用图像处理技术实现多运动物体的识别

1引言 CCD及数字图像处理技术已广泛应用于光学问题的研究[1][2][3][4].目前处理静态图像的技术已十分成熟,并已经商品化.随着计算机存储功能的不断增强,数字图像处理技术可以实时存储越来越多的视频图像,这为实时采集运动物体信息提供了一种方便有效方法:先将整幅的视频图像转换为数字图像,储存在计算机内存及硬盘中,再对数字图像进行处理,就可以确定运动的目标物在各个视频图像中的位置,并能够实现多目标物的识别,从而得到他们各自的运动规律.     

基于微透镜阵列的实时三维物体识别

提出一种基于微透镜阵列多视角成像特点,将三维物体的深度信息转化为二维透射像阵列的角度信息,利用光学二维图像识别技术,实现对三维物体识别的方法.对识别过程进行了理论分析和计算,用匹配滤波的方法实现了对三维物体骰子的实时识别.实验结果表明,本方法的相关识别能力较高,并且具有很强的灵活性,对于有微小旋转、微小平移的三维物体也可进行识别.     

基于曲面分割的三维点云物体识别

提出了一种基于局部描述符的三维点云物体识别算法.算法首先得到点云的邻域、法线矢量等相关信息,通过邻域进一步得到形状索引值.特征点的提取以形状索引值为依据,以每个特征点为基点对曲面根据欧式距离和矢量夹角分割.分割的曲面片进行等间距划分为多个欧氏距离同心圆,以特征点切平面为基平面投影,并进行等角度抽样,通过抽样点相对特征点的法线矢量及测地距离变化曲线,建立曲面片的二维描述,从而把三维识别转化为二维.根据算法建立模型数据库,给定一个物体,通过和模型数据库中的曲面描述进行比对,得到潜在的识别结果,再通过迭代最近点算法,得到最终的识别结果.最后,通过大量具体实验验证了算法的有效性,并给出了算法的计算复杂度及耗时对比分析,说明了算法的高效性.     

基于曲面分割的三维点云物体识别

提出了一种基于局部描述符的三维点云物体识别算法.算法首先得到点云的邻域、法线矢量等相关信息,通过邻域进一步得到形状索引值.特征点的提取以形状索引值为依据,以每个特征点为基点对曲面根据欧式距离和矢量夹角分割.分割的曲面片进行等间距划分为多个欧氏距离同心圆,以特征点切平面为基平面投影,并进行等角度抽样,通过抽样点相对特征点的法线矢量及测地距离变化曲线,建立曲面片的二维描述,从而把三维识别转化为二维.根据算法建立模型数据库,给定一个物体,通过和模型数据库中的曲面描述进行比对,得到潜在的识别结果,再通过迭代最近点算法,得到最终的识别结果.最后,通过大量具体实验验证了算法的有效性,并给出了算法的计算复杂度及耗时对比分析,说明了算法的高效性.     

相位物体的相位检测分析方法

介绍了相位物体的相位检测方法,包括传统的暗场法、纹影法和相衬法,重点介绍基于图像处理的相位物体的双点源光束干涉测量与扫描成像方法,并比较它们的优缺点,同时对目前的研究进展进行了综述.     

用于实时识别三维物体的级联神经网络模型的优化方法

利用级联神经网络模型对多个三维目标进行识别 ,为提高其正确识别率 ,提出多种优化方法 ,它们可单独使用 ,也可以联合使用。对不变性编码、算法、互连权重的二值化方法、样本优选等进行了研究和探讨。利用优化后的模型对三个飞机模型在视场内的任意位置、任意取向 (面内旋转 36 0° ,面外旋转大于 45°)的投影进行识别。计算机模拟表明正确识别率达到 96 %以上。     

基于一维FFT频谱估计的移动物体速度估计法

提出了时间空间频率混合领域中基于一维FFT频谱估计的移动物体速度估计方法。结合移动物体的抽出,把具有两个移动物体的序列图像分离为分别包含一个移动物体的两个序列图像,当再次进行速度估计时会大大减少背景及噪声对速度估计结果的影响,可提高速度估计的精度。     

