基于Kinect深度数据的人体骨架提取

骨架提取是数字图像处理与识别及计算机视觉领域的重要内容之一。在信息存储、动作识别等领域都有应用,人体骨架提取是动作识别系统工作的前提和基础。为了更好提取人体骨架,提出了一种基于Kinect深度数据的骨架提取方法。首先,通过Kinect采集并分析深度数据。然后,经过特定处理,将人体目标从环境中提取出来并二值化。最后,进行平滑处理,使用细化算法得到人体骨架。通过实验证明该方法可以实现复杂背景下的人体骨架提取,得到较完整、单像素、无伪分支的骨架。     

基于轮廓分析与三阶不变矩的旋转目标定位算法

为了解决当前图像定位算法在识别旋转与缩放工件目标时,存在定位成功率不高的问题,提出了基于轮廓分析与不变矩特征的旋转目标定位算法.首先,采用自适应二值化对图像进行预处理,并遍历图像轮廓,完成轮廓序列提取与面积计算,实现对杂质干扰的排除.然后构建三阶不变矩,计算逐一计算图像轮廓序列的三阶不变矩特征,从而建立定位度函数,与模板目标的不变矩特征比较,完成对旋转缩放工件目标定位.实验测试结果表明,与当前图像定位算法相比,在面对缩放十旋转干扰时,本算法拥有更高的定位成功率与鲁棒性.     

基于特征点提取的人体三维数据拼接技术

针对人体对象表面光滑,不好寻找控制点的问题,本文给出基于三维特征点的人体数据拼接算法,通过提取对配准数据轮廓描述较好的三维特征点来减小计算量。实验结果表明,提出算法配准所需时间短,配准精度高。     

基于漏磁信号深度特性的缺陷深度轮廓迭代优化方法

漏磁检测是一种广泛应用于钢结构件缺陷检测与评估中的无损检测方法。缺陷漏磁信号反演是漏磁检测的关键环节,其中有效的缺陷深度轮廓优化对于提高反演效率至关重要。该文提出一种基于漏磁信号深度特性的缺陷深度轮廓迭代优化方法,该方法基于缺陷区域漏磁信号平均值与深度间的近似线性关系,对缺陷初始深度序列进行估计,并进一步根据缺陷计算漏磁信号与检测漏磁信号间的误差分析对缺陷深度序列进行优化更新,最终实现缺陷深度轮廓的反演重构。通过仿真与试验分别对不同类型缺陷的漏磁检测信号进行反演,仿真与试验结果均验证了该方法的有效性。     

基于深度学习的自顶向下人体姿态估计算法

针对自顶向下的人体姿态估计算法出现的目标框定位错误问题和冗余检测问题,提出了一种基于深度学习的自顶向下人体姿态估计算法.设计了对称空间变换网络与单人姿态估计网络相连接,以从不准确的人体边界框中提出高质量的人体目标框,并且引入了参数化姿态非极大值抑制消除了冗余的姿态估计,应用消除规则对相似的姿态进行消除,得到唯一的人体姿...     

基于二阶局部二值模式的图像纹理提取技术探讨

人脸特征提取,是人脸识别技术过程中必不可缺,也是非常关键的步骤之一,目前常见的方法有基于面部器官的特征提取、基于模板的特征提取、基于代数方法的特征提取、基于弹性匹配法的特征提取等多种方法,T．Ojala等人提出了局部二值模式（LocalBinaryPattern,LBP）方法,利用它来进行图像的纹理特征提取。本文利用局部二值模式算子验证了二阶局部二值模式方法更有利于提高图像的识别效果,方法简单易行,计算量小,如能与其它的方法一起配合使用,则能大大提高图像的识别率。     

基于霍夫变换和RANSAC算法的绝缘子定位方法

对绝缘子进行定位是实现其非接触式爬电距离测量的前提条件,为此本文依据绝缘子自身所具有的形态和分布特点,提出一种基于霍夫变换和RANSAC算法的绝缘子定位方法.首先利用Canny边缘检测获取绝缘子的边缘特征,并依赖其形似圆的特点结合霍夫圆变换进行检测;接着依据其在串中间距大体相等且串似直线的特点,利用修正的RANSAC算法提取圆心构成直线;最后遍历直线用红色矩形框对其进行有效定位.实验结果表明,本定位方法可对绝缘子进行有效定位,为绝缘子爬电距离的计算等后续研究提供了基础.     

基于局部熵的图像分割算法研究与实现

传统的图像分割模型有各自的缺点。LBF模型对于活动轮廓的初始化相当敏感,而CV模型不能处理灰度不均的图像。为了解决上述的缺点,提出了一种改进的图像分割模型,通过局部熵推导出图像的灰度图分布,并在此基础上提出一种与LBF相似的模型,同时与CV模型进行结合,得到局部与全局的活动轮廓模型。通过测试各类合成图片以及真实图片,这种模型不仅可以较好地处理灰度不均匀的图像,同时提升了对噪音的鲁棒性,并且降低了模型对活动轮廓的敏感程度。     

基于相似度匹配的场景深度估计方法

重建任意场景图像的深度图是多视立体中的一个基本问题.在视角间参数未知的情况下,基于立体匹配的深度估计方法因三维估计不准确、光度一致性较差而导致得到的深度图空洞较多、平滑性差,针对上述问题,提出了基于相似度匹配的场景深度估计方法,该方法通过使用SLAM估计两视图之间的参数,利用孪生神经网络实现图像间的相似度匹配,从而进行...     

