化、自动采摘机器人等领域,具有重要的理论研究意义和实际应用价值。随着深度学习在图像处理领域中广泛应用并取得良好效果,计算机视觉技术结合深度学习方法的果实目标检测识别算法逐渐成为主流。本文介绍基于计算机视觉的果实目标检测识别的任务、难点和发展现状,以及2类基于深度学习方法的果实目标检测识别算法,最后介绍用于算法模型训练学习的公开数据集与评价模型性能的评价指标,且对当前果实目标检测识别存在的问题和未来可能的发展方向进行讨论。     

基于模糊数学的图像处理方法

基于模糊数学的图像处理技术是计算机图像处理中的重要技术。由于图像处理中图像分析和计算机视觉的影响很大,图像本质上具有模糊性,因此模糊信息处理技术在图像处理中的使用有其内在的合理性和必然性。     

静态阴影检测的研究进展

阴影给许多计算机视觉任务带来困难,例如图像分割、物体识别、边缘检测等.正确的阴影检测不但可以避免上述问题,同时也是阴影去除的基础.因此,阴影检测技术是图像处理和计算机视觉等相关领域的一个研究热点,近年来提出了大量算法.目前,关于视频中的动态阴影,在权威期刊已发表数篇综述性文献,但针对图像中的静态阴影,国内外尚未发表相关的评述性文献.本文对近年来提出的静态阴影检测算法按照基于模型的检测算法、基于本征图像的检测算法和基于统计学习的检测算法进行了分类和评述,总结了静态阴影检测的研究现状,分析了存在的问题并进行了展望.     

一种基于调节形态学的骨架提取算法

对目标图像提取其骨架，在目标检测、图像编码及光学字符识别等计算机视觉、图像处理与模式识别领域有着广泛的应用。简要介绍了调节形态学的基本算子和性质，在此基础上提出了一种二值图像的调节形态学骨架提取算法，最后给出了用调节形态学方法获取二值图像骨架的实例。     

深度学习在目标视觉检测中的应用进展与展望

目标视觉检测是计算机视觉领域的一个重要问题,在视频监控、自主驾驶、人机交互等方面具有重要的研究意义和应用价值.近年来,深度学习在图像分类研究中取得了突破性进展,也带动着目标视觉检测取得突飞猛进的发展.本文综述了深度学习在目标视觉检测中的应用进展与展望.首先对目标视觉检测的基本流程进行总结,并介绍了目标视觉检测研究常用的公共数据集;然后重点介绍了目前发展迅猛的深度学习方法在目标视觉检测中的最新应用进展;最后讨论了深度学习方法应用于目标视觉检测时存在的困难和挑战,并对今后的发展趋势进行展望.     

遥感图像的图像镶嵌方法

图像镶嵌技术是近年来发展迅速的图像处理技术之一，是计算机视觉领域和计算机图形学领域都十分关注的研究热点之一。通过对现有遥感图像镶嵌方法的研究，时其进行了归纳和总结，并介绍了几种常见的图像镶嵌关键技术。     

基于计算机视觉的水果分级技术研究进展

从水果尺寸、形状、颜色、缺陷等几个方面的检测技术及特征分类方法,介绍了国内外计算机视觉技术在水果分级中的研究进展,重点介绍了水果的缺陷检测技术,并认为具有启发式、智能化特点的彩色图像处理技术将会成为计算机视觉技术应用于水果分级领域的研究热点.     

基于分形和分水岭的图像分割方法

图像分割是一种重要的图像处理技术,也是计算机视觉领域低层次视觉中的主要问题,同时它又是一个经典难题.提出了结合分水岭分割与图像分形维数的一种新方法用于对自然背景下人造目标的提取.实验结果证明,该方法能有效抑制自然背景,并提取出人造目标的轮廓.     

小目标检测技术研究综述

小目标检测是针对图像中像素占比少的目标,借助计算机视觉在图像中找到并判断该目标所属类别的目标检测技术。与目前应用较为成熟的大尺度、中尺度目标检测不同,小目标自身存在着语义信息少、覆盖面积小等先天不足,导致小目标的检测效果并不理想,因此如何提高小目标的检测效果依然是计算机视觉领域的一大难题。对近年来国内外小目标检测领域研究成果进行了梳理,以小目标检测技术为核心,对关于小目标的定义、检测难点进行分析;将能有效提高小目标检测精度的方法进行分类汇总,并介绍了各种方法的应用与优缺点;最后对未来小目标检测领域发展趋势进行了预测与展望。     

基于深度学习的视觉目标检测技术综述

视觉目标检测旨在定位和识别图像中存在的物体,属于计算机视觉领域的经典任务之一,也是许多计算机视觉任务的前提与基础,在自动驾驶、视频监控等领域具有重要的应用价值,受到研究人员的广泛关注。随着深度学习技术的飞速发展,目标检测取得了巨大的进展。首先,本文总结了深度目标检测在训练和测试过程中的基本流程。训练阶段包括数据预处理、检测网络、标签分配与损失函数计算等过程,测试阶段使用经过训练的检测器生成检测结果并对检测结果进行后处理。然后,回顾基于单目相机的视觉目标检测方法,主要包括基于锚点框的方法、无锚点框的方法和端到端预测的方法等。同时,总结了目标检测中一些常见的子模块设计方法。在基于单目相机的视觉目标检测方法之后,介绍了基于双目相机的视觉目标检测方法。在此基础上,分别对比了单目目标检测和双目目标检测的国内外研究进展情况,并展望了视觉目标检测技术发展趋势。通过总结和分析,希望能够为相关研究人员进行视觉目标检测相关研究提供参考。     

