基于优化ORB算法的图像角点特征匹配方法

针对传统ORB算法的图像角点特征匹配精度不高的问题,提出基于优化ORB算法的图像角点特征匹配方法;首先使用Shi-Tomasi算法检测图像角点特征,然后使用BRIEF和SURF相融合算法生成图像角点特征双描述子序列并使用随机投影原理进行降维,最后使用优化的匹配算法进行匹配,简称ShiTomasi-SURFORB算法,仿真实验通过统计角点特征数、角点特征匹配数、角点特征正确匹配数、角点特征匹配精度、角点特征匹配精度率、图像匹配时间和图像匹配时间率共7个指标进行分析;分析结果表明:ShiTomasi-SURFORB算法与传统ORB算法相比,在图像角点特征匹配时间方面提升了9.46%,但在图像角点特征匹配精度方面提升了8.88%,为图像角点特征匹配提供了一种更加均衡的解决方案。     

SUSAN角点检测算法改进

提出了一种改进的角点检测算法．本着好的算法不依赖于人为干涉的思想，在SUSAN算子基础上．通过对图像灰度值和对比度分析，提出灰度阈值t和比较函数C的快速自适应选取．针对SUSAN算法中对某些特殊型角点检测会失败的情况，构造一种针对SUSAN圆形模饭的二圆环模板，对一些与边缘点难以区分的角点进行检测．试验表明，改进的算法近一步提高了检测的准确性．     

基于MIC角点检测的改进算法

针对MIC角点检测算法具有角点定位不够精确、误检、漏检等缺点,提出一种改进的MIC角点检测算法．为了克服MIC角点检测算法角点定位不准确的缺点,该检测算法利用最小二乘技术对角点局部方向线进行拟合,实现角点的亚像素定位;同时为了克服MIC角点检测易混淆边界点和角点的缺陷,引入检测直线,根据拟合点到检测直线的距离是否大于某一阈值剔除边界伪角点．实验结果表明,改进的MIC角点检测算法角点检测性能明显提高．     

融合聚类法的改进三帧差分车辆检测算法

针对三帧差分法在车辆检测任务中出现的前景点误检和漏检问题，提出了一种融合K-means聚类的改进三帧差分车辆检测算法。首先，综合当前图像分别与改进算法所选两帧的差分结果，初步判定像素点类别并定义待分类点；其次，结合待分类点在三帧内的灰度特征对其进行K-means聚类，并依据点的坐标信息修正聚类结果，得到待分类点类别；最后，设计车辆形状修正方法，填补空洞并修正目标边界，完成检测。实验结果显示，改进算法在2种不同场景视频上的检测效果达到了81.72%的平均精确率、93.85%的平均召回率以及87.34的平均F₁值，各指标值相比于原三帧差分法平均有11.86%提升，较好解决了检测中前景点误检和漏检的问题。     

华中科技大学学报(自然科学版) 2017年 第45卷 总目次

将最大团求解算法融入到极大团枚举算法中,提出了两种带极大团下限的极大团枚举算法及多种预处理筛选策略,通过迭代将不可能包含在极大团中的部分点与边删除,使得搜索空间大幅减小.在搜索策略上,将求解最大团问题的贪心染色算法、增量MaxSAT推理算法与极大团枚举算法相融合,并结合最佳筛选策略,提出了染色-关键点融合算法BKFC(Bron-Kerbosch with filtering and coloring)和基于增量MaxSAT推理的枚举算法BKFS(Bron-Kerbosch with filtering and MaxSAT).结果表明:在多个大型算例上,BKFC算法平均时间仅为加入预处理的改进经典算法的68.8%;由于经典算法无法在大型算例上运行,在小数据测试中,BKFC算法平均时间仅为没有预处理策略的经典算法的2.2%.     

基于红外激光光源的远距离微小位移测试系统设计

本文以建筑物结构沉降监测为应用背景,采用计算机视觉测量技术,精度高、非接触,适时监测,智能化,组网传输,实现远程监控量测,开发出一种远距离非接触式多测量点的微小位移监测系统,对三维微小位移测量方法进行研究,广泛应用于建筑物形变量检测,通过对比不同时间点的形变值和沉降值,累计产生的位移量曲线变化来判断建筑物整体稳定的变化趋势。本课题研究并提出的基于计算机视觉的远距离微小位移检测方法,弥补了传统检测方法的不足,为实际工程问题的解决提供了一种新的思路。     

