机器人足球中关键目标坐标的几何变换

讨论在识别目标前不对图像进行几何变形的预处理，而是在图像上对小车和球的位置识别成功后，通过插值算法把目标坐标映射为实际场地的位置坐标。该方法避免了把场地内所有的点都进行坐标变换的图像预处理过程，从而极大地减少了计算量。     

采用轮廓片段空间关系实现遮挡目标识别

为了实现高比例遮挡情况下的目标识别,提出一种基于轮廓片段空间关系的目标识别算法.首先,在采用轮廓的形状上下文特征进行粗匹配的基础上,对模板图像和待识别图像分别进行图像骨架关键接合点的提取和轮廓形状质心的提取.然后,以图像像素中心点为原点建立坐标系,以图像骨架关键接合点和轮廓片段质心在各自图像建立的坐标系内的位置确定空间关系.最后,制定空间关系参数约束标准,筛选满足空间关系约束准则的目标库图像为最后识别结果.与现有遮挡目标匹配算法相比,该算法可以实现高比例遮挡情况下的目标识别,在目标遮挡比例为60%的情况下,识别率可达到78%.     

基于Canny算子和Radon变换的证件图像倾斜校正

倾斜的证件图像不利于识别,为此提出一种基于Canny算子和Radon变换的校正方法。该方法首先使用Canny算子进行证件图像边缘检测,然后利用Radon变换计算出图像的倾斜角度,最后用双线性插值算法进行图像旋转校正。在Matlab平台对该方法进行了仿真实验。实验结果表明,该方法能够准确、高效地对证件图像进行校正。     

基于局部SURF与Kalman滤波的多机器人识别与跟踪

针对SURF匹配算法,提出一种局部特征匹配的思想,对场景中多个目标机器人进行识别与跟踪。在静态场景中,利用背景差法检测出场景中所有运动机器人,提取各个机器人的轮廓,通过轮廓获得每个机器人在图像中的区域,对每个小区域提取SURF特征点并与模板图像进行匹配,得到想要跟踪机器人的位置信息,最后通过Kalman滤波对机器人位置进行修正并跟踪。实验证明本算法在不降低匹配的准确性上有效提高了识别与跟踪的效率。     

基于显著点提取的红外弱小目标检测

根据人类视觉感知理论,采用bottom-up控制策略的预注意机制和top-down控制策略的注意机制,提出了一种适用于自动目标识别的目标检测算法.该算法首先对输入图像进行非均匀区域分割,根据对象的显著性特点,在已分割好的各个区域提取出显著性点作为潜在目标点,得到潜在目标点集合,之后采用改进的双滑窗算法对这个集合进行更为细致的识别,剔除伪目标,检测出真实目标.实验表明,该算法具有良好的检测效果,预注意机制有效降低了算法运行的时间,改进的双滑窗算法使得检测的鲁棒性更强,对于目标区域带有运动阴影的红外图像以及复杂背景下的红外图像均能进行正确的检测.     

一种快速高效的手势跟踪识别方法

为了降低识别复杂度, 提高识别效率, 实现手势的快速高效跟踪, 提出一种分情况检测思想和搜索框概念。首先对图像进行细检测, 得到目标的准确位置, 然后通过粗检测与跟踪相结合的方式进行目标跟踪, 并对跟踪结果进行修正和可信度判断。实验结果显示: 算法对图像手势的平均检测跟踪正确率可以达到 97.36%, 且保证平均漏检率在5%以下, 对各种外界因素具有较好的鲁棒性; 算法对视频图像的处理速度达19.42 帧/秒, 满足人机交互系统中的实时性需求; 与TLD 算法相比, 本算法在处理速度上有数量级的改善, 算法结果的正确率也有明显优势。     

复杂维修场景下飞机机号的定位识别方法

针对在复杂维修场景下飞机数量较多且体积庞大,无法实现准确高效的识别跟踪目标飞机的问题,提出基于YOLOv4目标检测的飞机机号识别算法,该方法首先利用YOLOv4检测算法获得飞机机型和预测框图像信息,然后通过图像处理算法实现飞机骨架细化,并依据机型获取飞机机号位置信息,最后利用OCR(optical character recognition)识别出目标飞机机号信息。实验结果证明,该算法实现了对飞机机号的识别,准确率为75%,帧率为30帧,可达到实时性的目的。     

