基于卷积神经网络的汉字编码标记点检测识别

近景摄影测量中采用的标记点要求具有唯一身份号并能在图像中被精确识别定位。设计了一种以汉字作为编码特征的编码标记点,提出了一种基于卷积神经网络的编码标记点检测识别方法。首先采用基于相机成像原理的虚拟相机法,自动生成大量汉字编码点模拟图像作为训练样本,并据此训练卷积神经网络成为汉字编码点识别网络。根据一系列编码点筛选准则分割得到实拍汉字编码点,然后用编码点识别网络对其身份号进行识别,最后通过中心定位算法定位编码点中心。实验结果表明构建的识别网络对汉字编码点识别率可达97. 67%,且受噪声、投影角度、图像对比度、亮度等因素的影响小;分割算法鲁棒性强,能准确分割出汉字编码点;中心定位算法对编码点中心的定位精度高。     

基于仿射变换和均值像素法的环状编码点鲁棒识别

在近景工业摄影测量中,针对环状编码点精确定位和准确识别的要求,提出了一种鲁棒性识别算法。该算法在对目标图像预处理后,首先根据边缘滤波准则初步定位编码点,并将含编码带的特征区域分割出来。然后,利用最小二乘法对特征区域进行仿射变换,将经透视投影退化的椭圆映射成规则圆形。最后,采用均值像素法获取环状编码点的解码值,进一步提高编码点的抗噪性。大量实验结果表明:该方法在对编码点的中心定位达到亚像素级别的同时,改善了算法对识别角度的鲁棒性,在识别角度为70°时,正确识别率仍可达97.9%,在实际复杂场景中具有较好的实用价值。     

视觉测量中环形编码标志点的精确识别算法研究

视觉测量中,在待测物体表面分布一些易于识别的标记,可以提高特征识别的准确性和精度,保证多幅图像间特征点对应匹配的可靠性。针对在投影角度或图像噪声较大时,环形编码标志点识别率低的问题,设计了一种环形编码标志点作为标记,并提出了一种编码标志点精确识别算法。该算法首先使用Otsu算法提取椭圆边缘环状领域,并对环状领域点进行椭圆拟合求解椭圆参数;然后根据圆度与椭圆参数约束排除图像中伪标志点;最后通过计算编码环段内椭圆的灰度梯度确定编码环带的编码值。所使用的圆心提取算法能达到亚像素级精度。试验结果表明,该编码标志点识别算法受投影角度、图像噪声等因素的影响小,可以实现编码标志点的精确定位与准确识别。     

基于SIFT的运动模糊编码点识别研究

在航空航天等领域需要测量高速运动目标的三维外形,而对运动目标上具有一定运动模糊效应的视觉特征的准确识别是三维测量的前提。为此提出一种利用具有尺度不变特性的SIFT特征对布设于高速运动目标上的视觉编码点进行识别的方法。详细阐述了运动模糊编码点识别模型的构建方法,采集了5类共19 000张编码点的实际运动模糊图像用于模型的训练和测试,实验测试集识别精度最高可达92.45%,证明了该方法的有效性。     

视觉测量中可纠错的编码点识别及提取

针对视觉测量中经常发生椭圆点检测错误,影响三维场景的匹配,甚至影响三维重建的问题,设计了一种可纠错的编码点方案。将信息论中的信道可纠错编码方法用于编码点的设计,基于线性分组码将编码分为信息元和校验元,从而设计了生成矩阵和校验矩阵。在检测出错误时利用伴随式矩阵进行纠错,最后进行解码实现三维匹配。分析了编码点的解算及提取,从而大大提高了编码点的抗噪性。该方法不仅具有高的抗噪性能,同时可进一步拓展空间并且具有较好的实用价值。实验表明:文中设计的编码点方案完全可行,具有易于识别、可自行纠错的优点,在发生1位编码点错误的情况下可以实现100%纠错。     

融合KPCA与隐马尔科夫模型的虹膜识别方法

提出了一种新的虹膜特征提取与识别方法,通过KPCA算法求出其对应的特征向量在特征空间的投影作为编码,采用HMM方法对虹膜码进行分类识别,并完成从粗到精的虹膜检测。实验结果表明,该算法识别错误率低,编码简单、编码时间短,适合安全性要求较高的场合,能更好地提高虹膜的识别率。     

基于序列图像提取稳定特征点的虹膜识别算法

为了尽可能降低不稳定特征点对识别率的影响,研究提出了基于序列图像提取稳定特征点的虹膜识别算法.该算法首先用二维Gabor滤波器对序列虹膜图像提取特征编码,然后对该序列特征编码求交集以提取稳定特征点,并利用这些稳定特征点建立虹膜的特征模板库,最后通过计算相似度,获得识别结果.在实验室采集的序列虹膜图库上,当等错率为0.3017%,分类阈值为0.6402时,正确识别率可以达到99.73%.实验证明该算法是有效、可行的,并更好地提高了虹膜的分类精度和改善了虹膜的识别性能.     

