直升机桨叶图像中圆形标记点圆心检测及修正方法

视觉测量直升机高速旋转桨叶形变常采用基于圆形标记点的测量方法,但该方法中圆形标记点具有低曝光、小目标和投影不对称等特点,极易产生标记点漏检和圆心坐标误差的问题。为减小漏检、修正圆心坐标误差,提出了一种直升机桨叶图像中圆形标记点圆心检测及修正方法。首先,提取图像中局部极值中心的像素坐标,并依据阵列排布结构滤除干扰,获得所有圆形标记点极值中心的像素坐标;其次,以各极值中心的像素坐标为圆心,与相邻极值的最小距离为直径,建立圆形ROI(region of interest)区域,在ROI区域内并行分水岭变换和最小二乘法圆拟合得到圆心;再次,采用透视变换建立该图像与垂直相机光轴的同相位桨叶图像（正面图像）的投影映射关系,再采用LM(levenberg-marquardt)优化求解投影映射矩阵;最后,将该图像转换为正面图像进行圆心检测,再将该圆心坐标逆变换得到精确圆心坐标。实验结果表明,本文检测方法准确率和精度分别达98.89%和0.191 mm,已应用于直升机高速旋转桨叶运动轨迹和形变的高精度视觉测量。     

直升机桨叶图像中圆形标记点圆心检测及修正方法

视觉测量直升机高速旋转桨叶形变常采用基于圆形标记点的测量方法,但该方法中圆形标记点具有低曝光、小目标和投影不对称等特点,极易产生标记点漏检和圆心坐标误差的问题。为减小漏检、修正圆心坐标误差,提出了一种直升机桨叶图像中圆形标记点圆心检测及修正方法。首先,提取图像中局部极值中心的像素坐标,并依据阵列排布结构滤除干扰,获得所有圆形标记点极值中心的像素坐标;其次,以各极值中心的像素坐标为圆心,与相邻极值的最小距离为直径,建立圆形ROI （region of interest）区域,在ROI区域内并行分水岭变换和最小二乘法圆拟合得到圆心;再次,采用透视变换建立该图像与垂直相机光轴的同相位桨叶图像（正面图像）的投影映射关系,再采用LM （levenberg-marquardt）优化求解投影映射矩阵;最后,将该图像转换为正面图像进行圆心检测,再将该圆心坐标逆变换得到精确圆心坐标。实验结果表明,本文检测方法准确率和精度分别达98.89%和0.191 mm,已应用于直升机高速旋转桨叶运动轨迹和形变的高精度视觉测量。     

基于Snake模型和协作表示分类的鲁棒人脸识别方法

人脸图像的姿态和偏转角度变化严重影响人脸识别的性能,为此提出一种基于Snake模型姿态矫正和协作表示分类(CRC)的鲁棒人脸识别方法.首先,利用Snake模型提取人脸图像边缘和特征点,对偏转人脸图像进行矫正.然后,提取Gabor特征,构建特征向量.最后,采用CRC算法,对图像特征进行协作表示,根据样本图像与测试图像的残差来判断图像类别.实验结果表明,提出的方法对偏转角度、姿态、光照变化具有很强的鲁棒性.     

基于计算机视觉的水位检测算法

鉴于传统的水位读数方法误差大,成本高,需要一种精确、实时、鲁棒的智能水位检测算法来高效读取水位,为此提出了一种基于计算机视觉的水位检测算法以满足实际需求。首先对拍摄到的图像进行预处理和边缘检测以找出水尺位置,并通过仿射变换对水尺进行矫正。通过两种策略在水尺区域找到水尺关键字的位置,即关键字处理。然后对边缘特征进行投影并检测出水面位置。最后根据关键字处理结果和边缘特征计算得到水面高度。大量实验和实地测试的结果表明：所提算法在基于计算机视觉的水位检测、水尺读数等领域具有理论和应用的双重价值。     

基于计算机视觉的水位检测算法

鉴于传统的水位读数方法误差大,成本高,需要一种精确、实时、鲁棒的智能水位检测算法来高效读取水位,为此提出了一种基于计算机视觉的水位检测算法以满足实际需求。首先对拍摄到的图像进行预处理和边缘检测以找出水尺位置,并通过仿射变换对水尺进行矫正。通过两种策略在水尺区域找到水尺关键字的位置,即关键字处理。然后对边缘特征进行投影并检测出水面位置。最后根据关键字处理结果和边缘特征计算得到水面高度。大量实验和实地测试的结果表明：所提算法在基于计算机视觉的水位检测、水尺读数等领域具有理论和应用的双重价值。     

一种基于共性特征的SAR图像与卫星光学图像匹配方法

提出了一种新的基于边缘的合成孔径雷达(SAR)图像与卫星光学图像匹配算法.在这种算法中,针对SAR图像固有特性提出了一种边缘特征的提取方法,并提出了一种新的基于边缘连续性密度加权的子模板Hausdorff距离矩阵度量方式,采用子模板Hausdorff距离矩阵的Frobenius范数来描述整个矩阵的"大小"的尺度,从而建立图像相似性测度.这种测度具有可靠,鲁棒,易于并行实现的优点.试验结果表明,这种算法鲁棒性好,匹配精度高,计算速度快.     

