基于局部尺度特征描述和改进DTW技术的局部轮廓匹配算法

基于轮廓的图像匹配是计算机视觉领域中的重要问题,但是目前尚未有较成熟的算法能够很好地解决局部轮廓匹配问题及非相似变换和非刚体变换引起的轮廓形变问题.根据局部轮廓结构在产生形变时具有相对稳定性的规律及融合轮廓局部信息和全局信息的轮廓描述思想,本文提出了一种具有尺度、旋转、平移不变性,形变鲁棒性和初始点无关性的局部尺度轮廓描述算法.在此基础上,针对线性匹配方法效果不佳以及传统DTW技术约束路径的线性度不满足轮廓采样特性要求的问题,提出一种基于改进DTW技术的轮廓匹配算法,即结合轮廓采样特性设置九宫格的路径约束条件,以旋转角度为参数,计算全局最佳匹配路径.实验结果表明,对于存在尺度、平移、旋转及形变关系的两轮廓,该方法能较好地实现轮廓间的局部匹配,并且其匹配准确率平均约为92%,较HD算法提高了30%,较传统DTW算法提高了26%.     

基于局部时空特征的人体行为软分类识别

针对全局运动特征难以准确提取的问题,本文采用局部时空特征对人体行为进行表征。针对传统词袋中硬分类的方法量化误差大的不足,本文借鉴模糊聚类的思想,提出软分类的方法。根据兴趣点检测算法从视频中提取出视觉词汇,用K means算法对其进行聚类,建立码本。在计算分类特征时,首先计算待分类视觉词汇到码本中各个码字的距离,根据距离计算这个视觉词汇隶属于各个码字的概率,最后统计得到每个视频中各码字出现的频率。在Weizmann和KTH数据库对本文提出的人体行为识别算法进行验证,Weizmann库的识别率比传统的词袋算法提高8%,KTH库的识别率比传统的词袋算法提高9%,因此本文提出的算法能更有效地对人体行为进行识别。     

一种基于像素抽样建模的车辆目标提取方法

针对传统背景建模算法初始化时间长、存在Ghost区等缺点,本文根据样本一致性原理,提出一种基于像素抽样的背景建模方法。初始化阶段利用历史像素序列多次采样构建背景模型;模型更新采用改进的ViBe算法,同时更新历史像素模型和ViBe背景模型;前景检测时,利用样本一致性原理,将源像素同时与两个模型作比较,获得目标。对比实验表明,与Vibe原算法及传统目标提取算法相比,本文算法在有运动目标存在的情况下,初始化效率较高,并且有效抑制Ghost区,低速目标检测效果良好。     

基于DCT与SVD相结合的图像水印新算法

基于奇异值分解的水印算法中,利用正交矩阵实现水印的嵌入保证了水印的不可替换性.但在修改正交矩阵时,如果不保持矩阵的正交性,就会对提取出水印的正确率产生影响.为了解决这一问题,提出了一种基于二维离散余弦变换与奇异值分解相结合的数字图像水印新算法.在水印嵌入时,对图像子块的DCT系数矩阵进行SVD分解,利用三角函数的正交性...     

摄像机视场约束下无人机视觉着舰导引方法

无人机基于计算机视觉技术进行着舰时,既需要关注自身的飞行轨迹是否合理,也需要注意所对应的视觉特征点在图像空间中的运动是否合理,即需要满足机载摄像机视场等约束。此外,由于海洋风浪等扰动作用,很难整定出合适的参数使视觉特征点以期望的轨迹运动,并使得图像误差以期望的动态过程收敛。针对这些问题,设计了一种将基于tau耦合策略的轨迹规划与IBVS相容的视觉导引方法,同时引入PPC理论以直接描述图像误差收敛的动态过程,并赋予参数整定工作明确直观的物理意义,从而降低参数整定的难度。最后仿真验证了所研究成果的可行性和有效性。     

