一种快速的彩色序列图像人脸检测算法

针对视频中的彩色序列图像，提出了一种人脸检测算法。该算法是一个由粗到精的检测过程。首先采用运动检测分析方法，根据多帧差分图像中运动物体边缘点的水平投影确定目标的水平位置，并结合肤色检测算法进一步确定人脸位置，然后用训练好的支持向量机进行人脸验证。实验结果表明，针对一般的彩色序列图像任意姿态人脸检测问题，该算法快速有效。     

基于均值漂移和边缘检测的轮廓跟踪算法

实时的轮廓跟踪算法可以为视频监控系统提供物体的轮廓信息以供对物体类别、物体行为等进行识别.提出一种基于均值漂移和边缘检测的轮廓跟踪算法.方法中,首先利用均值漂移算法跟踪得到目标物体的中心位置,同时用高斯统计模型进行背景更新,从前景图像和背景图像中分别得到具有相同位置和大小的前景矩形区域和背景矩形区域,然后用背景分割的方法得到目标物体区域,再对目标物体区域进行边缘检测就得到了目标物体的轮廓,进而实现了对目标物体的轮廓跟踪.实验表明,可以实时、准确、稳定地对目标物体进行轮廓跟踪.     

彩色序列图像中实时运动目标跟踪方法

提出了一种彩色序列图像中的实时运动目标跟踪算法,该算法首先利用综合帧间差分法与背景差分法两种方法优点的动态背景更新算法来检测各种运动目标,在后续的图像序列中,利用运动检测算法来确定目标跟踪的起始点,并利用Mean Shift算法来跟踪运动物体;然后再更新Mean Shift的目标模板。实验结果表明,该算法能够克服Mean Shift算法对尺度变化的物体的跟踪效果较差且不能检测突然出现在图像序列中的物体的不足,快速准确地跟踪各种物体。     

室内环境下基于R-CNN的光照自适应物体检测

物体检测是工作于室内环境的移动机器人必须解决的问题。物体检测受到环境动态变化的影响,其中尤以光照变化的影响最为明显。分析室内环境中光照变化特点,研究如何通过提取图像空间特征快速识别环境中光照状况,并以光照识别结果控制物体检测模式切换,在不同光照状态下,自适应地选择使用图像传感器或者激光传感器数据,结合深度学习的特征选择能力,保证物体检测性能。机器人运行时,首先通过提取图像在CIEXYZ空间Y分量上的统计特征,并结合一些其他特征,实现快速地对图像拍摄时所处环境的光照状态进行估计;在光照适中的情况下,利用R-CNN算法结合移动机器人特点,实现在图像空间下的快速物体检测;在光照不足或过强时,先把三维激光传感器获取的点云转换成深度图像,再利用R-CNN算法实现物体检测。实验结果表明了所提出算法的有效性。     

融合YOLO检测与均值漂移的目标跟踪算法

针对视频目标跟踪算法中物体快速移动以及均值漂移算法误差累积造成的目标漂移问题,提出了一种融合YOLO（You Only Look Once）与均值漂移的目标跟踪算法。采用图像增强机制对视频帧进行预处理,在保持图像信息的同时去除光照强度的干扰;为了降低YOLO算法的计算复杂度,使用二分类器区分目标和背景进行物体的快速检测。根据目标物体的位置信息,使用均值漂移处理后续图像序列,并对目标物体进行检测更新,避免物体快速移动造成目标漂移问题,从而进行有效的检测跟踪。实验结果表明,该算法与DLT（Deep Learning Tracker）算法相比,运算效率提高了12.56%,跟踪精度提高了10.2%,能够较好地适应物体快速移动,具有较强的鲁棒性和实时性。     

广义霍夫变换在多目标检测领域的应用及优化

分析了广义霍夫变换（GHT）的原理及在目标检测领域的已有研究,在原单目标检测的基础上,加入了多个相似目标物体检测与计数的能力,根据阈值的设定,能够快速准确地从图像中同时识别出多个目标物体,并记录下各目标物体的相关位置信息。利用GPU对GHT算法进行加速,充分挖掘算法各个步骤的潜在并行性,并结合GPU中的各种存储器优化方法,合理安排各存储器的存储数据,实验结果表明,GPU极大提升了算法的运行速度。     

基于改进YOLOv2的无标定3D机械臂自主抓取方法

提出了一种多物体环境下基于改进YOLOv2的无标定3D机械臂自主抓取方法。首先为了降低深度学习算法YOLOv2检测多物体边界框重合率和3D距离计算误差,提出了一种改进的YOLOv2算法。利用此算法对图像中的目标物体进行检测识别,得到目标物体在RGB图像中的位置信息; 然后根据深度图像信息使用K-means++聚类算法快速计算目标物体到摄像机的距离,估计目标物体大小和姿态,同时检测机械手的位置信息,计算机械手到目标物体的距离; 最后根据目标物体的大小、姿态和到机械手的距离,使用PID算法控制机械手抓取物体。提出的改进YOLOv2算法获得了更精准的物体边界框,边框交集更小,提高了目标物体距离检测和大小、姿态估计的准确率。为了避免了繁杂的标定,提出无标定抓取方法,代替了基于雅克比矩阵的无标定估计方法,通用性好。实验验证了提出的系统框架能对图像中物体进行较为准确的自动分类和定位,利用Universal Robot 3机械臂能够对任意摆放的物体进行较为准确的抓取。     