抗几何攻击的RGB图像鲁棒水印

为了提高RGB彩色图像水印抗几何攻击的性能,通过对RGB图像的3个通道进行优化处理,提出了一种基于RGB图像的鲁棒水印算法.首先,提取RGB图像中的G通道和B通道的像素值并分别将其扩大2倍和3倍,通过高斯低通滤波后利用图像的均值和直方图嵌入水印.与G通道和B通道像素值未经扩大的RGB图像水印进行对比,测试表明G通道和B通道的像素值经扩大后的鲁棒性较好.其次,分别在RGB图像的3个通道R、G、B中嵌入相同数量比特的水印信息,结果表明水印图像中的3个通道R、G、B均能抵抗几何攻击,但每个通道的鲁棒性并不相同.基于100幅RGB图像的实验结果表明了所提出算法在抗几何攻击上的有效性.     

基于低秩和重加权稀疏表示的红外弱小目标检测算法

红外弱小目标检测技术是红外告警系统中的关键技术之一,但如何精确、快速、鲁棒地进行弱小目标检测依然是个难题。该文提出了基于低秩和重加权稀疏表示的红外弱小目标检测算法,设计了新的优化方程,更精确地描述了背景矩阵的秩,利用结构张量提取红外图像的局部先验信息权重,同时提取目标矩阵的自增强稀疏权重,使模型能够更好地抑制背景中的边缘干扰来提取目标。实验表明：所提算法精度优于现有的经典基线算法,速度超越了一些经典算法。从性能和时间两个方面综合考虑,所提算法有着较好的优越性,对远距离红外弱小目标告警具有积极的意义和良好的应用价值。     

基于图像分割的改进Census变换立体匹配算法

针对传统Census变换立体匹配算法精度低,提出基于图像分割的改进Census变换立体匹配算法.将Census变换窗口中心像素的灰度值用其邻域像素灰度值的中值代替,从而减少噪声对匹配精度的影响,增强算法的抗干扰能力.采用MeanShift算法对图像进行分割,结合其Census变换结果,以Hamming距离作为匹配代价,求取最佳匹配点,进而求取初始视差.通过左右一致性检验对视差图进行细化,对误匹配点进行替代和对遮挡区域进行填充,生成最终视差图.实验显示,该算法的鲁棒性和匹配精度优于传统算法,并且在深度不连续区域也能够获得精确的视差.     

基于双层回归森林模型的头影测量图像结构特征点自动定位

为了实现X射线头影测量图像中结构特征点的自动定位,提出一种基于双层回归森林模型的头影测量图像结构特征点自动定位方法.首先从图像中提取外观特征训练第1层回归森林模型,通过该模型生成针对当前特征点位置的偏移距离图;然后从偏移距离图中提取上下文特征,并结合外观特征训练第2层回归森林模型;接着将双层回归森林模型用于待检测的X射线头影测量图像,预测出图像中每个像素关于目标特征点的偏移距离;最后根据回归投票方法求得结构特征点位置.实验结果表明,基于双层回归森林模型的自动定位方法能较准确地获得头影测量图像中结构特征点的位置.     

近景摄影测量中标记点的自动检测

近景摄影测量中,可以在待测物体表面分布一些易于识别的标记点,以提高特征识别的准确性和精度,保证多幅图象间特征点对应匹配的可靠性。文中采用圆形目标及编码元素作为标记点,并提出一种标记点自动检测算法。该算法首先根据标记点的尺寸、形状、灰度变化及位置分布等特征提取目标;然后利用非编码元与编码元的不同形状与灰度特征,提出一种改进的编码元自动身份识别方法,同时实现非编码元与编码元的分类;最后采用质心法进行标记点的精确定位,达到亚象素精度。实验结果表明,该方法受投影角度、噪声等因素影响小,具有很强的鲁棒性,可以实现标记点的准确识别和精确定位,实用性好。     

基于引导滤波和NSST的工业CT图像边缘检测

针对传统边缘检测算法不能准确检测有噪工业CT图像边缘的问题,提出一种鲁棒性好、能有效保持细小边缘的边缘检测算法.用引导滤波取代高斯滤波作为边缘检测的预处理,避免Canny算法对边缘的损坏,得到初步检测结果.在此基础上采用非下采样Shearlet变换分解图像,提取包含图像边缘细节信息的各尺度不同方向的高频系数.对每个方向的系数进行模极大值检测,并结合不同分解程度下边缘像素处的系数关系进一步调整模极大值,低频置零并通过反变换得到高频边缘检测结果.将初步检测结果与高频检测结果进行融合,经数学形态学处理得到最终边缘检测图像.实验对比了Canny算子以及近年来提出的同类边缘检测算法的结果,所提算法表现出更好的边缘保持特性,检测的完整性和准确性更高,品质因数比实验中的其他算法平均高出12%,边缘检测效果优越,为工业CT无损检测系统提供了更好的边缘检测方案.     