基于原子的射频识别标签近场散射场矢量测量

基于原子的时间/频率、长度以及磁场、微波电场等方面的量子精密测量近年来引起广泛关注。里德堡原子作为微波精密测量工具,具有可溯源性好、空间分辨率高以及探测灵敏度高等优势。通过室温铯里德堡原子的电磁诱导透明光谱特征分析实现了微波电场矢量空间高分辨测量。利用铯原子蒸气池中共线的耦合光和探测光形成了6S_1/2-6P_3/2-51D_5/2的阶梯型三能级系统,5.365 GHz微波电场将诱导相邻里德堡态51D_5/2-52P_3/2的共振跃迁,导致阶梯型三能级系统的电磁诱导透明光谱发生Autler-Townes分裂。通过计算光谱的分裂间隔可得到可溯源至普朗克常数的微波电场强度,微波电场测量的空间分辨率达到1/31被测微波波长。特别是提出一种新的微波电场极化方向测量方法,解决了基于里德堡原子进行微波电场极化方向测量时无法分辨互补角的问题。通过对射频识别标签的近场散射场进行矢量测量,实现了标签角度的有效识别,角度分辨率达到1.64°,测量结果与有限元分析方法仿真结果吻合地很好。该研究对于微波电场空间高分辨成像、射频识别标签的设计和识别以及电磁兼容测试等方面具有重要价值。     

基于球扩展光源模型的物体三维形状的恢复

计算机视觉中传统的物体三维形状恢复方法大都基于光源是无穷远点光源的假设，如由单幅图像恢复三维形状（ｓｈａｐｅｆｒｏｍｓｈａｄｉｎｇ）光度立体视觉（ｐｈｏｔｏｍｅｔｒｉｃｓｔｅｒｅｏ）方法等。实际环境中的光源往往不能满足这个假设，因此大大限制了这些方法的应用，本文提出了一种更加实用的球扩光源模型，并推导出此光源下反射物体表面的反射图，此模型在三维坐标系中描述了球光源位置，亮度，漫反射物体表面反射度与     

通过向量角转换校正拉曼光谱中乘性干扰

拉曼光谱强度与物质量存在的线性关系会受到许多复杂因素破坏,包括激发光源、聚焦、散射、折射等,导致定量效果不佳。各种因素的干扰效应,总体上分成加性和乘性效应,而消除乘性效应的难度会更大一些。光谱序列信号可视为向量,信号强度对应向量的模量,而体现向量本质的方向属性不会受模量变化的影响。根据这一原理,利用向量的方向确定性,将信号的强度度量转换成空间角度度量,建立了一种消除乘性效应的方法。首先,选择一个与待定量组分相近而与背景空间近似正交的基准向量,并定义移动窗口; 然后,计算移动窗口内的光谱向量与基准向量的夹角,所得值存储为矩阵,完成角度描述转换。角度矩阵消除了乘性效应的干扰,而定量关系仍然近似线性,只要将该矩阵的秩满足多元统计建模要求,就可以用于多元校正,并得到良好结果。研究采用甲醇-乙醇-异丙醇混合体系,验证了消除乘性效应后改进的定量效果,对于积分时间波动的预测值与实际值,直接PLS方法的相关系数r为0.911 9,预测标准偏差（RMSEP）为0.110 2; 采用MSC预处理的r为0.906 0,RMSEP为0.100 8; 而本文提出的VAPLS的r为0.998 7,RMSEP为0.015 2。结果表明向量角转换度量处理后,光谱的乘性干扰得到了有效校正,拉曼定量分析准确性得到了提高。     

基于支持向量机增量学习和LPBoost的人体目标再识别算法

摄像机间目标关联是无重叠视域多摄像机目标持续跟踪的关键.提出了一种只利用人体目标外观,完全不依赖于空时关系的人体目标再识别算法,利用识别结果直接进行跨摄像机间人体目标关联,而不依赖于目标的捕获时间和路径限制.对跟踪视频前景图像序列提取互补性视觉单词树直方图和全局颜色直方图二种特征,采用支持向量机增量学习在线训练二种特征的人体外观辨别模型,再利用多类线性规划增强算法对二种特征的支持向量机模型进行在线自适应融合.实验结果表明,本文算法具有较强的在线学习能力,能增量式表达人体目标辨别性外观模型,特征融合后的模型区别性更强,有效地降低多方面条件变化的影响,获得了高识别率,且能够实现快速实时实现,相对于现有方法有了明显提升.     

