基于双目视觉的田径运动员犯规动作智能识别方法

提出基于双目视觉的田径运动员犯规动作智能识别方法。通过双目相机获取田径运动员动作图像，立体校正双目相机以及实现图像的行对准，获取田径运动员动作深度图像；将提取的前景图像输入双流卷积神经网络模型中，通过批量归一化、非局部特征提取以及A-softmax损失函数，智能识别犯规动作。结果显示：该方法可有效完成图像立体校正，背景扰动影响指标值均低于0.025,精准识别田径运动员犯规动作。     

基于特征提取的健美操分解动作图像自适应识别方法

为了解决传统方法容易受运动速率、光照情况、遮挡、复杂背景等的影响,导致识别结果鲁棒性较差的问题,通过特征提取方法研究了健美操分解动作图像自适应识别问题。通过时间能量金字塔把视频序列划分成若干段,得到结果中动作并非全为健美操动作,含大量干扰信息,通过背景消减法对进行健美操运动的人体目标进行提取,进行进一步处理,得到人体轮廓的二值图像序列,求出轮廓外界矩形宽度和高度之比,依据宽高比获取关键帧,通过拉普拉斯法求解相邻差异帧与间的光流,降低背景杂波产生的影响。针对关键帧提取特征向量,通过相似性检测对待识别健美操分解动作图像和提取特征进行匹配,设定相似性阈值,将相似性高于阈值的图像作为识别结果。结果表明：所提方法对单人健美操视频数据库的识别准确率高,仅存在一定程度的混淆;所提方法对含不同场景的复杂数据库的识别准确性和其它方法相比最高。可见所提方法受外界环境干扰小,可保证高识别精度。     

足球正脚背射门动作的三维姿态重构方法研究

足球正脚背射门动作实时变化,不同时刻目标二维图像存在很大差异,当前三维姿态重构方法可得到的动作信息非常有限且具有姿态敏感性,导致重构结果不可靠、连续性不高。为此,提出一种新的足球正脚背射门动作的三维姿态重构方法,依据足球正脚背射门动作图像中所有像素的平均梯度平方矩阵获取Harris算子,通过Harris算子对足球正脚背射门动作特征进行提取。通过矩阵因式分解方法从观测矩阵中分解出三维姿态位置矩阵,实现足球正脚背射门动作三维姿态重构。实验结果表明,所提方法具有很高的重构精度,且连续性较高。     

基于二维码的相机位姿求解

针对视觉机器人定位问题,提出基于二维码的相机位姿求解方法,以实现视觉机器人的精准定位.利用开源计算机视觉库(open source computer vision library,OpenCV),首先对二维码的标准位置和相机进行标定;其次对图像进行预处理,得到二维码准确的边缘轮廓;然后利用循环遍历和最大距离算法求解特征点,对于像素过低导致的边缘失真采用"像素突变"算法进行优化;最后利用特征点通过坐标变换求解出相机位姿.在实际场景中对该方法进行测试,试验结果表明算法的旋转轴误差为±0.18 m,旋转角误差为±2°,平移量总误差为±0.02 m,可以有效地对视觉机器人进行精准定位.     

复杂干扰下配电线路无人机巡视目标检测方法研究

配电线路所处环境复杂,传统配电线路无人机巡视目标检测方法无法有效去除外界环境干扰,导致检测结果不可靠。为此,提出一种新的基于视觉感知的配电线路无人机巡视目标检测方法。通过可见光相机与紫外相机对无人机巡线图像进行采集,分析了紫外相机采集原理。通过直方图均衡化处理对采集图像进行增强处理,选用高斯滤波器对采集的配电线路无人机巡视图像进行滤波处理。对配电线路密集度区域和偏心度区域进行提取,获取配电线路无人机巡视目标特征向量。依据得到的特征向量确定无人机巡视目标,求出目标质心坐标,从而实现配电线路无人机巡视目标检测。实验结果表明,所提方法能够在干扰环境下有效实现配电线路无人机巡视目标的检测,检测结果可靠性高。     

复杂干扰下配电线路无人机巡视目标检测方法

配电线路所处环境复杂,传统配电线路无人机巡视目标检测方法无法有效去除外界环境干扰,导致检测结果不可靠。为此,提出一种新的基于视觉感知的配电线路无人机巡视目标检测方法。通过可见光相机与紫外相机对无人机巡线图像进行采集,分析了紫外相机采集原理。通过直方图均衡化处理对采集图像进行增强处理,选用高斯滤波器对采集的配电线路无人机巡视图像进行滤波处理。对配电线路密集度区域和偏心度区域进行提取,获取配电线路无人机巡视目标特征向量。依据得到的特征向量确定无人机巡视目标,求出目标质心坐标,从而实现配电线路无人机巡视目标检测。实验结果表明,所提方法能够在干扰环境下有效实现配电线路无人机巡视目标的检测,检测结果可靠性高。     