一种基于边缘图像的快速物体检测方法

为提高物体检测速度,提出一种利用边缘快速检测物体的方法。首先,求取图像中每一个像素的边缘模值和方向,依据模值定位边缘位置,依据位置和方向进行边缘分组;然后,通过计算边缘组的相似度来对候选的包围盒进行投票;最后,统计多尺度滑动窗口上各候选包围盒的投票得分,依据包围盒得分对包围盒进行过滤,再依据包围盒重合度对包围盒进行合并,并依据合并的包围盒数量判断其是否为物体,最终得到图像中各物体的包围盒。实验结果表明,相对于目前最新的物体检测算法相比,该方法的运算效率最高,且检索率和精确度高。     

一类视频序列中的人脸检测与实时跟踪算法

提出一种新的人脸快速检测与实时跟踪算法,能够对视频序列中的人脸进行快速、准确地检测和跟踪。算法分为开始状态、目标丢失状态的人脸检测和连续状态的目标跟踪。首先预测人脸两眼之间的中心位置,得到人脸的预测位置并对预测位置处的图像进行模板匹配,快速检测出人脸准确位置。然后利用检测出的人脸修正人脸模板,并在检测出的位置、旋转度、缩放比例等条件下,对后面序列图像进行小位置、小角度的快速跟踪。实验采用了多种环境下的大量视频,结果显示该算法能够快速跟踪视频序列中的人脸并具有很高的准确性、鲁棒性。     

基于蜂群算法的图像边缘检测*

提出了一种基于蜂群算法的图像边缘检测方法。利用蜂群算法的特点,对图像边界进行快速搜索,得到一组局部最优点,然后分别从局部最优点开始进行搜索,找出图像中各物体的边缘点,所有蜜蜂找出的边界点的并集就是图像边缘。仿真实验表明该算法是可行和有效的。     

基于差分图像的滴塑模具残留物检测算法

模具是工业产品的成型工具,在滴塑加工过程中,若模具存在异物,它会导致下一次成型时成品出现孔洞,严重降低产品质量。针对该问题,提出了一种基于差分图像的残留检测算法,首先采用基于灰度模板匹配算法定位检测区域,再将标准图像和当前图像作差分,并进行阈值分割和形态学处理获得二值化图像,最后对图像进行连通区域分析,得到残留物在图像中的位置和大小;针对环境光照变化引起的误检现象,采用了一种全局光照补偿算法降低其影响。测试结果表明,该算法效率高并具有良好的稳定性,适用于模具的残留物检测。     

Real-time model-based tracking combining spatial and temporal features

This paper describes a method for tracking moving image features by combining spatial and temporal edge information with model-based feature information. The algorithm updates the two-dimensional position of object features by correlating predicted model features with current image data. The results of the correlation process are used to compute an updated model. The algorithm makes use of a high temporal sampling rate with respect to spatial changes of the image features and operates in a real-time multi-processing environment. Preliminary results demonstrate successful tracking for image feature velocities between 1.1 and 4.5 pixels every image frame.     

图像拼接技术在大尺寸物体测量中的应用

研究利用图像拼接技术把几张有重叠部分的图像拼接成一幅大视角高分辨率图像,应用于大尺寸物体的图像还原。试验几种拼接算法,得到算法运行时间和算法获得的物体特征数目等参数作为算法优劣评价标准。实验表明:对同一幅图像,FAST角点检测算法在31.2967 ms内检测到159个特征点,相比于其他检测算法,具有更快的运行时间和更高的检测精度。     

联合YOLO和Camshift的目标跟踪算法研究

为了解决传统目标跟踪算法在有遮挡后无法准确跟踪的问题,提出了将YOLO和Camshift算法相联合的目标跟踪算法.基于YOLO网络结构来构建目标检测的模型,在模型构建之前,采用图像增强的方法对视频帧进行预处理,在保留视频帧中足够图像信息的同时,提高图像质量,降低YOLO算法的时间复杂度.用YOLO算法确定出目标,完成对目标跟踪的初始化.根据目标的位置信息使用Camshift算法对后续的视频帧进行处理,并对每一帧的目标进行更新,从而可以保证不断调整跟踪窗口位置,适应目标的移动.实验结果表明,所提的方法能够有效地克服目标被遮挡后跟踪丢失的问题,具有很好的鲁棒性.     

