基于径向对称变换的眼睛睁闭状态检测

为实现干扰条件下的眼睛睁闭状态检测,提出了一种新的基于径向对称变换的眼睛状态检测方法.该算法充分利用了睁眼状态下瞳孔的灰度特性及其径向对称特性,有效地解决了光线变化、不均匀光斑、睫毛和镜框等因素的干扰.大量的实验结果表明,该算法具有较好的检测效果,对各种干扰情况有较强的鲁棒性,并且检测速度快,能够达到实时要求,而且能在眼睛状态检测的同时实现瞳孔定位.     

基于序列信息圆心拟合的大气激光光斑检测技术

为了降低大气湍流对水平链路无线激光通信APT子系统的影响,提高在强噪声中光斑检测算法的鲁棒性,提出了一种新颖的光斑检测跟踪方法.该方法采用序列间信息量的分布情况作为检测特征参数来拟合圆心,并且按照拟合方程估计光斑能量中心点,即在遵守最小二乘原则的前提下使序列间均方误差达到最小.本检测方法可以对大气湍流和背景光干扰起到较强的补偿作用,将检测误差有效地抑制在一个小范围内,对强湍流环境拥有很强的针对性,为水平链路无线激光通信的精跟踪提供了一种针对大气湍流的有效解决方案.该算法采用时域均衡的方法较为巧妙地回避开湍流引入噪声过强这一难题,使其在强噪声环境下拥有较强的鲁棒性.并且从工程实践的角度,较全面地分析了该算法的优缺点,并针对其瓶颈作出了展望.     

一种改进快速Hough变换的车道线检测算法

目的研究智能交通系统中车道线快速检测算法。方法首先将车道线图像灰度化,采用中值滤波去除图像噪声;然后用索贝尔算子将灰度图像二值化处理;再次,根据车道线图像的特点并且结合霍夫变换的需求,设置感兴趣区域;最后,在感兴趣区域内用霍夫变换提取车道线,用最小二乘法进行直线拟合,舍弃干扰虚假线,并对多段车道线图像进行检测。结果与结论相对于经典霍夫变换算法,基于改进快速霍夫变换的车道线检测算法运算时间更短,而且使算法的鲁棒性得到了很大提高。     

结构化道路车道线识别的一种改进算法

基于机器视觉高速智能车辆,提出了一种改进的道路识别算法. 通过实车采集的图像进行灰度化、中值滤波、边缘增强、最优阈值二值化,获得良好的二值化图像. 根据道路特征采用一种改进的Hough变换识别出边界. 在预处理和检测时都使用感兴趣区域(AOI),减少了图像处理时间,提高了道路识别的可靠性. 实车实验表明,该算法具有良好的实时性、可靠性和鲁棒性.     

基于改进Census变换的双目立体匹配算法

针对传统Census变换窗口中心点灰度值易受噪声影响而导致全局匹配精度低等问题，设计了一种基于改进Census变换的双目立体匹配算法.首先采用双边滤波的模板值替代传统Census变换窗口中心点的灰度值，为了增强初始代价计算的可靠性，加入Sobel算子，将其与灰度绝对误差和算法的匹配代价进行代价融合；然后选择动态十字交叉域建立相邻视差的联系；最后运用赢家通吃策略选择最佳的视差，并采用左右一致性检测和引导滤波优化视差图.实验结果表明，在无噪声情况下，改进算法的平均误匹配率比传统Census变换的降低了约46%,含噪声情况下降低了约53%,说明改进算法有较好的匹配精度和抗噪能力.     

小波域的自适应灰度图像水印算法

提出了一种基于小波变换的自适应灰度数字水印算法,该算法利用位平面方法将经过Arnold变换加密后的灰度水印图像转化为一系列的二值信息,然后将其内嵌到原始图像经过小波多分辨率分解后的低频子带上,并利用人眼视觉掩蔽特性对水印的添加强度进行自适应调节,并设立标志矩阵记录水印嵌入信息,从而实现水印的盲检测.理论分析与仿真结果表明应用本算法实现的水印具有很好的鲁棒性和不可见性.     

基于径向对称变换的实时指尖检测算法

对于很多基于视觉的徒手人机交互系统,指尖的检测是其中的关键环节.为此提出了一种新颖简单但高效的方法来实现不同背景下的指尖检测,该算法不需要进行任何前景分割来辅助定位.针对指尖自身的形状所具有的径向对称性质,采用改进的径向对称变换算法先检测出指尖的候选点,然后通过肤色判别操作来帮助实现指尖的准确定位.实验结果表明,本文算法在不同的实际背景下都具有很好的检测效果,对光照的鲁棒性也较高,并且能够达到实时.     