基于SUSAN算法的分层快速角点检测

分析了SUSAN算法在角点检测中运算速度较慢的原因，并提出基于SUSAN算法的分层快速角点检测算法、该算法根据图像中像素周围图像灰度的相似性和角点的特性，引入提升小波变换理论，采用由粗到细的分层策略，首先对图像进行提升小波变换，找到角点的粗略位置，再用SUSAN算法进行精细查找，准确定位角点．实验结果表明，该算法可较大幅度地提高运算速度，节省运算时间、     

基于IAO-LSSVM模型的基坑周围建筑物沉降预测: 以深圳华强南站地铁基坑为例

针对当前基坑开挖引发建筑物沉降预测模型存在精度不足、收敛速度慢、易陷入局部最优等缺点,提出了一种基于改进天鹰算法(IAO)优化最小二乘支持向量机(LSSVM)的建筑物沉降预测模型。利用Tent混沌映射提高天鹰算法的种群多样性水平,再通过自适应权重强化算法的全阶段寻优能力;引入IAO算法优化LSSVM的正则化参数和核函数宽度,构建基于IAO-LSSVM的建筑物沉降预测模型,并将该预测模型在深圳华强南某地铁基坑工程中进行了验证。结果表明：该沉降预测模型相比于传统预测模型精度更高、收敛更快、跳出局部最优域的能力强;该模型预测值与实际沉降监测值吻合度较高,其误差在5 %左右,更适合预测城市中地铁基坑开挖引起的周围建筑物沉降。     

基于ISS特征点的快速CPD建筑物点云配准算法

针对大规模建筑物点云数据采用CPD（coherent point drift）算法进行配准时,计算复杂度增大的问题,提出了一种基于建筑物点云特征点简化数据的快速配准ISS-CPD算法。该配准算法采用ISS(intrinsic shape signature)算法求得建筑物点云的特征点,可减少建筑物点云的数据量规模,再对所提取的不同视角下建筑物点云的特征点用CPD算法进行配准。实验结果表明,改进的配准算法提高了建筑物点云的配准效率。     

基于感知Hash和极线约束的改进AKAZE算法

针对图像在发生变化时特征点匹配准确率较低的问题, 提出一种基于感知Hash和极线约束的改进AKAZE（accelerated-KAZE）算法. 该算法将特征点匹配分为粗匹配和精匹配两个阶段, 粗匹配阶段利用特征点的最近邻次近邻比值和感知Hash算法进行匹配点对的筛选； 精匹配阶段使用随机抽样一致算法和极线约束进一步筛选匹配点对. 仿真实验结果表明, 与进行随机抽样一致算法剔除误匹配点对后的原算法相比, 特征点匹配准确率仍平均提高12.9%, 速度仅慢2.4%, 可在保证算法效率的前提下有效提升图像发生变化时匹配点对的准确率.     

基于改进Yolov3的驾驶员疲劳检测

疲劳驾驶是引发交通事故的主要原因之一,为了预防疲劳驾驶的发生,基于多信息融合方法研究了驾驶员疲劳检测技术.通过改进的Yolov3算法与卡尔曼滤波算法的结合进行人脸检测.利用一种基于提升树的算法实现脸部关键点检测,并基于单位时间里眼睛闭合时间所占的百分比(percentage of eyelid closure over...     

基于密度分类的JPS+移动机器人全局路径规划算法

近年来,跳点搜索(Jump Point Search, JPS)算法在移动机器人的全局路径规划中得到广泛运用,但其本身存在计算量较大、用时较长等问题。因而有人又提出了通过地图预处理提高效率的JPS+算法,但仍然在计算量和用时上有改进空间。针对业界存在的现实问题,首先介绍了JPS+的主要工作,并对JPS+算法进行了详尽分析,继而阐明了本文提出的两点改进策略。一是引入了一种基于密度的判断障碍物角点规则,进而减少主要跳点的数量;二是在进行最短路径求解过程中对目标跳点的判定规则进行了修改,从而实现了减少计算量、缩短计算时长的目标。为验证所提改进型JPS+算法的有效性,将JPS+算法在不同类型地图中与改进型JPS+算法进行了比较。仿真结果表明,改进型JPS+算法在多种地图中均能有效提高搜索速度,路径规划也十分合理,由此证明所提改进型JPS+算法对于全局路径规划具有实用价值和推广意义。     