基于支持向量机的舰船图像识别

支持向量机(SVM)是一种基于超平面分类的新的学习方法,具有很强的泛化能力。研究了支持向量机的学习机理,以及实现支持向量机的序贯最小优化算法(SMO),并用来对舰船图像进行识别。首先将待识别目标进行二维小波分解,获取不同尺度下的小波系数,然后对其进行主元分析,得到的主元分量作为支持向量机的特征量输入。实验结果表明,该方法具有良好的分类性能。     

图像局部特征识别中的多目标分离

研究了一种多目标识别算法,该算法用SUSAN角点形成SIFT特征点,采用阶梯图像金字塔结构实现尺度不变,为所有匹配点建立统一的超定线性方程组并对该方程组系数矩阵进行简化使其维数降低一半,得到增广矩阵.对增广矩阵进行列变换,依据坐标转换的特性可从中提取多目标的稳定正常点,实现了快速分离多目标的匹配点.结果表明,利用新算法得到的多目标识别结果能保证最小二乘法迭代运算快速收敛,且一次迭代就能得到精度较高的目标定位参量,根据SIFT标准的128维局部特征描述符判别匹配点,匹配点数量较SIFT算法多一倍,分离多目标速度较Hough变换快2～3倍.     

The image adaptive method for solder paste 3D measurement system

The extensive application of Surface Mount Technology (SMT) requires various measurement methods to evaluate the circuit board. The solder paste 3D measurement system utilizing laser light projecting on the printed circuit board (PCB) surface is one of the critical methods. The local oversaturation, arising from the non-consistent reflectivity of the PCB surface, will lead to inaccurate measurement. The paper reports a novel optical image adaptive method of remedying the local oversaturation for solder paste measurement. The liquid crystal on silicon (LCoS) and image sensor (CCD or CMOS) are combined as the high dynamic range image (HDRI) acquisition system. The significant characteristic of the new method is that the image after adjustment is captured by specially designed HDRI acquisition system programmed by the LCoS mask. The formation of the LCoS mask, depending on a HDRI combined with the image fusion algorithm, is based on separating the laser light from the local oversaturated region. Experimental results demonstrate that the method can significantly improve the accuracy for the solder paste 3D measurement system with local oversaturation.     

基于局部不变特征的目标自动识别

为快速、准确地识别图像中的目标,提出一种结合图像熵和加速鲁棒特征算法的目标自动识别方法.首先,分块计算图像的信息熵,根据阈值筛选出纹理丰富区域.然后,结合Hessian矩阵和Harris算法提取纹理丰富区域的局部特征点.接着,计算特征向量并用主成分分析降低向量维数.最后,采用双向最近距离比例匹配算法进行分类,并用随机抽样一致算法剔除误匹配点.实验结果表明:对仿真数据库中带有视角、光照和尺度变化的图像,识别率分别为87.12%、75.31%和84.98%,平均识别时间分别为70.35ms、71.27ms、220.63ms;对含8956×6708像素的航空大面阵图像,正确匹配率为78.13%,识别时间为68.09s.本方法识别率和时间性能均优于加速鲁棒特征算法.     

地磁环境下基于SQUID三轴磁强计的矢量稳场

超导量子干涉器件(Superconducting Quantum Interference Device,简称SQUID)是一种高灵敏度的矢量磁探测器.本文采用低温超导SQUID作为传感器,搭建了一套三轴矢量磁场稳定装置.该系统由两个三轴SQUID磁强计模块、比例积分微分(PID)控制器和反馈线圈组组成.在该系统的矢量稳场下,磁场波动峰峰值在有效带宽内可以降低四个数量级,可达pT量级,稳场效果显著.此技术可以满足大部分需要稳定磁场,如高灵敏度磁传感器的标定等应用场合.     

基于矢量波像差理论的计算机辅助装调技术研究

在三阶矢量波像差理论的基础上,建立了系统内失调量与系统波像差Zernike系数的关系式,并以共轴三反射光学系统为数学模型进行了仿真分析.结果表明,基于矢量波像差理论的装调技术可行,并可用于大型光学系统的装调.利用该理论对一共轴非球面三反系统进行装调,最终使系统波像差RMS<0.080λ.     

Face image recognition via collaborative representation on selected training samples

In this paper, we present a collaborative representation-based classification on selected training samples (CRC_STS) for face image recognition. The CRC_STS uses a two stage scheme: The first stage is to select some most significant training samples from the original training set by using a multiple round of refining process. The second stage is to use collaborative representation classifier to perform classification on the selected training samples. Our method can be regarded as a sparse representation approach but without imposing l₁-norm constraint on representation coefficients. The experimental results on three well known face databases show that our method works very well.