微小型飞行器航空图像拼接算法

针对微小型飞行器所拍摄图像的特点,提出了一种稳健的航空图像拼接算法.此算法首先使用相位相关法估计平移参数并初步确定重叠区域,在重叠区域采用Harris角点检测算法进行特征点提取得到初步的伪匹配集合,并运用稳健的RANSAC算法将伪匹配点集合划分为内点和外点.在内点域内运用透视变换模型精确地估计出图像间的点变换关系.最后采用双线性插值对交接处进行颜色过渡.实验结果表明,该拼接结果比较理想,能有效去除错误配准点     

昆虫翅膀运动变形测量中弱光条图像处理

通过在连续域内,建立光栅型结构光光条图像的数学模型,提出了一种用于提取昆虫翅膀运动变形测量中弱光条中心点的图像处理方法。该方法根据光条图像灰度的二阶方向导数极值条件,利用Hessian矩阵算法提取弱光条中心点的亚像素位置,通过连续性约束、方向约束和光条间距约束等特征约束条件去除图像处理过程中出现的噪声点。实验结果表明,该方法成功地将昆虫翅膀图像中的弱光条中心点与“虚假点”进行了分离。     

自然环境下路面裂缝的识别

论文提出了一种基于分数阶微分和图像形态学的路面裂缝检测算法。分数阶微分能有效增强信号中、高频部分,非线性保留信号的低频部分,通过构建分数阶微分掩模算子,增强裂缝信息特别是平滑区域中弱信号信息。利用图像形态学算子提取裂缝,通过组合中值滤波去除孤立噪声点。实验结果表明,该算法比传统算法能更有效地检测出细小裂缝信息,是一种具有较强鲁棒性且高效实用算法。     

基于投票策略的图像配准算法(英文)

针对二维刚体图像配准,本文提出了一种由粗到细的图像配准方法.该方法首先由多尺度Harris角点检测算法提取出参考图像和目标图像的特征角点,采用基于投票策略的特征点匹配算法进行初步配准,有效地减少假点和不稳定点,然后对变换矩阵参数进行初估计,采用基于窗的精细算法对变换矩阵参数进行精估计,并得到最终的变换矩阵.实验结果表明,该算法具有高精度,对噪声鲁棒和低计算量的特点.     

机器人激光扫描式焊缝跟踪测量系统研究

提出了机器人激光扫描式焊缝跟踪系统参数的标定方法和基于数字图像处理的焊缝特征点识别方法.采用中值滤波、自适应阈值分割和孤点滤波法等对激光图像进行预处理,以数字形态学方法获得焊缝特征点坐标;然后以一组平行线为靶标,获得激光平面上无穷远处一点在摄像机中的投影,实现结构光参数的标定;最后以多个机器人位姿对固定目标点进行检测,求解出机器人的手眼矩阵.整个系统标定过程简单,精度可靠,可用于空间曲面的U型焊缝检测.     

基于边缘探测的密集颗粒图像分割方法

针对密集的颗粒图像提出了一种基于边缘探测的颗粒分割方法.该方法采用分块自适应的边缘检测算法实现对图像的边缘检测,并采用形态学方法去除边缘噪音;采用分水岭算法对图像进行初步分割,根据分割区域自动选取种子点,并利用区域面积对种子点进行修正,然后从种子点发射探测线探测边缘位置,记录边界点,通过判断机制判别出由于边缘不完整或噪...     

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.     

基于二次滤波的对接焊缝路径识别

当前视觉传感器广泛应用于焊接机器人的轨迹规划。针对焊接图像噪声干扰引起的焊缝路径提取精度差的问题,本文提出了一种基于二次滤波的方法实现焊缝的路径识别。通过对采集的焊接图像依次进行灰度处理,滤波处理,边缘提取和填充,将焊缝特征通过二值图像体现出来。同时,为了去除二值图像上噪声的干扰,再次进行滤波处理,并通过灰度重心法提取整张图像上的焊缝坐标。最后,在对接焊缝上验证了本方法识别焊缝路径的平均误差在1像素以内,满足工业的要求。     

Shi-Tomasi角点区域的拷贝图像检测

针对由于裁剪、翻转和旋转等产生的图像拷贝问题,提出一种Shi-Tomasi角点的拷贝检测算法.先使用Shi-Tomasi角点检测算法提取图像的局部角点;然后在以Shi-Tomasi角点为中心的圆环区域内计算特征向量的协方差描述子(多特征融合);最后通过协方差描述子的相似性度量来检测圆环区域的相似性,并以此判断检测图像是否为原图像的拷贝.实验结果证明,该检测算法对图像的裁剪、旋转等攻击具有较好的鲁棒性.     

红外视频监控中的人体目标检测

针对各种不同的红外监控视频图像中人体检测问题,提出一种背景减除和数学形态学相结合的检测算法.利用背景减除来得到感兴趣局部区域,经过形态学进一步去除噪声干扰,通过特征分析消除虚假目标,提取人体完整的轮廓,得到人体目标信息,利用自适应背景估计模型对背景进行更新.实验结果表明,该算法能够很好地实现红外监控中的人体目标检测,具有很强的实用性.     

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.     