基于YOLO改进算法的安全帽和口罩佩戴自动同时检测

针对工地、危险区域等场景需要实现同时佩戴安全帽与口罩的自动检测问题,提出一种改进的YOLOv3算法以提高同时检测安全帽和口罩佩戴的准确率。首先,对网络模型中的聚类算法进行优化,使用加权核K-means聚类算法对训练数据集聚类分析,选取更适合小目标检测的Anchor Box,以提高检测的平均精度和速度;然后,优化YOLO网络内部的Darknet特征网络层,将4倍降采样提取的特征图进行2倍上采样,再与2倍降采样进行卷积融合,与4倍降采样、8倍降采样以及16倍降采样一同输送到后续网络中,来达到降低小目标的漏检概率。实验结果表明:改进后的算法同时检测安全帽和口罩佩戴的平均准确率比原算法提高了11.3%。     

基于改进自适应粒子群算法的混合核函数最小二乘支持向量机大坝变形预测

针对大坝变形影响因素的复杂性以及监测数据的非线性、随机波动大和预测难度大等问题,提出一种改进自适应粒子群(particle swarm,PSO)算法的混合核函数最小二乘支持向量机(least squares support vector machine,LSSVM)模型,实现了大坝水平变形的时间序列预测方法.基于Mercer理论,将多项式核函数和高斯核函数进行线性组合,构建混合核函数,作为LSSVM模型的核函数,并以特征因子与大坝变形间的相互联系为基础,采用动态自适应惯性权重的PSO算法,对混合核函数的LSSVM模型进行参数寻优,以确保建立最佳LSSVM预测模型.将模型应用于丰满大坝,并与传统多项式核函数和传统高斯核函数的LSSVM模型进行对比仿真实验,对所提方法的有效性和准确性进行验证评估.结果表明,该模型在预测精度上有了明显提高,预测性能尤佳.可见改进自适应粒子群的混合核函数LSSVM模型对大坝变形的时间序列预测有良好的实用价值.     

基于改进YOLOv3的合成孔径雷达影像舰船目标检测

为了提高合成孔径雷达(synthetic aperture radar,SAR)影像舰船目标的召回率和准确率,降低漏检率,通过以YOLOv3(you olny look once)为检测框架,对锚点框(anchor boxes)生成机制进行改进,提出了利用K-median++生成anchors的聚类算法.结果表明不当的初始聚类中心会降低anchor boxes的平均交并比(mean intersection over union,meanIOU);同时由于SAR舰船数据集存在少量大尺寸box(离群数据点),因此在实验中使用中位数代替平均值,对簇群计算聚类中心,聚类后anchor boxes的meanIOU高达77.10％,在均值聚类算法(K-means clustering algorithm)基础上提高了3.7个百分点,并且减少了迭代次数,计算量得到大幅度降低.可见相比传统基于K-means的YOLOv3,检测效果有了明显提升,召回率达到92.21％,均值平均精度(mean average precision,mAP)达到93.56％,分别提高了2.55、3.82个百分点.     

基于格子波尔兹曼的机器人视觉特征点检测

针对Harris特征点检测算法中图像存在角点信息丢失的问题,提出基于格子波尔兹曼结合Harris算法的机器人视觉特征点检测方法。格子波尔兹曼具有并行操作的优点,可以保证机器人导航的实时性。通过格子波尔兹曼方法对图像进行预处理,然后使用Harris算法,实现特征点的有效检测。实验结果表明,该方法更加准确的选择特征点,减少特征点数目的同时,提升了特征点的质量,完成了特征相对不明显的点的检测。     

基于果蝇优化算法的零件图像边缘检测算法研究及应用

为实现零件图像的边缘检测,针对传统基于微分的边缘检测算法存在边缘点定位不准确、角点漏检等不足,提出一种基于果蝇优化算法(fruit fly optimization algorithm,FOA)的零件图像边缘检测算法.该算法首先通过Canny算子得到边缘点的先验知识,再利用希尔伯特变换提取角点信息,以边缘点和角点信息作为启发信息,建立基于FOA的零件图像边缘检测模型,最后通过随机平均移动机制和循环终止条件得到图像的单像素边缘.经实验验证,算法在无噪声边缘检测的条件下,相比传统的Canny算子,在零件图像检测的精度和准确性上有较大提升,可应用于工业零件的高精度无损检测.     

一种基于BP短LDPC码的改进级联算法

对短LDPC码的分阶统计译码(OSD)算法进行了分析,研究了BP和OSD的级联算法及对数似然比累积算法,考虑到译码复杂度和性能的折中,提出了一种改进的级联算法,用最小和算法替代BP算法,然后与对数似然比累计算法进行级联.仿真结果表明,和原始的BP算法相比,译码性能有了很大的提升;和BP-OSD级联算法相比,译码复杂度降低,性能几乎一致.