基于低秩逼近的彩色图像分割方法

针对谱聚类算法存在的计算复杂度过高而难以成功应用到较大规模图像处理的问题,提出基于低秩逼近的彩色图像分割算法(Color Image Segmentation algorithm based on Low Rank Approximation,CISCLRA),实现大规模矩阵的快速特征值分解,降低了谱聚类算法的计算复杂度。设计一种将Mean Shift(MS)算法和CISCLRA相结合的图像分割算法——MS-CISCLRA算法。MS-CISCLRA算法利用MS算法对目标图像进行预分割;将每个分割区域内的所有像素的彩色向量平均值作为CISCLRA算法的输入;应用CISCLRA算法进行全局最优聚类。因为分割区域的数目远小于图像的像素点数,所以MS-CISCLRA算法能够以极低的复杂度进行彩色图像分割。实验结果表明,MS-CISCLRA算法能够取得比MS-Ncut算法更好的图像分割效果。     

基于机器视觉的人运动检测

以机器视觉技术研究了序列图像中人运动的分割和检测.运动检测过程采用了目标图像和背景图像相减的方法,对差分图像采用了最大熵的指数形式确定二值化的阈值,实验证明获得了良好的检测效果.     

基于低秩稀疏分解的红外弱小目标检测算法研究进展

红外探测系统具有隐蔽性好、抗干扰能力强等特点,广泛应用于军事和民用领域,红外弱小目标的检测是红外探测系统中的重要组成部分,已成为了当前的研究热点。近年来,学者们在基于低秩稀疏分解的红外弱小目标检测算法研究方面取得了丰硕的成果,为此,重点阐述了基于低秩稀疏分解的红外弱小目标检测算法的研究现状和研究进展。从背景分量约束、目标分量约束和联合时域信息约束等3个方面详细地综述了基于低秩稀疏分解的红外弱小目标检测算法。首先把背景分量约束划分为块图像的低秩约束、张量的低秩约束和全变分约束,其次从目标的稀疏性表示和融合局部先验的目标分量加权策略两方面分析了目标分量的约束,然后分析了联合时域信息约束,将典型的基于低秩稀疏分解的检测算法和单帧检测算法进行了性能对比,最后讨论了该领域下一步的研究方向。     

基于低秩表示的人脸识别方法

随着人工智能和计算机视觉技术的快速发展,人脸识别技术在各领域得到了广泛的应用。人脸识别可以应用于安全监控、身份认证、社交媒体、人机交互等多个领域,它能自动识别和检测人脸,并将其与预先存储的人脸进行比对和匹配。低秩表示是一种利用低秩矩阵对高维数据进行降维表示的方法。在人脸识别中应用低秩表示,可以提取出重要的人脸特征,减少冗余信息和噪声的影响。低秩表示还能增强模型的鲁棒性,使其对光照、表情、姿态等具有更好的适应性。文中对基于低秩表示的人脸识别方法进行了研究,以期为相关人员提供参考。     

基于机器视觉的零部件的缺陷检测

汽车零部件在实际生产过程中,打磨、抛光等各种无法确定的因素会在零部件的表面留下缺陷,从而严重影响车辆的组装、制造,存在巨大的安全隐患,因此车辆零部件的缺陷检测十分重要.零部件缺陷检测已从传统的手工分类发展为基于机器视觉的方法.本文基于卷积神经网络对VGG16网络模型进行改进,提高了模型对汽车零部件缺陷的检测精度.首先,...     

利用低秩先验的噪声模糊图像盲去卷积

单幅图像盲去卷积的目的是从一幅观测的模糊图像估计出模糊核和清晰图像。该问题是严重病态的,尤其是观测图像中噪声不可忽略时更具挑战性。该文主要针对如何有效利用低秩先验约束进行噪声模糊图像盲去卷积问题,提出一种在交替最大后验(MAP)估计框架下利用低秩先验约束的单幅噪声模糊图像盲去卷积方法。首先,在估计中间复原图像时,利用低秩先验约束对复原图像中的噪声进行抑制。然后,采用降噪后的中间复原图像估计模糊核,得到更好质量的模糊核估计。迭代上述两个操作获得最终可靠的模糊核估计。最后,根据所估计的模糊核,通过非盲去卷积方法复原出清晰图像。实验结果表明：所提方法在定量和定性评价指标上优于已有的代表性方法。     

基于非局部双边随机投影低秩逼近图像去噪算法

该文提出一种基于非局部双边随机投影的低秩逼近图像去噪新方法。首先,对每个图像块通过非局部搜索寻找相似匹配块簇,然后对相似匹配块簇进行双边随机投影,用投影后的低秩结构恢复原图像。实验结果表明,所提方法比奇异值分解方法有较低的计算复杂度,比单边随机投影方法有较小的重构误差。特别是和3维块匹配方法相比,所提方法能保持相近的信噪比和较好的视觉质量。     

基于广义线性插值奇异值的低秩近似

传统算法奇异值分解（singular value decomposition,SVD）低秩近似在图像处理等领域有巨大的潜力,但其并没有有效的利用图像本身的自然结构信息。针对上述问题,提出有限维交换半单代数,在此基础上提出广义奇异值分解（tensorial singular value decomposition, TSVD）,并对二阶图像进行邻域拓展策略,将原图像的每个像素替换为广义标量。广义线性插值奇异值分解（tensorial linear interpolation singular value decomposition, TSVD-L）对广义标量进行线性插值处理,拓展阶数后的广义标量构成广义矩阵。以此为基础,通过不同阶数和尺寸的策略,将TSVD-L与传统算法SVD进行低秩近似重建,比较峰值信噪比结果,实验数据表明,在有限维交换半单代数之上的广义线性插值奇异值分解算法性能明显优于经典奇异值分解算法,且随着阶数的提升,TSVD-L的峰值信噪比完全优于SVD的峰值信噪比。同时TSVD-L比TSVD有一定的优越性。     