一种Kannala模型的鱼眼相机标定方法优化

针对鱼眼相机自身大视场、超短焦距等特点,使传统的基于小孔成像模型的相机标定算法无法实现其标定这一问题,提出了一种基于传统Kannala模型的鱼眼相机标定优化方法。首先研究了鱼眼相机的相机成像模型和畸变类型,并在传统Kannala模型基础上,建立分段多项式逼近模型实现原模型优化。其次根据传统Kannala模型和优化模型分别获得相机内参数和畸变系数,并通过内参数和畸变系数获得畸变校正图像。最后对得到的畸变校正图像利用反投影误差和多视图立体视觉三维重建分别定量和定性分析算法的优越性。相机检校反投影误差分析及三维重建可视化效果证明了所给优化模型相机标定的有效性。     

基于立体校正的快速相位立体匹配

立体匹配技术一直是立体视觉领域研究的重点与难点。针对立体匹配的效率与精度问题,提出了一种基于立体校正与四步相位移相结合的方法来提高立体匹配的速度与精度。首先,通过Bouguet立体校正算法将左右相机拍摄的图像进行立体校正,使匹配点在左右相机上成的像位于同一水平线上。然后,采用四步相移法获取精确的各像素绝对相位值,并通过双向线性插值法获得了稠密匹配点,并提高了立体匹配的精度。最后,通过对标准台阶零件进行测量与精度分析,实验结果表明该方法能够快速、准确的实现稠密的立体匹配,满足工业应用的需求。     

采用局部阈值分割的刀具损伤视觉检测方法

针对目前刀具损伤检测系统难以从采集的机床刀具损伤图像中自动识别到刀具损伤位置并精准测量刀具损伤量的难题,提出了一种采用局部阈值分割的刀具损伤视觉检测方法。该方法对采集的刀具图像进行灰度化、滤波降噪、旋转定位校正后,将刀具图像均分为多个小像素块,对每个像素块进行图像分割,获取每个像素块的分割阈值,即局部阈值,以最大的局部阈值为基准,对刀具图像进行整体像素扫描,同时结合形态学操作,实现刀具损伤位置识别,并基于识别到的损伤信息精准测量刀具损伤几何特征。搭建了离线检测试验平台,验证所提方法的有效性。试验结果表明:所提方法能够解决目前难以从刀具损伤图像中自动识别到刀具损伤位置并精准测量刀具损伤量的难题,与现有的局部方差法、自适应阈值法等方法相比,刀具损伤几何特征测量的平均准确率至少提升19%以上,具有较大优势。     

基于控制点鲁棒提取的视觉成像畸变校正方法

基于控制点的摄像机视觉成像畸变校正过程中,控制点自动提取困难且误差较大,因此难以实现动态图像的在线准确校正.针对目前控制点提取校正方法的局限性,提出了基于鲁棒性好的控制点匹配提取校正方法.该方法在实现控制点的自动、精确、鲁棒提取的基础上,建立畸变图像与原始图像的最优次数多项式映射模型,并结合双线性插值运算对图像进行校正.该校正算法应用结果表明:该方法在图像识别系统中实现了快速、精确的图像畸变校正,校正误差为0.037像素.     

结合饱和度调节的单曝光HDR图像生成方法

针对目前利用单幅低动态范围图像生成高动态范围图像过程中亮度的动态范围扩展与饱和度不匹配, 从而导致扩展后图像泛白的问题, 提出一种结合饱和度调节的由单幅图像生成高动态范围图像的方法. 该方法将图像转换到HSV颜色空间, 首先对亮度分量进行反色调映射及高光区域校正得到新的亮度分量, 并对饱和度分量进行线性拉伸; 然后计算原始亮度与饱和度的相关系数, 再通过相关系数和新亮度分量对拉伸后的饱和度分量进行微调得到新饱和度分量; 最后将处理后的各分量进行融合得到高动态范围图像. 实验结果表明, 该方法能产生颜色鲜亮的高动态范围图像, 更符合人眼的视觉特性.     

运动图像跟踪过程中丢帧误差消除技术

为解决传统方法不能自动对跟踪窗口的大小进行调整,造成跟踪定位误差高,无法有效消除丢帧误差的问题,提出一种新的运动图像跟踪过程中丢帧误差消除方法。通过对帧间差分法进行优化,利用每帧获取的背景部分完成背景模型的更新处理,通过当前帧和背景模型的差分获取运动范围。利用优化的Mean-shift法对运动图像进行跟踪处理,采用改进的帧差法对目标边缘进行提取,完成Mean-shift搜索窗口的更新处理,自适应调整跟踪窗口大小。通过适于P帧幅度能量模型对此刻帧与上一帧图像信息的改变程度进行描述,以体现运动图像序列运动分布情况,对运动图像跟踪中的丢帧误差情况进行描述。在此基础上求得运动图像跟踪状态矩阵,完成对丢帧状态参数的处理,将丢帧误差消除,以增强运动图像跟踪质量。结果表明,所提方法误差消除效果好,运动图像跟踪精度高。可见该方法能够对丢帧误差进行有效消除。     