机器视觉工业检测系统的应用与发展

介绍了机器视觉工业检测系统的发展概况,阐述了机器视觉的研究已经从实验室走向实际应用的发展阶段,业已成为当代计算机技术研究的热点,获得了广泛的工业应用。重点讨论了机器视觉系统在实际工业生产中的应用及工业视觉检测原理、常用图像处理算法等。举例说明了如何利用模板匹配法对目标图像进行识别,从而实现对产品包装的检测。最后,指出在社会高度信息化发展过程中,在人类获取信息中占很大比例的视觉信息处理技术及机器视觉测量系统,将受到人们越来越多的关注。     

基于运动目标尺寸检测的实时图像处理与显示

运动目标尺寸实时检测与显示是运动图像检测和应用视觉研究领域的一个重要课题,而图像处理则是其核心内容;文章针对采集到的图像进行一系列的处理,最终实时显示图像并获得运动目标的尺寸等信息;首先针对采集图像时电子设备的不稳定性和检测模块的不一致性,进行中值滤波和增益校正同时将处理图像实时显示出来;然后对其整体图像进行分割与二值化、角点检测和边缘拟合处理,获得目标的尺寸信息;最后利用VC++将整体处理图像及尺寸信息显示出来,以便于图像理解和模式识别;实验证明,文章提出的算法、软件的设计很好地滤除不相关的目标,保存感兴趣目标,具有良好的实时性、精确性,能够满足当代工业检测设备中的要求。     

基于斜Haar类变换的图像边缘检测

图像边缘检测是图像处理和计算机视觉中的基本技术。提出了一种新的基于斜Haar类变换的图像边缘检测方法。实验表明,该算法具有较好的边缘检测能力,不仅方法简单、计算速度快,而且对于处理灰度渐变图像是有优势的。     

Transformer在计算机视觉场景下的研究综述

Transformer是一种基于注意力的编码器-解码器架构，其凭借长距离建模能力与并行计算能力在自然语言处理领域取得了重大突破，并逐步拓展应用至计算机视觉领域，成为了计算机视觉任务的重要研究方向。文中重点回顾与总结了Transformer在图像分类、目标检测与图像分割三大计算机视觉任务中的应用和改进。首先，以图像分类任务为切入点，从数据规模、结构特点、计算效率等方面深入分析了当前视觉Transformer存在的关键问题，并基于关键问题对解决方法和思路进行了分类。其次，全面梳理了视觉Transformer在目标检测与图像分割两大领域的研究进展，并根据结构特点、设计动机来组织这些方法，分析对比代表性方法的优点与不足。最后，对Transformer在计算机视觉任务中亟待解决的问题以及发展趋势进行了总结和探讨。     

基于光流的运动分析理论及应用

运动目标的检测是计算机视觉领域中最活跃的研究主题之一,运动目标的正确检测与分割影响着运动目标能否正确跟踪和分类;光流法是运动图像分析的重要方法,它能够检测出独立运动的对象,不需要预先知道场景的任何信息,并且可用于摄像机运动的情况;文中首先引入光流的基本概念,然后介绍基于光流方程的两种常用的图像分析方法--梯度法、块匹配法;接着结合光流法在红外图像序列的运动目标检测、活动轮廓模型以及医学图像处理方面的应用,对这两种光流法的优缺点进行分析;最后对光流法在未来其他领域如电子制造业和芯片检测行业的应用提出展望.     

《图像处理、分析与机器视觉（第3版）》

本书是为计算机专业图像处理、图像分析和机器视觉课程编写的教材。 本书针对图像处理、图像分析和机器视觉领域的有关原理与技术展开了广泛而深入的讨论,包括图像预处理、图像分割、形状表示与描述、物体识别与图像理解、三维视觉、数学形态学图像处理技术、离散图像变换、图像压缩、纹理描述、运动分析等。     

基于深度学习的遥感图像目标检测技术研究进展

目标检测是遥感图像信息提取领域中的研究热点之一,具有广泛的应用前景。近些年来,深度学习在计算机视觉领域的发展为海量遥感图像信息提取提供了强大的技术支撑,使得遥感图像目标检测的精确度和效率均得到了很大提升。然而,由于遥感图像目标具有多尺度、多种旋转角度、场景复杂等特点,在高质量标记样本有限的情况下,深度学习在遥感图像目标检测应用中仍面临巨大挑战。从尺度不变性、旋转不变性、复杂背景干扰、样本量少和多波段数据检测5个角度出发,总结了近几年基于深度学习的遥感图像目标检测方法。此外,对典型遥感图像目标的检测难点和方法进行分析和总结,并对公开的遥感图像目标检测数据集进行概述。最后阐述了遥感图像目标检测研究的未来趋势。