基于Harris与Sift算法的图像匹配方法

采用 Harris 角点检测算法进行图像特征检测, 采用 Sift 算法中的特征描述方法进行图像特征描述, 之后将图像特征点划分为多对多匹配对, 根据特征描述值的支持强度不同建立精确的一对一匹配关系. 该算法有效地避免了图像特征分布均匀时的 Sift 匹配效率较低的问题.     

十字线结构光光条提取方法的研究

在结构光视觉检测系统中,光条中心的提取精度直接影响到整个测量系统的测量精度.文章根据红色激光光条的RGB值与背景的差异,提取激光光条,结合像素连通性,采用最小外接矩形法将光条分割,在每个距形区域内采用高斯曲线拟合法提取光条中心,利用最小二乘法拟合光条直线.实验表明该方法具有数据存储量小、实现速度快的特点,且具有一定的抗噪声和断线修补能力.     

基于小波包分解和PCA-Attention-LSTM的舰船辐射噪声识别技术

为了改进舰船辐射噪声分类系统的性能,进一步提高识别准确率,文章提出了一种基于多特征的小波包分解在长短期记忆(LongShort-TermMemory,LSTM)网络中分类的方法。该方法首先通过小波包分解技术,分频段提取舰船辐射噪声的多种特征,将提取的特征利用主成分分析法(Principal Component Analysis, PCA)进行数据降维,通过添加注意力机制(Attention Mechanism)算法的LSTM网络,对辐射噪声结果分类,提高了学习效率和识别准确率。为了更精细地提取特征,分频段提取了舰船辐射噪声的时频域特征、小波变换特征和梅尔倒谱系数等特征,并将分频段与不分频段的特征、多特征与单一特征、不同信噪比间的算法性能进行对比。实验结果表明,基于小波包分解和PCA-Attention-LSTM的模型可以有效地提高舰船辐射噪声分类的性能,是一种可行的分类方法。     

基于深度学习的舰船辐射噪声多特征融合分类

为了改善分类系统的性能,进一步提高舰船辐射噪声分类的正确率,该文提出了一种基于深度神经网络的多特征融合分类方法。该方法首先提取舰船辐射噪声几种不同的特征,将提取的特征同时用于训练具有多个输入分支的深度神经网络,使网络直接在多种特征参数上进行联合学习,通过神经网络的输入分支和连接层实现特征融合,再对舰船辐射噪声进行分类。为了特征深度学习提取了舰船辐射噪声的频谱特征、梅尔倒谱系数和功率谱特征,并将多特征融合分类方法与在一种特征上进行深度学习分类方法的正确率进行对比。实验结果表明,基于深度学习的多特征融合分类方法可以有效地提高舰船辐射噪声分类的正确率,是一种可行的分类方法。     

相似度距离耦合角度径向变换的图像配准算法

目的为了解决当前图像配准算法因利用l1距离或l2距离相似度测量手段来完成图像特征点匹配,使其忽略了相位信息,难以有效消除高斯噪声的影响,使其配准精度与效率不佳不足的问题。方法提出最优相似度距离耦合角度径向变换的抗噪图像配准算法。首先引入角度径向变换,以降低算法复杂度,快速提取图像的特征点。然后联合图像的幅度和相位信息,基于欧式距离测度,定义最优相似度距离测量模型,通过求解其全局最小值,对特征点完成匹配,提高算法的抗噪性能。最后将图像分割为内点与外点,择取6个内点,通过计算其变换矩的几何配准误差,改进随机样本一致策略,对匹配进行提纯,消除误配。结果仿真实验结果显示,与当前基于l1距离或l2距离相似度测量的图像配准技术相比,该算法具有更强的抗高斯噪声性能和更高的匹配精度,且算法时耗最短。结论所提算法能够精确完成图像特征配准。     

基于形状内容描述子的点特征匹配

针对两幅图像中特征点的匹配问题,本文提出了一种新的基于形状内容描述子的点特征匹配方法.该方法首先利用基于曲率尺度空间(CSS)的角点检测技术获得两幅图像中的角点及其所在的曲线;然后,计算两幅图像中每个角点的形状内容描述子,运用x2统计检验函数得到描述子的匹配度,对该匹配度进行评估,如果高于某一个阈值,则认为初始匹配成功;最后对初始匹配成功的点对,利用半局域限制完成点集之间的最终匹配.实验结果表明,本文所提出的匹配算法具有较高的点特征匹配准确率.     

具有SIFT描述的Harris角点多源图像配准

多源传感器成像原理的差异给图像配准带来了很大困难,本文针对红外与可见光图像配准提出了一种具有SIFT描述特征的Harris角点多源图像配准算法。首先建立多尺度空间,以多尺度空间检测尺度不变的Harris角点作为特征点;然后通过改进SIFT对特征点的描述方法,采用圆环结构算子对Harris角点进行类SIFT的特征描述;最后利用双向最近邻方法进行匹配,通过最小二乘法实现图像的配准。实验证实了算法配准的精确性、快速性和稳定性,具有较好的配准效果。     

目标噪声响度特征提取技术研究

考虑声纳员听音判型过程中,目标噪声的响度变化是其判型的重要依据,计算目标噪声信号的响度,提取其响度特征,基于响度特征对三类目标进行分类识别。设计神经网络分类器,实测数据验证了基于响度的目标特征提取方法是有效的,并分析了响度特征和能量特征的区别,说明了三类目标噪声响度特征较能量特征分布的集中度好,有利于提高分类识别的正确概率。