基于二值化图像的指纹细节点精确提取方法

针对指纹图像质量较差时,基于灰度图的指纹细节点直接提取方法正确率较低,提出一种基于二值化图像的指纹细节点精确提取方法.该方法首先采用方向滤波增强指纹图像,消除各种噪声,然后在二值化图像上进行脊线跟踪,直接提取细节点.脊线跟踪时,采用平滑和加权联合处理来计算脊线下一跟踪点,并提出一种利用循环扩散方法检测脊线连通性的方法,保证脊线跟踪的正确性.实验结果表明,无论图像质量好坏,该方法提取出的细节点正确率都超过80%,优于灰度图直接提取方法及其改进算法.     

基于边界剥离分水岭算法的重叠颗粒分离研究

针对采集的洗煤厂煤尘图像颗粒重叠严重的问题,运用传统图像二值化方法处理速度慢、不适用于低对比度指纹图像。分水岭分割算法对噪声敏感和易于产生过分割问题,为了提高图像分割的效率和鲁棒性,提出一种新的基于边界剥离距离变换分水岭算法的图像分割方法。该方法通过将图像分割为不相交的N个子窗口,并求出各个窗口对应像素的灰度均值,经改进动态阈值法进行二值化处理,得到的二值化图像经边界剥离距离变换获得灰度图像,最后利用分水岭算法对图像进行分割处理。数值实验结果表明,与传统分割方法比较,此方法处理效率高、鲁棒性好。不但成功地解决了分水岭存在的过分割问题,还大大提高了算法的搜索效率;可以快速准确地分割出目标,是一种有效的图像分割方法。     

沙粒图像中沙粒粒径的检测与识别

基于小波变换和图像分析理论检测和识别沙粒的平均粒径,使研究风沙运动中沙粒的粒径分布规律成为可能.首先通过小波变换对静态的沙粒照片进行消噪和增强对比度,使之成为可以由Otsu方法和灰度直方图峰值法进行阈值化处理的灰度图像.再将经过以上两种阈值方法处理得到的二值化图像利用八邻域边界跟踪的连通域标号算法对其进行逐行逐列扫描和搜索来确定并提取目标的颗粒数,最终实现对沙粒平均粒径的检测和识别.结果表明,该方法能够满足沙粒粒径识别的精度.     

基于对称变换的瞳孔定位方法

为解决瞳孔检测中眼镜反光、眼帘遮盖、闭眼等问题,提出了一种基于改进对称变换的
瞳孔定位方法。根据人脸的梯度信息、人眼瞳孔区域与眼镜反光区域梯度方向不同的现象,
改进对称变换算法,以提高定位准确性,采用自评估算法对定位进行评估,并利用自采
集的图像和图库中的图像进行了实验。结果表明,改进的对称变换算法能对瞳孔进行精确定位。     

一种基于数据融合的目标跟踪方法

为了提高相控阵波束的跟踪能力,基于多设备源的测量信息,提出一种基于数据融合的目标跟踪方法。该方法依次进行数据外推时延修正,数据检择,坐标变换,再进行测量数据的平滑滤波处理,最后利用动态加权的数据融合处理方法,提高了目标的跟踪预测性能。仿真实验结果表明,提的基于动态加权数据融合的目标跟踪方法具有较高的目标跟踪精度,满足系统要求。     

心电信号中R波的小波探测法

心电信号中的R波是心室除极时所产生的电位突奕，是典型的峰值奇异信号。笔者研究了小波变换对心电信号R波峰值奇异点的精确检测机理，分析了Mexican hat小波特有的时域特性，该小波具有任意阶连续性、对称性和指数衰减，具有零阶和一阶消失矩。因此Mexican hat小波基对R波具有良好的定位特性和分析精度。通过MIT／BIH（Massachusetts Institute of Technology/Boston's Beth Israel Hopital）心电数据库的测试和应用实例的验证，即使在有严重噪声干扰的情况下，该方法也很容易实现对R波的准确检测和精确定位，具有相当高的定位精度（定位误差不大于1个采样点，约80％能准确定位）和分析精度（不存在累计误差），同时具有较高的实时性，可以实现R波产时检测和分析。     

基于小波变换的语音基音周期检测

本文根据语音信号在声门闭合时刻（ＧＣＩ）的锐变特性，利用小波变换的时频局部化性质，构造了一个基音检测系统．通过使用不同的压扩因子，根据语音信号小波变换的局部最大值的位置，确定出对应的语音信号的锐变时刻（即ＧＣＩ），而相邻两个ＧＣＩ的间隔即为基音周期．本方法具有准确性高、抗嗓声性能好、检测范围宽、动态性能好等传统方法所不具备的特点．     