基于机器视觉的螺纹识别系统

许多传统螺纹的检测技术工序复杂、效率低、成本高,已不能满足现代工业高效发展的需求．因此要建立一套以机器视觉识别技术为核心的视觉传感和图像处理系统,利用CCD获取螺纹基本图像,并通过数字图像处理技术和模糊模式识别方法对螺纹几何参数进行自动识读并加以识别。     

低秩稀疏分解下多尺度积的运动目标检测方法

针对基于矩阵分解的运动目标检测方法易受自然场景中背景的小幅抖动和摄像头抖动等因素影响的问题,提出了一种利用多尺度积的低秩稀疏矩阵分解算法。算法假设,静态背景视频序列中,每帧图像背景可近似视为处于同一低秩子空间中,图像前景则可视为偏离低秩空间的残差部分。首先对图像序列进行滤波、仿射变换等预处理得到视频序列观测数据矩阵;然后对数据矩阵进行低秩稀疏分解得到序列图像的低秩背景部分和每帧图像的稀疏前景部分;最后对稀疏前景部分采用小波变换模极大值与多尺度积方法检测目标边缘,并进行形态学处理,得到准确的运动目标。实验结果表明,算法检测到的运动目标清晰、完整,能有效地处理光照变化、摄像头小幅度抖动、图像背景局部小幅度变化等情况下的运动目标检测。      

基于暗通道与低秩先验的运动模糊图像盲复原

摘`要:为了将运动模糊图像恢复成清晰图像,提出了一种基于暗通道与低秩先验的图像盲去模糊方法。首先,利用图像暗通道的稀疏性进行中间复原图像估计,同时引入带权值的低秩先验约束抑制中间复原图像中的噪声,提高模糊核估计的准确性;然后,通过交替迭代的优化策略得到准确的模糊核;最后,用Hyper-Laplacian先验方法得到清晰图像。实验结果表明,提出的方法能有效抑制噪声和振铃效应,保留图像细节,对运动模糊图像有较好的复原效果。     

基于激光视觉传感的机器运动目标跟踪研究

复杂背景影响下机器人跟踪运动目标精度提升是目前相关领域研究的重点,因此,研究基于激光视觉传感的机器运动目标跟踪方法.使用激光传感器获取激光数据,利用扫描匹配算法实现运动目标检测,同时定位机器人并构建所处环境的图像;使用单目视觉传感器,通过目标位置估计算法计算出运动目标的角度信息与距离信息,使用Rao-Blackwell...     

一种改进的基于低秩逼近的空时自适应处理算法

针对非均匀杂波情况下的空时自适应处理的小样本问题,该文提出一种基于权矩阵低秩逼近的空时自适应处理方法.与传统的低秩逼近算法不同,利用空时导向矢量特殊的克罗累计性,该文重新构造新的权矩阵,使得该权矩阵的行数与列数尽可能地相近或相同,以减少算法所需的样本个数和计算量.采用低秩逼近方法对新构造的权矩阵进行表示,则原二次优化问题转化为求解一个双二次代价函数问题.实验表明,改进的空时权矩阵低秩逼近方法能有效地提高空时自适应处理的收敛速度和降低算法复杂度.     

基于深度学习的机器视觉儿童智能安防系统

人们生活水平的不断提高,家庭安防也逐渐成为人们关注的焦点,但是我国对儿童安全问题的重视程度和整体意识属于较差水平。所以,针对这一情况,我们设计了一套基于深度学习的机器视觉儿童智能安防系统,以树莓派作为核心控制器;还有传感器获取周围环境数据,从而实现烟雾报警、高低温报警、视频监控和室内外定位等功能;利用人脸识别、动作识别等图像处理技术实现对儿童实时监督和危险动作的预判别。该设计功能开关都可以在LCD触摸屏界面中进行操作,具有易上手,实用性强的特点。     

基于机器视觉的轨道交通自动测距研究

行驶中的两辆列车之间保持安全距离是避免列车追尾事故发生的重要条件。由于机器视觉获得的图像数据信息丰富,可以根据采集到的图像进行多方面的集成检测,所以文中提出了一种基于机器视觉的列车测距方法。该方法以列车两条轨道不变的间距(1 435 mm)作为基准来推算列车之间距离。利用卷积神经网络对单目相机采集到的图像进行处理和分析,提取所需的轨道特征,再基于已有的小孔成像原理推导出世界坐标系与像素坐标系之间的映射关系,从而优化列车之间距离的计算式。实验结果表明,测距系统的误差率<6%,并且系统测量时间在40 ms之内,说明该方法实现了将测距与在图像中获取其他信息的有效融合与集成,可用于对列车制动距离进行判断。     

一种新的基于单目视觉的广义障碍物检测方法

 障碍物检测是辅助驾驶、机器人导航等领域的核心问题之一.本文提出一种新的基于特征点道路面投影位移矢量的单目视觉广义障碍物检测方法.基于道路平面假设,利用特征点估计相机自运动参数,并利用此参数对相机的旋转运动进行补偿.利用逆透视投影变换,分别推导并证明了道路平面上的点和障碍物上的点的道路面投影位移矢量与相机位移矢量的关系.提出了一种区间统计方法,实现了相机位移矢量的鲁棒估计.最后,通过分析连续图像特征点的道路面投影位移矢量与相机位移矢量的关系,实现了广义障碍物检测.各种场景下的实验结果表明,该方法能够检测任意类型、形状的障碍物.与传统的运动补偿方法相比,具有更好的鲁棒性和准确性.