基于图像局部结构的区域匹配变分光流算法

针对变分光流算法的计算精度与鲁棒性问题,提出一种基于图像局部结构的区域匹配变分光流算法.光流估计能量泛函的数据项采用图像结构守恒与灰度守恒相结合,并引入规则化非平方惩罚函数,保证了光流估计的精度与鲁棒性;平滑项采用随图像局部结构自适应变化的扩散策略结合区域匹配约束函数能够有效地保护运动物体或场景的边缘轮廓信息;在光流计算过程中引入金字塔分层细化策略克服图像序列中大位移运动引起的像素点漂移现象,并采用数学方法证明光流估计模型的鲁棒性和收敛性.多组实验表明,本文方法在图像中存在剧烈光照变化、非刚性物体复杂运动以及多目标大位移运动等情况下具有较高的计算精度、较好的鲁棒性.     

基于图像光流的轴承滚子表面缺陷检测

针对轴承滚子表面缺陷人工检测效率低、误检率高的问题,以及现有机器视觉检测方法存在的不足。基于上述情况,提出了一种基于图像光流的轴承滚子表面缺陷的检测方法。首先设计了一套图像采集装置,用于获取轴承滚子表面图像;其次采用全局和局部相结合的平滑策略,建立光流误差估计模型,同时为了增强缺陷位置的光流边界,在此模型中引入各项异性的扩散张量;在光流求解策略上,先对原始图像进行奇异值分解,消除灰度值异常对光流计算的影响,再引入金字塔分层细化方法,提高光流计算的准确性;最后根据光流生成的伪彩色图像,完成对缺陷区域的粗略定位,分割出缺陷区域。实验表明,所提方法在轴承滚子表面缺陷检测方面的可行性和有效性。     

基于现场可靠性的产品区域差别保修期设计方法

考虑到产品保修多局限于固有可靠性的统一保修期设计,提出将现场可靠性与保修期区域差异相关联,构建一种基于现场可靠性的区域差别保修期设计方法。在分析保修期影响因素的基础上,采用多项式拟合函数估计各区域的现场可靠性,构造出新的各区域保修成本与销售量预测函数;再建立综合考虑现场可靠性、保修成本、销售量和价格的区域差别保修期高维优化模型,并结合进化算法进行求解,最终确定最优的各区域保修期和价格。经空调产品实例验证表明,与传统做法相比,所建模型能定量评估各区域空调保修期的差异程度,具有显著的分区保修效应,且采用区域差别保修期是降低企业保修成本与增加保修效益的有效途径。     

基于R-MI-rényi测度的可见光与红外图像配准

针对红外与可见光图像配准的准确性与鲁棒性问题,提出一种基于R-MI-rényi测度的由粗到精红外与可见光图像配准方法。首先通过分析红外与可见光传感器的成像原理,确定红外与可见光传感器在相对位置固定时的配准变换参数;然后采用Hough变换检测模板图像的直线特征,并利用待配准图像对应直线段的长度和斜率确定粗配准参数;根据粗配准参数确定搜索区域与匹配窗口尺寸,利用rényi互信息与Harris角点函数相结合的R-MI-rényi匹配测度在粗配准对应区域内搜索匹配点对;最后使用RANSAC方法完成图像的精确配准并求解图像转换参数矩阵。分别选取标准测试图像集和真实测试图像集对本文方法和现有代表方法进行综合对比,实验结果表明,方法在像素误差、标准差以及时间消耗等方面均优于其他对比方法,说明方法具有较高的配准精度和效率、较好的鲁棒性,综合性能最优。     

基于运动优化语义分割的变分光流计算方法

针对光照变化和大位移运动等复杂场景下图像序列变分光流计算的边缘模糊与过度分割问题,文中提出基于运动优化语义分割的变分光流计算方法.首先,根据图像局部区域的去均值归一化匹配模型,构建变分光流计算能量泛函.然后,利用去均值归一化互相关光流估计结果,获取图像运动边界信息,优化语义分割,设计运动约束语义分割的变分光流计算模型.最后,融合图像不同标签区域光流,获得光流计算结果.在Middlebury、UCF101数据库上的实验表明,文中方法的光流估计精度与鲁棒性较高,尤其对光照变化、弱纹理和大位移运动等复杂场景的边缘保护效果较优.     