大尺寸动态视觉测量系统的并行加速

由于现有以大数据量和计算量为基础的大尺寸动态视觉测量系统处理速度较慢,本文建立了一个高速大尺寸动态视觉测量系统,并对该系统涉及的特征点中心定位、编码点识别、相机定向等算法进行了并行化研究。首先,分析了在不同测量条件下各个主要算法的时间消耗情况及每个主要算法的并行性;然后,对常规的特征点中心定位和编码点识别算法做了介绍,分别提出了特征点中心并行快速定位和编码点并行快速识别算法,并详细说明了这两种并行快速算法的实现原理。最后,针对大量原子操作的问题,提出了线程束集体原子操作的优化方法。实验结果表明:在不损失定位精度和识别率的前提下,图像中包含300个点时的并行方案比串行方案的时间开销减少了42%,当点数达到20 000时,时间开销减少91%以上。实验显示提出的并行设计方案有效地提高了处理速度,解决了大尺寸动态视觉测量系统实时性差的问题。     

基于多级定向执行长度编码快速识别物体特征

提出了一种新的快速物体检测与识别方法,用于检测和识别在运动过程中图像尺寸不断变化的物体。该方法基于多级定向执行长度编码法(MORLC)生成一种新的多级字节编码和物体特征样本形式,其属于字符数据样本,具有数据量小、占用存储空间少、构造过程简单、可根据不同的应用需求选择不同级次的样本形式等特点。对MORLC方法中二级字节编码和样本的系统理论进行了分析,给出了利用MORLC二级字节编码和样本检测和识别运动物体的实验数据。对静态背景中的行人及位置进行了检测和识别实验,结果显示多级字节编码和物体特征样本形式匹配处理速度快,匹配和识别的鲁棒性好,不易产生错误匹配。该方法特别适用于场景中由于被探测物体运动产生投影图像比例发生变化的情况,即对图像大小不敏感。该方法的另一个突出优点是高的执行处理效率。     

基于图像的NAO机器人松协调运动研究

针对工作任务复杂或环境多变的情况下,单臂机器人不能很好地完成任务,对双臂机器人协调运动进行了研究,提出了一种基于图像的NAO机器人松协调运动的方法。首先对提出的Mark标记点的编码与解码方式进行了说明,解决了编码标记旋转后编码值不同的问题;分析了Mark标记点的视觉提取和识别及相对定位方法,NAO机器人左臂末端附有4个Mark点,右臂末端附有1个Mark点,利用NAO的下相机和1个外部相机构成视觉系统,并阐述了视觉控制的流程;最后通过仿真实验验证了松协调运动控制的效果。实验结果表明:NAO机器人能准确地识别标记点,并能够较好地完成松协调运动,可为工业应用中精度要求不高的松协调运动任务的实现提供参考。     

中高轨道目标的地基光电监视

针对中高轨目标暗弱为目标识别和识别效率增加的难度,研究了基于被动光学系统的地基光电光测系统;同时提出了一种通过对原始图像进行最优化处理,从而有效提高目标信噪比,增加目标识别效率的方法。首先分析了在轨目标的光学反射特性,比较了不同模式下目标的信噪比,给出光电监视系统的最优设计方案。然后,结合目标运动特性和观测条件等因素,设计了适合中高轨道目标的地基地球同步轨道(GEO)目标的观测模式。最后,针对暗弱目标图像识别难题,提出了基于最优化原理的低信噪比目标识别图像处理的新方法。根据实测数据对本文方法进行了实验验证,并与传统差帧法进行了比较。结果显示,本文方法可在目标信噪比大于3.09点条件下识别出目标。该项研究对中高轨道目标光电监视用设备的设计和使用很有参考价值。     

离散隐马尔可夫模型在颤振预报中的应用研究

对于切削过程中颤振孕育的动态模式,提出了基于离散隐马尔可夫模型(DHMM)的模式识别理论预报颤振的新方法。首先对切削过程的振动信号进行FFT特征提取,然后利用自组织特征映射(SOM)神经网络对提取的特征矢量进行冗余信息压缩与预分类编码;再根据多变量DHMM建模理论,对切削颤振孕育的各种过程模式建立相应的DHMM,把矢量编码作为观测序列引入到DHMM中进行机器学习、训练;最后将观测序列引入到DHMM中进行颤振孕育的概率识别尝试。实验表明,该方法对颤振孕育过程识别是十分有效的,颤振预报正确率达93.3%。     