EPnL:一种高效且精确的PnL问题求解算法EI北大核心CSCD

现有Perspective-n-line (PnL)问题求解算法无法在获得高求解精度的同时保证高求解效率.为解决这个缺点,提出了同时兼具求解效率和求解精度算法EPnL.该方法首先将PnL问题转换为求二次曲面方程组交点的问题,然后利用单位四元数中变量不同时为零的特性,分类参数化PnL问题中的旋转矩阵.最后,为克服常规优化方法可靠性和效率较低的问题,同时兼具求解效率和求解精度算法利用二次曲面方程组自身的结构信息,采用低次项参数化高次项的方式将二次曲面方程组的求解问题转换为单变量多项式的求解问题.实验表明,相比于现有算法,该算法在具有高求解精度的同时也兼具有高求解效率.     

微小型四旋翼无人机自主着陆视觉系统研究

以实现微小型四旋翼无人机依靠视觉信息完成自主着陆为目的,采用TI公司DM3730芯片作为核心处理器,构建一套自主着陆视觉导引信息处理系统;充分考虑了视觉系统的特点,选用小巧、便携、合理的实验硬件,通过对图像的前期处理,采用相对简单的视觉处理算法,识别出着陆标识,通过解算得到着陆信息并完成飞行器的自主着陆过程;实验结果表明,系统较为可靠,在常规条件下,该系统能够有效识别人工着陆标识,准确解算出着陆标识与飞行器的相对位置信息用于自主着陆导引.     

一种抗光照突变的前景提取方法研究

针对经典前景提取算法无法在光照突变情况下正确提取前景的问题,根据LBP算子对光照不敏感的特性,提出了一种基于截尾均值的纹理特征提取算法,即通过对噪声的抑制及对平坦区域序列的稳定性处理,解决了原有LBP算子易受噪声干扰,平坦区域序列不稳定及得到的纹理图信息冗余的问题.结合高质量纹理特征,根据纹理特征的光照不变性,设计了一种能有效应对光照突变情况的背景更新模型,实验结果表明,本文提出的融合纹理特征的前景提取模型不仅能够在光照缓慢变化的情况下有效地对运动目标前景进行提取,而且在光照突变情况下仍然能够进行准确提取,前景提取的准确率相比平均背景模型提高61.7%,相比混合高斯模型提高59.3%.     

面向无人机自主导航的立体匹配算法

无人机自主导航是无人机发展的必然趋势,立体视觉技术作为一种优秀的环境信息测量技术能够为无人机自主导航提供关键信息.但是,导航图像存在幅度失真,现有立体匹配方法的匹配精度较低,针对Census变换舍弃了图像像素色彩信息而造成的误匹配问题,本文提出了一种Census变换和图像色彩信息相结合的联合匹配算法,并经过理论分析提出了正交积分的方法以提高算法的实时性.首先,将Census变换和图像色彩信息联合,构造初始匹配代价;然后,采用改进的自适应窗口作为代价累积窗口,并使用正交积分思想提高累积速度;最后,经过视差提精,获得最终的视差图.实验结果表明:本文算法对幅度失真图像的匹配误差比单独使用Census变换提高了40%～50%,算法的运算时间提速了3～12倍,与Census变换和图像灰度单独作为匹配代价时相比,该方法具有更高的匹配精度,对幅度失真有很强的鲁棒性,能够较好地应用于无人机自主导航场景中.     

基于运动平台的运动目标检测与跟踪

为了实现大视场智能监控,本文提出了一种基于运动平台的运动目标检测与跟踪方法．在相邻帧之间通过块匹配进行运动补偿,采用三帧差分法分割出运动目标．当运动目标正常运动时跟踪其形心;当运动目标被遮档时,根据卡尔曼滤波器预测的形心跟踪目标．其中,对于块匹配,采用边缘点作为匹配块的中心点并根据摄像机的运动方向确定搜索范围,使处理速度提高了38．6％．另外,比较得出最小二乘法对运动目标运动状态突然改变时拟合效果差,因此采用卡尔曼滤波器进行预测．实验证明,本算法适应环境变化的能力强,而且平均每秒处理37．6帧,达到实时处理要求．