干涉仪解模糊异常值检测及纠错方法

针对多基线相位干涉仪测角雷达在通道相位误差较大时解模糊结果存在异常的问题,提出了一种基于有限记忆算法的干涉仪解模糊异常值检测与纠错方法.该方法利用逐次测角算法的初次解模糊结果估计角度和整周模糊值的初始值,在此基础上进行角度和整周模糊值的有限记忆递推,识别原始测角数据中存在的数据异常值,对其进行异常值剔除或重新解模糊纠错处理.仿真结果表明,该方法原理正确,对于干涉仪解模糊数据中出现的孤立型及连续型异常值都能够进行有效的检测并予以纠正,显著降低了解模糊的出错概率.     

适用于已给定颜色处理的彩色矢量最小距离误差扩散算法

提出了一种彩色矢量最小距离误差扩散算法.较常规误差扩散算法而言,可更好地处理编织过程中将彩色图像分解成由已给定颜色组成的离散图像的问题.该算法将每个像素点的RGB值作为一个矢量,采用矢量误差扩散系数矩阵计算像素点的误差和矢量,分别计算像素点原RGB矢量值与误差和矢量的和值与每个已给定颜色矢量的矢量距离,选矢量距离最小的已给定颜色矢量作为输出.仿真结果表明,采用该算法可将连续色调彩色图像转换到已给定的颜色色系,处理结果有较好的视觉效果并满足编织要求.     

一种基于角点特征的数字稳像算法研究

针对复杂背景情况，提出一种基于角点特征的车载视频图像序列数字稳像算法．采用改进的Harris算子提取特征点，根据三级匹配策略实现对应点的匹配；建立参考图像与当前图像的映射关系，采用最小二乘解得到图像帧间的全局运动参数；最后利用Kalman滤波平滑运动参数，实现帧间的实时运动补偿，达到稳像目的．实验结果表明该方法去除了高频抖动，较好的保留了摄像机的主动运动，稳像后的视频具有良好的视觉效果．     

基于全局亮度自适应均衡化的海上图像带色彩恢复的多尺度Retinex算法

针对海上图像利用多尺度图像增强算法（MSRCR）不能有效地去除雾以及存在颜色纠偏过度问题,提出了一种基于全局亮度自适应均衡化的海上图像改进MSRCR算法。该算法首先计算海上雾天图像的取反图;其次对原图像和取反后图像进行MSRCR运算;然后利用全局亮度自适应直方图均衡化处理,并将处理后的亮度与经MSRCR处理后的反射分量进行低频信号线性叠加;最后计算叠加后图像的均值和标准差,并采用自适应拉伸图像灰度值,实现图像色彩对比度的提升。实验证明该算法处理后的图像,前景突出,细节清晰,色彩丰富,对于海上图像除雾,具有一定的意义。     

基于误差扩散的图像二值化

将传统误差扩散法应用于灰度图像的二值化中, 根据图像的灰度级分布情况将图像分为两类, 并结合误差扩散思想分别对每类图像进行处理. 结果表明, 处理后得到的二值图像可模拟连续灰度图像, 更符合人眼的视觉特性.     

基于小波变换的双通道脉冲耦合神经网络图像融合

提出了一种基于小波变换的双通道脉冲耦合神经网络的图像融合方法.先使用小波变换的方法来分解配准后的各个源图像,进而得到各个源图像的低频分量和高频分量,再把得到的低频和高频系数进行融合处理,使用高斯加权平均的低频融合规则来处理低频子带,利用双通道脉冲耦合神经网络的融合规则处理各高频子带,链接系数为图像的清晰度.融合后的小波系数取决于点火图和点火次数的多少,最后的融合图像由小波逆变换得到.实验结果表明,该方法能更有效地提取原始图像的特征信息,在主观视觉效果以及客观性能指标上较传统算法都有所改善.     

基于光照分量提取的光照不均匀图像校正

针对光照不均匀的灰度图像,在频域采用多尺度高斯函数提取出光照分量,并对光照分量进行对数变换,再根据提取出的光照分量和变换后的光照分量对原始图像的灰度值进行幂次变换,从而实现光照不均匀灰度图像的校正。对于真彩色RGB图像,先将该图像从RGB空间转换到Lab空间,然后对L分量的灰度值进行幂次变换校正,最后将校正后的图像从Lab空间转换回RGB空间。Matlab仿真结果表明,频域提取光照分量比空域处理速度更快,幂次变换校正后的图像质量得到明显改善,与伽马函数校正相比,在客观评价标准和主观视觉效果两方面均能够取得更好的结果。