轮胎纹理提取与缺陷检测方法

为提高检测的智能化水平,以常见的轮胎纹理缺陷为对象,给出2类基于模板的轮胎缺陷检测方法。第1类采用灰度共生矩阵和直方图统计距提取轮胎的纹理特征,第2类采用一维Gabor小波提取轮胎的纹理特征。通过提取并比对模板和待检图像的纹理特征,进行缺陷检测。实验结果表明,第2类检测方法在检测精度、检测缺陷种类等方面均优于第1类方法。     

方向测度及其在纹理识别中的应用

在一均匀的纹理图象中沿任何一个方向象素的灰度变化都服从一定的规律.依据这个特点,本文提出一种新的纹理统计特征--方向测度.方向测度能够提取纹理的二阶及高阶统计特征.高阶方向测度对自然纹理具有很高的识别率.另外方向测度的计算量小,运算结构简单,利于多机并行处理.     

面向重复纹理及非刚性形变的像对高效稠密匹配方法

目的 像对稠密匹配是3维重建和SLAM（simultaneous localization and mapping）等高级图像处理的基础,而摄影基线过宽、重复纹理、非刚性形变和时空效率低下等问题是影响这类方法实用性的主要因素,为了更好地解决这类问题,本文提出一种面向重复纹理及非刚性形变的高效稠密匹配方法。方法 首先,采用DeepMatching算法获得降采样后像对的匹配点集,并采用随机抽样一致算法剔除其中外点。其次,利用上一步得到的匹配结果估计相机位姿及缩放比例,以确定每个点对稠密化过程中的邻域,再对相应点对的邻域提取HOG描述符并进行卷积操作得到分数矩阵。最后,根据归一化后分数矩阵的数值以及下标距离的方差确定新的匹配点对以实现稠密化。结果 在多个公共数据集上采用相同大小且宽高比为4：3的像对进行实验,实验结果表明,本文方法具备一定的抗旋转、尺度变化与形变的能力,能够较好地完成宽基线条件下具有重复纹理及非刚性形变像对的匹配。与DeepMatching算法进行对比实验,本文方法在查准率、空间效率和时间效率上分别提高了近10%、25%和30%。结论 本文提出的稠密匹配方法具有较高的查准率和时空效率,其结果可以运用于3维重建和超分辨率重建等高级图像处理技术中。     

一种结合细节点和纹理信息的指纹匹配算法

提出了一种新的指纹联合匹配算法.该算法基于细节点周围的纹理结构信息和细节点构造出指纹特征向量.对指纹纹理进行滤波平滑,提取纹理方向信息,进而利用指纹块的纹理信息简化数据处理过程,从而提高匹配速度.该算法计算速度快,具有较高的识别率,且能较好的正确识别偏移、信息残缺等质量较差的指纹图像,具有很强的鲁棒性,在实际应用中取得了良好的效果.     

纹理谱在雷达图像非监督纹理分类中的应用

基于Ｄ．Ｃ．ＨｅａｎｄＬ．Ｗａｎｇ提出的纹理单元、纹理谱的概念，对雷达图像进行了纹理谱非监督纹理分类的试验研究。结果表明这种纹理谱非监督纹理分类算法应用于雷达图像，其效果令人满意。     

基于Hu矩和纹理特征结合的人体异常行为识别

为了提高人体异常行为识别的准确率,采用了一种将多特征结合的异常行为识别算法,主要包括对步行、快跑、慢跑、拳击、双手挥舞、鼓掌六种异常行为进行识别。首先从视频流中提取出人体轮廓,然后从所得的轮廓中提取Hu矩特征与纹理特征。最后通过模板匹配的方法,采用马氏距离度量所需识别的当前行为特征向量与标准模板行为的特征向量之间的相似性,并通过设置相应的阈值判定该行为所属类别。实验证明,该方法比提取单一特征的方法识别率高,且具有一定的实用价值。     