基于三值图像的车牌定位算法

针对复杂场景中光照不均匀情况下的车牌定位问题,提出了一种新的定位方法。该方法首先对彩色图像进行三值化,然后利用车牌字符之间颜色的一致性,通过定位字符间隔线反推字符区域进行车牌定位,解决了定位难的问题。实验结果表明,本文算法可以准确定位车牌,对车身颜色和外界颜色的影响有很好的鲁棒性,有效剔除打印字符等纹理簇照成的干扰,同时弥补了在光照不均匀等情况下车牌区域进行二值化可能导致的信息缺失,为后续字符分割、识别处理提供更有利的信息。     

基于最小二乘法的鱼眼镜头轮廓提取算法

鱼眼镜头图像的超大广角优点的代价是具有不可忽视的视觉畸变,而鱼眼镜头轮廓提取是畸变图像矫正的前提,结合最小二乘法对镜头轮廓进行圆形拟合,引入迭代修正方法利用计算得出圆心和半径数据对边缘点进行筛选,利用反馈环节进行圆心和半径的修正来保证数据的精确性。另外当镜头无效区域中出现大量反光区时,再引入一种邻域权值的图像二值化方法,该方法对镜头成像区外的反光区有很好的抑制作用。实验表明,该方法精度高,稳定性好,适应性强。     

基于深度神经网络的弱监督信息细粒度图像识别

强监督识别算法需要大量的人工标注信息,消耗较多的人力物力资源。为了解决上述问题,满足实际需求,提出了两种基于弱监督信息图像识别方法用于细粒度图像分类(FGVC)。一种是联合残差网络和Inception网络,通过优化卷积神经网络的网络结构提高捕捉细粒度特征的能力。另一种是对双线性CNN模型进行改进,特征提取器选取Google提出的Inception-v3模组和Inception-v4模组,最后把不同的局部特征汇集起来进行分类。通过在CUB200-2011鸟类公开数据集和Stanford Cars汽车类型数据集上进行测试,实验结果表明,提出的方法在两种数据集上的分类精度分别到达了88.3%和94.2%的分类精度,实现了较好的分类性能。     

基于多尺度信息交互的深度学习图像去沙算法

沙尘天气下,入射光线的散射和吸收,会导致图像退化,出现色彩偏移、细节丢失等问题,户外计算机视觉系统的工作性能受到严重影响。为此,提出了一个端到端的基于多尺度信息交互(multi-scale information interaction,MSII)的网络结构。该网络采用并行的两个不同分辨率子网,通过上下采样使两个子网信息交互,引入交叉注意力机制进行空间、特征融合,以获得更丰富的细节;提出了一个简单有效的沙尘合成方法,并以此构建了一个配对沙尘数据集。实验可得,与所比较方法中最好的结果相比,在合成数据上,结构相似度提高5.94%,峰值信噪比提高0.403 dB;在真实数据上,自然图像质量指标提高0.4407,对比度、标准差、信息熵分别提高1.5315、1.0152、0.3352。由此可知,所提方法可获得细节清晰且色彩鲜明的图像。     

基于背景和像素的彩色车牌定位

提出结合车牌的背景差和像素分类实现彩色车牌定位算法。首先采用背景差法,即原图与背景图像相减,去除大量疑似车牌颜色特征的背景区域,缩小定位范围;然后统计车牌颜色RGB值,利用像素分类对车牌进行水平和垂直精确定位,确定车牌区域。实验表明,该方法定位准确率高,适用于任意背景、位置和光照下的车牌定位,明显克服了用车牌单一特征分析时难以解决的车牌区域变大的问题。     

基于OpenPose改进的轻量化人体动作识别模型

本文聚焦于自下而上的人体姿态估计网络OpenPose模型参数量大的缺点,对OpenPose模型的特征提取网络和预测网络分别进行改进,实现轻量化模型的目标。本文使用参数量更少、准确度更高的ResNet18网络替代了原模型中的VGG19网络,并且在不损失过多识别精度的前提下,以深度可分离卷积替代了预测网络中的部分卷积核,以此来降低网络结构的参数量。接着通过人工神经网络对人体动作进行分类,在传统的非线性网络中加入了线性模块提高了网络的记忆能力和泛化能力。结果表明,轻量化OpenPose模型的运行帧数比原先提高了9%至16%,动作识别网络经过3000次迭代训练后,站立、坐着、走、坐下和起立的识别精度达到了0.877、0.835、0.793、0.815和0.808。最后,将整体识别网络应用于真实场景下,根据结果表明,本文的方法可以在嵌入式设备中正常运行,且识别效果较好。     

基于阈值与活动轮廓模型的SAR图像浒苔监测

针对浒苔分布的监测问题,提出了一种结合阈值分割与几何活动轮廓模型(GACM)的合成孔径雷达(SAR)图像分割方法。首先采用最大熵算法与Otsu算法结合的阈值分割方法获取初始轮廓,在此基础上构建窄带,以缩短运算时间。而后在窄带内采用基于SPF函数的几何活动轮廓模型进行轮廓演化,以得到光滑连续的高精度分割结果。使用Sentinel-1A卫星2021年5月～8月的SAR图像进行实验,实验结果表明,所提方法获取的浒苔分布有着更高的准确率,同时较传统GACM方法显著提高了运算速度,能够实现对浒苔的实时监测。