基于信息融合的空中红外小目标识别

针对空中红外小目标很难识别且可信度低的特点,结合已有的识别算法,设计出一种新的小目标识别方法。将小目标的灰度、速度信息作为主要识别依据,并在此基础上加入轨迹信息作为补充依据。在利用灰度、速度信息后仍无法识别的情况下,将轨迹信息加入证据,进行非平等的D-S证据信息融合。仿真结果表明,新方法在不增加传感器数目的情况下将识别置信度平均提高了125%。     

浅表层伪随机编码超宽带探地雷达研制

伪随机编码信号因为有着较大的时间带宽积和良好的自相关特性,在探地雷达设计中有着广阔的应用前景。介绍了一套伪随机编码超宽带探地雷达的原理和具体实现方法。基于数字芯片的超宽带信号产生和采样方法,极大地降低了系统设计复杂程度,易于调试。串并转换技术实现了FPGA和高速DAC的数据速率转换。混合采样技术降低了实时采样率,从而降低了采样芯片成本。现场实验结果表明,伪随机编码超宽带信号可以有效地应用于探地雷达,可以在极低功率下实现对地下目标的探测识别。增加编码长度可以在分辨率不变的情况下增加发射能量,从而提高探测性能。     

多目标轨迹分离方法研究

为了实现多目标落点测量,建立了多目标测量方案,并且对大视场光电测量设备在像面坐标系下进行多目标分离的方法进行研究。该方法按目标运动方向、运动速度、运动加速度的变化,建立了相关性评价函数,根据评价函数判断像点与目标轨迹的关联程度,从而现实多目标轨迹分离工作;而且在分离过程中,考虑了同一目标像点在不同幅图像上的丢失情况,根据已有目标轨迹数据,使用卡尔曼滤波器补充丢失的像点,保证同一目标轨迹的连续性。仿真数据与实际数据结果表明,该方法有效地分离了多目标轨迹。满足多目标落点测量的设计要求。     

空中目标的免疫识别算法

基于生物免疫系统的自我-非我识别能力,采用新的检测器生成方法和匹配规则,综合识别目标的先验信息,提出一种基于阴性选择的免疫识别算法。结合空中军事目标的检测和识别问题,对提出的算法进行了应用研究。实验结果表明,基于阴性选择的免疫识别算法用于目标检测和识别可以识别已知类型和未知类型目标,漏判率为0.375%,误判率为0.006%,检测精度达99.563%,而且对不同的入侵目标表现出很好的鲁棒性。     

基于几何特性的摄影测量标记点信息处理方法

介绍了用于逆向工程的近景摄影测量中数字图像处理的一般过程.使用基于圆形几何特性的形状因子判据进行标记点中心圆点的识别.提出一种利用图像连通域归一化面积、质心间连线夹角等信息的解码算法.这种基于编码标记点图案的几何构成规律的算法具有直观、简单的特点.     

基于Gabor特征和遮挡字典的带遮挡人耳识别

通过引入遮挡字典来编码图像受遮挡部分,稀疏表示分类方法在带有遮挡情况下的人耳识别中能够取得较好的识别性能。然而,常规的利用单位阵作为遮挡字典的方法会对稀疏模型求解带来很大的计算量。提出了一种基于Gabor特征和Gabor遮挡字典的稀疏表示分类方法。利用图像的Gabor特征构造无遮挡字典,因为这种局部特征在姿态变化或遮挡情况下具有一定的鲁棒性。通过学习算法计算出比单位阵遮挡字典更为合理的Gabor遮挡字典,使得图像中被遮挡部分在遮挡字典上的稀疏编码具有更大的稀疏度。在两个人耳图像库上的实验结果表明,相比已有的基于稀疏表示的人耳识别方法,该方法在遮挡情况下能够取得更好的识别效果;对真实环境中存在头发遮挡的人耳识别,也能够取得较好的识别性能。     

大视场双目立体视觉柔性标定

为了实现双目立体视觉系统大范围高精度三维测量,提出了一种大视场双目立体视觉系统柔性标定方法,该方法将系统中各相机内部参数标定与相机间的姿态标定进行分离,标定内部参数时,只需要令标靶相对于相机任意摆放至少三个姿态,对标靶上的编码标志点进行识别,根据标靶上编码标志点信息,建立各姿态下视图的对应关系,粗略计算标志点的初始三维坐标;建立多姿态下逆向投影误差最小的目标函数,采用非线性最小二乘优化获取精确的相机内部参数和标志点三维坐标;最后,建立基于双相机逆向投影误差最小的目标函数,优化得到精确的相机间姿态的外部参数。实验结果表明:当测量空间为1 200mm×1 000mm×1 000mm时,立体视觉系统的测量精度优于0.1mm,满足大范围双目立体视觉系统的高精度测量需求。