基于孔特征的弱纹理堆叠工件识别

针对目前工业现场弱纹理堆叠工件识别困难的问题,提出一种以工件表面孔洞为特征的改进几何模板匹配算法,以合页为例进行工件识别。首先采用加权平均法对彩色图像进行灰度化处理,再采用Canny算法进行边缘检测;其次采用旋转卡壳算法求取轮廓的最小面积外接矩形,进行几何约束后得到孔洞对应的孔轮廓,并采用随机增量法计算孔轮廓的最小外接圆得到孔特征圆心坐标。采用提出的改进几何模板匹配算法,即根据孔特征之间的几何约束进行工件识别,根据孔特征之间是否存在边缘剔除误识别工件。实验结果表明,提出的算法对带孔弱纹理堆叠工件具有良好的识别效果,工件识别查全率为98.3%,误检率为0.9%,为带孔弱纹理工件的识别提供方法。     

采用非均匀纹理层的短毛实时绘制

提出一种采用非均匀纹理层来实时绘制真实感短毛的方法,通过混合绘制多层次半透明纹理层来表示物体表面的毛发效果,根据视点位置以及物体表面各部位毛发形态的不同,自适应地采用不同的层数来表示物体各部位的毛发.这种非均匀层数的方式可以在保证绘制质量的情况下尽量减少绘制的面片数,从而加快绘制速度.该方法对中等规模的模型达到了实时的处理速度,并可以有效地表现物体表面的局部性长毛或倒伏毛发等各式毛发形态.     

面向工业零件分拣系统的低纹理目标检测

目的 随着工业领域智能分拣业务的兴起,目标检测引起越来越多的关注。然而为了适应工业现场快速部署和应用的需求,算法只能在获得少量目标样本的情况下调整参数;另外工控机运算资源有限,工业零件表面光滑、缺乏显著的纹理信息,都不利于基于深度学习的目标检测方法。目前普遍认为Line2D可以很好地用于小样本情况的低纹理目标快速匹配,但Line2D不能正确匹配形状相同而颜色不同的两个零件。对此,提出一种更为鲁棒的低纹理目标快速匹配框架CL2D (color Line2D)。方法 首先使用梯度方向特征作为物体形状的描述在输入图像快速匹配,获取粗匹配结果;然后通过非极大值抑制和颜色直方图比对完成精细匹配。最后根据工业分拣的特点,由坐标变换完成对目标的抓取点定位。结果 为了对算法性能进行测试,本文根据工业分拣的实际环境,提出了YNU-BBD 2020(YNU-building blocks datasets 2020)数据集。在YNU-BBD 2020数据集上的测试结果表明,CL2D可以在CPU平台上以平均2.15 s/幅的速度处理高分辨率图像,在精度上相比于经典算法和深度学习算法,mAP (mean average precision)分别提升了10%和7%。结论 本文针对工业零件分拣系统的特点,提出了一种快速低纹理目标检测方法,能够在CPU平台上高效完成目标检测任务,并且相较于现有方法具有显著优势。     

基于纹理边缘周期性与局部方向性的织物疵点检测

根据织物纹理图像自身的特点,提出一种基于纹理边缘周期性与局部方向性的织物疵点检测新方法。通过正常纹理边缘的周期性与方向性特征剔除同类有疵点纹理图像的背景纹理信息,突出疵点信息,进而快速有效地检测出无特定方向的织物疵点。经过对大量常见织物疵点图像的检测实验,表明该方法对于纹理边缘清晰、方向一致性较好的织物疵点图像具有较好的检测效果。     

Automated Displacement for Large Numbers of Discrete Map Objects

Effective displacement is achieved by sharing small movements among a group of objects in order to minimize loss of positional accuracy and maintain the gestalt and topology of the map objects. This research was driven by a desire to implement a simple but effective way of handling large numbers of map objects that may require displacement. The algorithm works by considering, for each object in turn, a number of alternate positions close to its current location. The location which minimizes overlap among the neighbouring objects is chosen. As the program iterates, the objects effectively migrate small distances within the map space in search of solutions. The idea is relatively simple but produces visually acceptable solutions to the displacement of large numbers of objects with very low processing overhead. This paper describes the algorithm in detail, illustrates its application, refinement and evaluation. Received December 11, 1998; revised October 14, 1999.     