基于YOLOv3与分水岭的直升机桨叶欠曝光图像圆形标记点检测

针对现有的直升机桨叶欠曝光图像中圆形标记点检测方法存在自适应能力不强、速度慢、精度不高的问题，提出了基于YOLOv3（you only look once）与分水岭的直升机桨叶欠曝光图像圆形标记点检测方法.首先，将采集的真实桨叶欠曝光图像中的圆形标记点进行标注后，制作成数据集，并训练YOLOv3网络；其次，用训练好的YOLOv3网络检测出圆形标记点区域；再次，改进传统分水岭标记提取方式，采用多线程技术并行在各圆形标记点区域内进行分水岭变换，得到圆形标记点边缘检测结果；最后，采用最小二乘圆拟合和奇异点去除法实现圆形标记点的精确定位.研究者通过对多幅欠曝光桨叶图像中圆形标记点进行检测实验，验证了该方法具有自适应能力强、速度快、精度高的优点，并已将其用于直升机桨叶欠曝光图像圆形标记点的检测.     

应用启发式边缘生长的遥感影像分割

基于边缘的遥感影像分割方法有两个难点：边缘点检测和边缘线连接. 文中提出一种基于启发式边缘生长的分割方法. 首先对Canny 算子进行三方面的改进以准确提取边缘点：自适应小波去噪、最优双阈值计算、基于邻域全变分的边缘决策. 定义一个新的边缘连接异质性指标,包括空间异质性和光谱异质性. 在此基础上提出启发式的全局交互最优决策技术以正确连接断裂边缘线. 文中用快鸟影像和航空影像进行分割实验,并与eCognition 的分割结果进行定性和定量比较. 实验表明启发式边缘生长分割方法能正确地连接绝大多数边缘线,并提供准确的分割结果.     

利用自适应像素对匹配的图像纹理区隐写

图像纹理区结构随机性较强,因此在纹理丰富区域嵌入隐蔽信息比在平坦区域嵌入的安全性更高。提出一种基于自适应像素对匹配法（adaptive pixel pairmatching,APPM）的纹理区隐写算法,优先在复杂纹理区嵌入密信。定义了图像纹理区域判别准则,由此根据待嵌入秘密信息的长度调整阈值,实现自适应隐写。在嵌入过程中可能出现嵌密块纹理复杂度小于阈值的异常情况,为解决这一问题,算法包含了基于最小失真的像素值局部调整策略。实验结果表明,该算法的嵌入效率高于原始APPM算法,而且KL距离较小,抵抗几种常用隐写分析算法的能力也比其他几种代表性算法LSB和APPM更强。     

利用边缘密度特征提取高分辨率遥感影像中的居民区

居民区相对于其他区域具有更明显更丰富的边缘特征. 根据这一特点,提出一种利用边缘密度特征差异
进行高分辨率遥感影像居民区自动提取的方法. 该方法首先利用Mean Shift 算法平滑原始影像,然后检测平滑影
像上的边缘并拟合成直线段,最后利用影像中的边缘密度分布构建空间投票矩阵,并结合Ostu 阈值分割方法提取
居民区. 实验表明：该方法可用于提取场景比较复杂的影像中的居民区,且具有较高的准确率和鲁棒性.     

基于色度直方图的颜色聚类算法

提取目标背景的主色是迷彩设计中的重要步骤,通常采用的颜色聚类算法具有监督性的缺陷. 为此,提出一种基于色度直方图的、无监督的颜色聚类算法. 该算法采用CIE 1931色度系统建立色度直方图,根据像素点在该坐标系的分布规律自动生成聚类中心. 逐一计算像素点与各聚类中心的色度的欧氏距离,将像素点与最近的聚类中心归于一类. 实验结果表明,采用该聚类算法能够准确提取主色,自动分割彩色图像,且比普通聚类算法的时间效率更优.     

基于改进的区域背景实时更新的目标检测

针对静止摄像机条件下运动目标的检测问题,提出了基于改进的区域背景实时更新的目标检测算法,该方法首先对连续的三帧图像分别做帧间差分并将差分图像二值化,运用改进的线段编码的方法对二值化后的差分图像进行扩充以填补由帧间差分引起的空洞,然后用当前的二值化差分图像减去前一个二值化差分图像,差值为负的区域就是背景应该实时更新的区域,最后用传统的背景差分法就能检测出运动目标．实验结果表明,该方法不仅能在一直有运动物体的视野内获得完整的背景图像,而且背景的实时更新也能有效的减小噪声和突然进入摄像机视野的物体的干扰,有较强的鲁棒性．     

无线传感器网络目标探测定位跟踪问题研究

为在低耗能下完成更为精确的目标全程跟踪,提出了基于动态子网思想的目标探测定位和跟踪算法,并按照目标跟踪流程分别从簇头选择、目标探测、目标定位和目标跟踪4个阶段设计.仿真结果表明,相比于全网激活和固定子网策略,本算法在定位误差、预计误差和整体能耗三项指标中均处于最佳地位,有着极强的性能优势.