点线光流预测机制的图像序列运动直线跟踪

目的 针对复杂场景图像序列中运动直线特征的提取、跟踪问题,提出一种基于点、线光流预测机制的图像序列运动直线跟踪方法。方法 首先根据图像直线的表达式定义点、线光流基本约束方程,由基本约束方程推导出关于点光流与直线光流对应关系的3个重要推论。然后依据点、线光流对应关系,利用图像序列中直线特征上的像素点光流计算直线光流的估计值并根据直线光流阈值筛选图像序列运动直线。最后由筛选出的运动直线及直线光流估计值计算直线的预测坐标并在Hough域内进行跟踪匹配,得到图像序列运动直线跟踪结果。结果 通过合成及真实图像序列实验验证,本文方法能够准确地筛选出图像序列中感兴趣的运动直线,并对运动直线进行稳定地跟踪、匹配,直线跟踪结果未产生干扰直线的误匹配,直线跟踪时间消耗不超过12 s。结论 相对于传统的直线跟踪、匹配方法,本文方法具有较高地直线跟踪精度和较好的鲁棒性,更适用于复杂场景下的运动直线跟踪、匹配问题。     

多信息融合的红外弱小目标检测

红外弱小目标检测是图像处理的难点之一,许多研究人员提出了不少检测方法。针对复杂背景与强杂波干扰下图像信杂比(Signal-to-Clutter Ratio,SCR)低造成的目前检测方法易受伪目标干扰、虚警率高的问题,提出了一种多信息融合的红外弱小目标检测算法。首先,构建八向局部灰度残差信息图;其次,设计一个滑动窗口遍历整个图像,将图像分为一系列局部图像块,对局部图像块的强度均值进行约束,获得局部强度均值约束信息图;然后,将局部图像块进一步划分为12个方向块,对每个方向块中像素的梯度方向进行约束,获取梯度方向约束信息图;最后,上述3个信息图像通过点积运算得到最终显著图,并利用阈值分割实现弱小目标的分离。将该算法与3种其它不同算法从信杂比增益(Signal-to-Clutter Ratio Gain,SCRG)、背景抑制因子(Background Suppression Factor,BSF)以及检测率与虚警率的接受者操作特征(Receiver Operating Characteristic,ROC)曲线方面进行对比。实验结果表明:该算法具有更高的SCRG、BSF和ROC曲线下面积(Area Under the Curve,AUC),不仅能有效地抑制背景杂波、剔除伪目标,而且能准确地检测出红外弱小目标,具有较高的检测率。     

图像光流联合驱动的变分光流计算新方法

提出一种基于图像光流联合驱动的变分光流计算方法。数据项采用灰度守恒和梯度守恒相结合、局部约束与全局约束结合的思想,并引入正则化因子提高计算精度。平滑项采用图像与光流联合驱动的各向异性平滑策略,将数据项与平滑项紧密地联系起来,并通过设计扩散张量的两个本征值来控制光流扩散速度。最后采用多分辨率分层细化策略解决大位移问题。实验结果证明,该计算模型在背景复杂、光照变化、运动边界等情况的光流计算具有很好的效果。     

基于深度匹配的由稀疏到稠密大位移运动光流估计

针对非刚性大位移运动场景的光流计算准确性与鲁棒性问题, 提出一种基于深度匹配的由稀疏到稠密大位移运动光流估计方法. 首先利用深度匹配模型计算图像序列相邻帧的初始稀疏运动场; 其次采用网格化邻域支持优化模型筛选具有较高置信度的图像网格和匹配像素点, 获得鲁棒的稀疏运动场; 然后对稀疏运动场进行边缘保护稠密插值, 并设计全局能量泛函优化求解稠密光流场. 最后分别利用MPI-Sintel和KITTI数据库提供的测试图像集对本文方法和Classic + NL, DeepFlow, EpicFlow以及FlowNetS等变分模型、匹配策略和深度学习光流计算方法进行综合对比与分析, 实验结果表明本文方法相对于其他方法具有更高的光流计算精度, 尤其在非刚性大位移和运动遮挡区域具有更好的鲁棒性与可靠性.     

非刚性稠密匹配大位移运动光流估计

光流场是目标检测,无人机定位等众多计算机视觉任务的重要基础.本文针对非刚性大位移运动等困难运动类型图像序列光流计算的准确性与鲁棒性问题,提出一种基于非刚性稠密匹配的TV-L1（Total Variational with L1 norm,TV-L1）大位移光流计算方法.首先,使用非刚性稠密块匹配计算图像序列初始最近邻域场,其次根据图像相邻块区域的相似性消除初始最近邻域场中的非一致性区域以得到准确的图像最近邻域场.然后,在图像金字塔分层计算框架下,将图像最近邻域场引入基于非局部约束的TV-L1光流估计模型,通过Quadratic Pseudo-Boolean Optimization（QPBO）融合算法在金字塔分层图像光流计算时对TV-L1模型光流估计进行大位移运动补偿.最后,采用标准测试图像序列对本文方法和当前代表性的变分方法LDOF（Large Displacement Optical Flow,LDOF）、Classic+NL、NNF（Nearest Neighbor Fields,NNF）以及深度学习方法FlowNet2.0进行对比分析.实验结果表明,本文方法能有效提高非刚性运动、大位移运动以及运动遮挡等困难运动类型光流估计的精度与鲁棒性.