基于提升格式小波变换的医学图像融合技术

图像融和是对取自不同时间、不同传感器或不同视角的同一场景的两幅图像或者多幅图像进行信息融合的过程,主要用于消除来自不同传感器图像中目标的位置差异。在分析常见算法的基础上,提出了一种新医学图像融合算法,新算法以提升格式小波变换为基础,利用图像多级小波分解后近似分量的轮廓相似性进行图像的快速融合。实验结果表明,新方法高效精确。     

鲁棒卡尔曼滤波下的图像雅可比矩阵带时延补偿的估计

传统的图像雅可比矩阵估计的方法没有考虑时延因素,因此具有较大的估计误差.为补偿时延带来的影响,提出一种鲁棒卡尔曼滤波的方法,实现时延情况下当前时刻特征点在图像空间中位置和速度的估计,进而得到时延情况下较为准确的图像雅可比矩阵的估值.具体说,特征点在图像空间中当前时刻位置和速度是首先用卡尔曼滤波的方法估计的,但观测噪声的描述却采用了马尔科夫链模型,由此产生了过程噪声和观测噪声的互相关,传统卡尔曼滤波受限.为此,我们引入滤波修正向量并重新定义过程方程及观测方程,结合卡尔曼滤波中噪声的数学特性,得到滤波修正向量消除互相关性,从而构建出鲁棒卡尔曼滤波模型;其次,针对鲁棒卡尔曼滤波模型中存在的无法获得时延期间的观测向量的问题,提出利用多项式拟合出这部分观测向量,该多项式的选取综合考虑了特征点的位置、速度、加速度、加速度的变化率对于特征点轨迹的影响,与实际情况相符;最后,由预测出的当前时刻特征点在图像空间中的位置和速度,实现时延情况下图像雅可比矩阵较为准确的估计.仿真和实验结果验证了本文方法的可行性和优越性.     

一种基于压缩感知的快速混合分形编码算法研究

针对分形编码的方块效应以及编码时间过长的问题,本文提出分形编码与压缩感知的混合算法.该算法只对低频子图进行分形编码,减少编码时间;再对低频差值图像以及其他子图进行压缩感知编码,以补充分形解码后图像所包含的信息.实验表明：对全局图像的小波变换缓解方块效应,只对低频子图进行分形编码大大提高编码速度,对差值图像以及其他子图的再编码提高了整个重构图像的质量.     

混沌映射与比特重组的图像加密

目的 当前很多图像加密都采用基于比特的加密算法。针对这种比较流行的加密算法所存在的安全缺陷问题,提出一种能够解决比特面0比特和1比特置乱时的位置限制的图像加密算法,实现比特的全局重组。方法 首先利用Tent混沌映射生成一个伪随机序列,然后利用生成的伪随机序列对比特明文图像进行整行以及整列的置乱,将置乱后的比特像素矩阵分块分别进行Henon映射的置乱,最后经过扩散操作得到最后的密文图像。结果 加密后明文图像的像素值的分布由不均匀变成了均匀分布,明文图像的各像素间的相关性被打破,使得原图没有了统计特性,像素变化率（NPCR）以及归一化平均变化强度（UACI）皆接近理想值,算法能够抵抗穷举攻击和差分攻击,并且在能保证加密安全的同时能有较低计算复杂度。结论 本文所提出的图像加密算法具有加密后像素相关性低、密钥空间大,以及对明文图像和密钥高度敏感等特点,本文算法在进行比特级的置乱时,又加入了与明文相关的特性,增强了加密算法的明文敏感性,同时也加强了加密算法的扩散性,可有效地保障密文图像的安全。     

基于相关理论的小波域数字盲水印算法

提出了一种新的图像数字盲水印算法。在水印嵌入过程中,用一个单元模板表示一个水印图像像素;在检测过程中,计算单元模板和嵌入水印后图像的小波变换系数的相关值,进行适当的门限处理就能提取出水印。水印检测不需要原始图像数据和水印位置信息,实现了水印图像的自同步盲检测。为了进一步提高该水印算法的鲁棒性和改善检测结果,在水印检测前使用拉普拉斯算子对图像进行锐化处理,使得所嵌入水印能抗击更多攻击种类,并使检测结果更清晰。在检测前加入锐化处理步骤,可以减小水印嵌入强度,而能得到同样的检测效果,因此也增强了水印的隐蔽性。实验表明,该算法具有较好的水印隐蔽性和鲁棒性。     

结构相似指数噪声整形算法及其在图像编码中的应用

提出一种基于双树小波变换的结构相似指数噪声整形算法（SSIM-NS） 算法并将其应用于图像编码传输中。算法是在双树小波变换后的噪声整形过程中引入结构相似指数度量（SSIM）,自适应地调整增益因子以达到最大限度聚集图像能量减少小波系数的目的,运用SPIHT编码算法对噪声整形后的小波系数进行编码并传输。实验结果表明,该算法不仅能够有效地削减小波系数个数聚集图像能量,而且在低比特率条件下重构图像具有更高的峰值信噪比（PSNR）,能够显著提高解码图像的质量。