银行币箱字符识别系统的实现

利用数字图像处理技术开发银行币箱自动识别系统。从币箱图像中确定字符位置，提取字符的特征。接着基于Hausdorff距离进行模板匹配，获取冠字、年号和箱号等字符信息。试验结果表明该方案是有效的。     

基于图像匹配技术的飞机识别

从图像匹配原理着手,采用了3种模板匹配方法：基于德耳塔相关度量,基于改进Hausdorff距离算法和基于序贯相似性检测算法,对机场飞机进行匹配和识别。实验结果证明了这3种方法的有效性。     

一种改进的基于模板匹配的集装箱字符识别方法

字符识别是计算机模式识别中较为常见的问题,对于印刷体的字符来说,经常采用二值化和模板匹配方法进行识别。在实际应用中,为了提高识别率,减少计算量和运行时间,解决正确识别二值化后的正反不同图象的问题,提出一种改进的自适应的模板匹配方法,理论与实验结果表明具有较高的识别和坚韧性。     

经典边缘检测的快速算法

边缘检测是图像处理的重要步骤，在许多实际应用中检测速度是至关重要的。本文在分析传统经典边缘检测算子内在结构的基础上，提出了一种有效的快速算法，实验表明随着图像尺寸的增大，该算法可比经典计算方法快10倍以上。     

基于轮廓线匹配的二维重迭物体的识别

本文提出一种基于轮廓线匹配的二维重迭物体的识别算法,并采用一种点模式匹配的快速算法进行特征点序列的匹配,通过引进形状移位数的概念和利用问题中的各种约束条件,提高了物体识别速度.     

复杂场景实时目标检测方法

针对含有非平稳背景的复杂场景,提出一种基于空间混合高斯模型的实时目标检测方法.该方法以混合高斯模型作为颜色分布的统计框架,并在空间邻域中利用背景与前景隶属度之间的竞争确定像素的归属,提高了检测准确率;同时通过基于偏差均值的匹配判断和低权重模型的移除提升了混合高斯统计框架的性能,以实时地对运动目标进行准确的检测.实验结果表明,文中方法对非平稳背景有很好的适应能力,在检测准确率和运行效率上均优于其他检测方法.     

虹膜识别中噪声的检测和处理方法

针对虹膜识别中存在的问题,在识别时应该尽可能将虹膜有效信息提取出来,而将眼皮、睫毛、光点的反射等去除,同时在特征提取中,提出了通过噪卢扩展方法消除噪声信号在编码过程中带来的影响。实验结果表明该文提出的方法有助于提高识别的可靠性和模式分类能力。     

基于继电辨识的大时滞对象的内模控制

采用改进的饱和继电反馈实验辨识高精度的过程模型，将内模控制与Smith预估控制器相结合，提出了一种适用于大时滞对象的内模控制结构，并按内模控制结构设计控制器。仿真实验表明该控制结构可获得比Smith预估控制更好的动态性能、鲁棒性和抗干扰性能，为大时滞对象的控制提供了一种新的实用方法。     

运动目标的阴影实时检测和消除

运动目标的实时检测与跟踪是智能监控和视频活动识别应用的基本步骤.运动目标检测把场景分割为前景目标和背景区域,但是在这个过程申运动目标投射的阴影很容易被误分类为前景目标,这种误分类会造成多个目标的合并或目标形状的改变.为了改善运动目标分割的效果,提出一个基于光强、色度和反射率的实时阴影检测和消除的算法,该算法不需要目标的...