快速B样条二维细微边缘检测算法

传统的边缘算法无法得到令人满意的图像细微边缘检测结果。作为对传统边缘算法的补充，这里提出了用于图像特征提取的细微边缘检测算法。采用快速B样条转换实现快速图像插值可以提高运算速度。这种基于B样条函数的算法能快速计算出信号的一阶导数，通过搜索图像一阶导数最大值的位置确定边缘点的位置。实验结果表明图像经插值放大3倍以后可以获得满意的细微边缘检测结果。     

基于图像变化检测的CFA插值算法

提出了基于变化检测的CFA插值算法.该算法分为两个步骤:首先采用矢量线性相关法对CFA图像的绿色分量图像进行变化检测,然后在发生变化的区域内进行插值,未发生变化区域内的图像数据被CFA插值后直接拷贝到当前帧的相应位置,避免了在每帧图像内逐点进行插值计算.与现有的插值算法相比,CFA插值算法复杂度大大降低,同时获得较高质量的视频图像.     

基于NMS及帧间差分的深度学习目标识别实验仿真

目标识别实验是数字图像处理实验的一个创新性实验项目,学生选课率较高。传统的目标识别算法不能识别目标的位置信息,而且识别率较低。在深度学习理论构架下,设计了基于NMS及帧间差分的目标识别实验仿真算法,将帧间差分法融入识别过程,采用帧间差分法提取待识别视频的动态信息作为补充,增强候选框区域分割图像,并通过NMS算法对候选框进行筛选,提高识别率。仿真结果表明,算法识别出目标种类的同时能对目标在图像中的位置进行精确标定,并可以判断目标是否处于运动中,具有较高的识别率。     

基于小波双立方插值的Bessel拟合图像复原算法

对模糊图像复原的目的在于对图像进行去模糊、去噪及建立在特征值基础上的矢量化处理,最大限度恢复原图像。本文提出了一种基于小波双立方配比插值的贝塞尔拟合图像边缘特征复原的新算法,在初始图像降质处理基础上通过小波双立方配比插值（Wavelet Bi-cubic）、双三次插值法得到融合样本图像,并在Canny边缘检测基础上提出对拟合边缘特征点的贝塞尔曲线拟合,最后将图像特征轮廓分别进行Delaunay剖分算法的矢量化处理,保留原始灰度色彩复原图像。实验对这三种方法的轮廓复原图像与原始清晰图像进行对比,由具体参数（PSNR、SSIM、FSIM以及运算时间TOC等）说明验证。实验结果表明,经由小波双立方配比插值与贝塞尔拟合得到的轮廓图像复原比双三次插值与贝塞尔拟合得到的轮廓图像复原效果要好,且明显缩短运算时间。     

基于双三次插值的鱼眼图像校正

通过标定板对鱼眼镜头成像模型参数进行标定,建立了特定鱼眼镜头图像校正模型,并应用该模型对鱼眼图像进行校正.利用双三次插值方法对鱼眼图像非特征点进行插值,校正效果良好,解决了鱼眼镜头所成影像的畸变问题,能较好地应用于视觉导航与监控领域.具体做法是:（1）利用自制的平面标定板标定鱼眼图像;（2）通过标定之后的镜头畸变参数,利用双三次插值算法将畸变的鱼眼图像还原为满足人眼视觉效果的透视图像.     

基于改进YOLOv5s和传感器融合的目标检测定位

针对无人车环境感知过程中相机无法提供道路目标的位置信息,激光雷达点云稀疏以致检测方面难以达到很好效果的问题,提出一种通过融合两者信息进行目标检测和定位的方法。采用深度学习中YOLOv5s算法进行目标检测,通过联合标定进行相机与激光雷达外参的获取以转换传感器之间的坐标,使雷达点云数据能投影到相机图像数据中,得到检测目标的位置信息,最后进行实车验证。结果表明,所提算法能在搭载TX2嵌入式计算平台的无人车自动驾驶平台上拥有27.2 Hz的检测速度,并且在一段时间的检测环境中保持12.50%的漏检率和35.32 m的最远识别距离以及0.18 m的平均定位精度。将激光雷达和相机融合,可实现嵌入式系统下的道路目标检测定位,为嵌入式平台下环境感知系统的搭建提供了参考。     