基于球麦克风阵列的三维空间多声源定位

由于球麦克风阵列本身结构的特殊性,目前它广泛的应用于声场录制、波束形成、声场重现和声场分析等等领域.利用球麦克风阵列的对称性进行三维空间的多声源定位,和传统的声源定位方法不一样,通过分析声波传播的物理特性,采用球谐函数声场分解的方法,研究和探讨了离散的球麦克风阵列求解多声源情况下球散射声场球谐系数的方法,同时采用球傅立叶变换的方法分析了多声源情况下声场的指向性因子的变化情况,并由该指向性因子的等高线图确定了三维空间中的各个声源方向.同时还大致分析了麦克风阵列的离散化所导致的声场分解的误差,讨论了麦克风阵列的大小、麦克风位置以及声场分解模态的高低对声源定位精度的影响,最后采用了遗传算法对球麦克风阵列的麦克风位置进行设计和优化,提出了在有实际应用条件限制下设计优化球麦克风阵列的一种方法.计算机模拟表明,基于声场球谐系数求解和球傅立叶变换的方法可以同时有效的确定三维空间中任意方向的多个声源的方向.     

无人机视角下的特征匹配引导粒子滤波跟踪算法

粒子滤波(particle filter, PF)算法被广泛应用于视觉目标的跟踪,然而,在无人机视角下,摄像机与画面中的目标同时运动,导致了PF对目标运动状态的预测失效.针对此问题,提出一种面向无人机视角下的改进的粒子滤波跟踪算法——特征匹配引导的粒子滤波跟踪算法.首先,利用相邻两帧图像中目标物体尺度不变特征变换(scale invariant feature transform, SIFT)特征匹配的结果作为初次定位;然后,利用空间加权的HOG特征与PF相结合获取二次定位结果;最后,利用chamfer distance修正跟踪结果的SIFT特征点作为下一帧特征匹配的模板,从而循环产生准确的视频跟踪结果.比较试验表明,该算法有效地改善了传统PF跟踪算法在无人机视角下运动状态预测方程失效的问题,能够较准确地对运动目标进行跟踪.     

闪烁噪声下目标跟踪的容积粒子滤波算法

针对闪烁噪声下非线性非高斯系统的目标跟踪问题,首先建立了闪烁噪声的数学模型;然后分析了传统粒子滤波算法的优劣点,在此基础上,引入容积卡尔曼滤波算法,重新设计粒子滤波的重要性密度函数,提出用容积粒子滤波算法来跟踪目标。最后进行了仿真分析与对比。仿真结果表明,闪烁噪声条件下,容积粒子滤波算法的跟踪误差分别是传统粒子滤波算法和无迹粒子滤波算法的1/5和1/2,有更高的跟踪精度;而运行时间仅是无迹粒子滤波算法的1/2,且跟踪稳定性更好。     

基于SUKF与SIFT特征的红外目标跟踪算法研究

针对复杂红外背景下单一跟踪算法难以准确定位运动目标的问题,提出了基于尺度无迹卡尔曼滤波(SUKF,scale unscented Kalman filter)与尺度不变特征变换(SIFT,scale invariant featuretransform)相结合的红外运动目标跟踪方法。首先,通过SUKF算法对状态空间进行滤波估计,确定运动目标的初步位置,并以此建立局部SIFT特征检测域。其次,SIFT算法在该局部检测域内对运动目标进行特征提取与匹配,最终实现对目标的准确定位;同时,利用定位结果更新并校正SUKF的状态模型。实验结果表明,本文提出的基于SUKF-SIFT的跟踪策略与相关算法相比,体现出较好的跟踪效果与实时性能。     

基于感兴趣区域的快速虹膜定位方法

虹膜定位是虹膜识别系统中的一个非常重要的步骤,虹膜识别系统性能的优劣很大程度上取决于虹膜定位的精确性和快速性．针对已有的虹膜定位算法存在的定位精度和执行效率低并且鲁棒性差的缺点,本文提出一种基于感兴趣区域的快速虹膜定位算法,本算法主要有两个基本步骤：虹膜边缘点检测和用霍夫变换拟合虹膜边界．在进行这两个步骤之前,我们定义了一个感兴趣区域IF（Interesting Filed）,这个感兴趣区域为一个包含虹膜的外接矩形．通过寻找感兴趣区域,我们缩小了对目标的搜索范围,使得霍夫变换能较快的对虹膜进行定位．经试验表明本算法能较为精确且快速的定位虹膜边界．     

一种基于多传感器融合的车辆检测与跟踪方法

针对城市道路环境,提出了一种基于激光雷达和视觉的车辆检测与跟踪方法.首先,采用透视变换和多传感器联合标定,根据激光雷达数据生成包含车辆假设的兴趣区域,以提高车辆检测的可靠性和降低图像处理的计算量;然后,提出了一种基于多维特征空间马氏距离的车辆检测算法,通过提取兴趣区域内图像特征向量,并将其与标准向量间的马氏距离作为车辆状态估计;最后,采用Kalman滤波实现车辆运动跟踪.为了提高鲁棒性,将粒子滤波算法与Kalman滤波相结合,以在雷达信息不准确的情况下准确地实现目标状态估计.实验结果表明,该方法在城市环境中取得了比较理想的车辆跟踪效果.