一种自适应最大相关性数字图像插值算法

提出了一种基于图像多方向最大相关性的数字图像插值算法．数字图像插值过程中不可避免会产生图像细节模糊和边缘锯齿化．同时在处理视频信号时要求有较低复杂度以满足实时信号处理．针对以上问题和要求．本根据图像空域内邻近像素点多个方向的内容相关性和几何相似性．得到一种基于图像最大相关性的自适应优化插值算法．该算法能有效解决插值后图像的锯齿效应及边缘模糊等问题．实验结果表明．该方法插值后的图像信噪比性能明显优于双线性方法．插值倍率较小时接近两次立方法．随着插值倍率增大性能也优于两次立方法．且计算量不大．经适当改进后可以用于实时视频信号处理．     

两维编码光电检测与识别技术

提出了一种基于光电检测与识别的平面位置检测方法,以此为基础完成了一种新型计算机手写输入系统设计.给出了位置编码算法以及基于图像采集与图像处理的编码识别方法,讨论了光电检测系统的结构及其光路设计,给出了坐标转化及笔的起落检测方法,可以完成书写和绘画等传统鼠标难以完成的功能.     

基于目标检测的红外和可见光动态图像融合

提出一种基于运动目标检测的红外和可见光动态图像融合方法,通过对红外序列图像中的运动目标进行检测,将运动目标信息融合到可见光序列图像中。试验结果表明,文中算法所得到的融合图像能够综合利用红外图像较好的目标指示特性与可见光图像较清晰的场景信息,有利于安全监视人员进行目标识别和情景感知。     

基于无损探伤的高精度电路板缺陷检测系统

为了实现电路板焊盘、焊点焊接情况的快速缺陷分析,采用无损探伤技术结合大比例成像结构设计了高精度电路板缺陷检测系统.系统由X射线机、MV-M1000型高分辨率图像采集卡以及MN39750PA型CCD探测器构成,在分析了无损探伤基本原理的基础上,设计了大比例电路板成像结构,并提出了累计采样降噪算法.针对存在焊接问题的电路板进行实验,实验结果显示:通过无损探伤系统可以清楚地观察电路板的焊接情况.经光学系统计算分析可知,对缺陷的检测精度可达30 μm,可以有效地满足工业应用等的设计要求.     

双三次样条曲面插值的一种高效并行算法

该文在对双三次样条曲面插值问题的并行方案的优选、任务分配的优化以及Ｔｒａｎｓｐｕｔｅｒ并行结构上并行通讯的策略进行深入研究的基础上，给出了一种高效的ＭＩＭＤ并行算法，这种算法模式也适用于Ｂ样条和非均匀有理Ｂ样条等曲面插值问题，因而适用范围广，具有代表性。该算法的优点是各处理机负载平衡度高、通讯量小，其效率几乎接近１，大大高于现有解三对角方程组的并行直接法的效率（如分块ＬＤＬ＾Ｔ分解，ＤＤＭ方法的效     

基于图像匹配和验证识别的元件型号检测

电子制造业的电路板元件贴片安装检测中,需要根据元件上的字符图像来检测其型号是否正确．现有的整体匹配方法误检率高,且无法检测不同批次字符字体差异的元件．本文设计了位置校正后字符匹配的快速检测方法,对于更换元件批次后的字体差异则采用字符图像分割后进行验证性识别,并重新建模．实验结果表明了本方法具有高效,无漏检,误检率低等特点．     

基于深度学习的反无人机预警神经网络

为解决传统雷达探测设备面对"低小慢"无人机时产生的难检测与易突防问题,通过深度卷积神经网络对空中无人机进行实时识别,提取目标的类别与像空间位置信息;根据无人机像空间位置在时域下的变化趋势,绘制无人机飞行映射轨迹;利用长短期记忆网络对飞行映射轨迹进行预测,获取无人机在未来时域内的预测航迹方向,实现对无人机的预警跟踪、实时检测与轨迹推断。结果表明,所提出的算法中目标识别平均准确率可达到82%,轨迹预测平均准确率可达到80%计算速度可达到24帧/秒,可见能够在地基计算平台下对空中无人机进行实时精确预警,可以有效地防止识别领空内的非合作无人机渗透与突防。