基于双目识别技术的复杂背景中果实识别试验

为了迅速识别不同背景中的果实目标,在规范结构下建立了双目立体视觉识别系统,对复杂背景中的果实进行定位和识别.提出了基于角点聚类的局部特征提取及匹配算法,利用极限约束条件,通过提取同行像素角点特征完成立体匹配,获取果实3维信息.通过对不同背景下果实目标进行大量试验,发现基于单一特征属性的提取方法,角点匹配效率低,定位精度...     

基于曲率约束和改进Hausdorff距离 匹配的轮毂识别算法

针对在轮毂的自动化生产过程中对轮毂型号自动识别的需求,提出一种基于曲率的轮毂辐孔轮廓线角点特征提取和改进Hausdorff距离(MHD)轮毂型号自动匹配的方法. 对待识别的轮毂型号样本进行特征提取并建立标准样本库,在对实时采集的轮毂图像预处理后,利用曲率约束的最小二乘法(CRLSM)进行轮毂外轮廓提取,并用曲率阈值进行角点特征提取,进而采用改进的Hausdorff距离匹配实现轮毂自动识别. 仿真实验证明,该识别算法能够对建立样本库的轮毂类型进行正确识别.     

一种分阶段的高精度亚像素特征点提取方法

基于图像信息的目标跟踪问题中,对目标特征的精确提取与识别是极为重要的.本文针对点状特征的提取,采用了一种分阶段的高精度亚像素特征点提取方法.具体做法是：首先,利用Harris算子,获得像素级特征点;然后利用像素级特征点附近亮度值的梯度信息,进行亚像素级特征提取.实验结果表明,这种分阶段实现的亚像素级特征提取方法可以保证提取到尽可能多且位置精确的的亚像素级特征点.     

基于ORB和 GroupSAC复杂场景视频图像的快速角点检测

针对传统的角点检测在复杂场景视频图像中角点检测的准确率不高、实时性差的问题,提出了基于ORB特征提取和GroupSAC的快速角点检测算法。首先在O-FAST中加入图像金字塔对图像进行角点检测,保证了视频图像角点检测的尺度不变性,然后利用灰度质心对求得的主方向进行BRIEF特征提取,保证了视频角点检测的旋转不变性。最后利用基于混合二项式模型的GroupSAC算法去除误差点,提高了角点检测的准确率。实验证明,在复杂场景视频图像中,如在光照变化、尺度变化、旋转变化以及遮挡图像的情况下,该方法具有较高的准确性、较低的时间复杂度和较强的鲁棒性,实现了对复杂场景视频图像的快速角点检测。     

基于HMAX模型的仿生人脸识别算法

为了提高人脸识别效率,减小特征提取的时间消耗,本文提出一种基于改进HMAX模型的类脑识别算法,通过模拟生物视觉皮层的信息处理机制,构建了一个五层结构的分层网络用以提取目标图像的不变特征并进行识别.在S1层应用小波分解模拟视皮层V1简单细胞对目标图像进行滤波;在C1层进行特征提取,采用SVDP算法代替标准HMAX模型中的最大值操作,得到对光照、表情、姿态不变性的代表特征;最后,在VTU层对人脸图像进行分类.实验表明,改进后的算法在对样本进行识别时,能够有效降低特征提取的时间开销,同时也提升了识别效率.     

基于自适应极速学习机的遥感图像目标识别

随着遥感技术的突飞猛进,遥感图像目标识别在军事方面以及民用方面都有重要的应用.但是在对遥感图像目标识别的过程中,由于遥感图像的高分辨率等客观条件限制,无法实现对目标实时和精确的识别.极速学习机具有很快的学习速度并且是一次完成的,在小样本学习的问题中得到了广泛的应用.可以先对遥感图像进行特征提取,然后用极速学习机的神经网络方法对遥感图像目标进行识别,这是解决问题的一种有效方法.本文首先在极速学习机的基础上针对极速学习机隐层神经元过多的问题进一步提出隐层神经元数目自动确定的自适应极速学习机的算法,然后介绍了遥感图像特征提取的方法,最后通过实验仿真验证自适应极速学习机算法在遥感图像目标识别上的准确性和实用性.     

基于深度学习神经网络的SAR图像目标识别算法

提出了一种有效的SAR图像目标识别新方法。首先采用改进后的增强Lee滤波和HOG变换对SAR图像进行特征提取,然后通过层叠RBM和GRNN相结合的混合神经网络对SAR图像进行目标分割和目标识别。利用测试图像库的MATLAB算法仿真,结果表明该方法可以明显提高目标识别率,正确率可以达到97%。     

基于校园一卡通的门禁道红外线识别方法研究

为实现对校园一卡通门禁道红外线主动识别,提出基于红外成像特征检测的校园一卡通门禁道红外线识别方法,建立门禁道红外线识别的成像模型。采用主动边缘轮廓检测方法进行门禁道红外线的特征提取,采用Harris角点检测方法对校园一卡通门禁道红外图像的特征点进行检测。结合相邻帧像素融合的方法进行红外图像的信息融合,采用目标主动检测方法进行门禁信息的特征检测和提取,构建校园一卡通门禁道红外图像的模糊特征检测和信息跟踪融合识别模型,实现校园一卡通的门禁道红外线识别优化。仿真结果表明,采用该方法进行校园一卡通的门禁道红外线识别的特征分辨能力较好,识别精度较高。     

一种基于Harris-SIFT特征点检测的LBP人脸表情识别算法

针对LBP算法在提取全局特征时不具有针对性的缺点,提出一种基于Harris-SIFT特征点检测的LBP人脸表情识别算法。该算法引入Harris得到表情图像的角点,同时运用SIFT检测算法得到图像的局部最大最小值,通过Harris算法对SIFT特征点进行过滤,得到表情图像的准确感兴趣点;设计特征点最大区域选取法和特征点周围邻域选取法,将选取的区域作为LBP特征提取的输入图像;运用SVM多分类器得到每种表情的识别率。实验表明,该算法能更有效地提取表情特征,达到较好的识别效果。     

基于光流法的运动目标检测与跟踪算法

选用Harris角点作为跟踪对象,将尺度空间引入角点检测,提取特征尺度上的Harris角点,并进行曲率非极大值抑制,滤除"伪角点",提高角点检测对尺度变化的抗扰能力.跟踪算法选用结合图像金字塔的光流法,迭代计算光流,并提出基于光流误差的跟踪算法,即用不同时间流的运动轨迹在同一帧图像的误差来衡量运动跟踪情况,避免跟踪点因被遮挡、消失或者纹理特征发生变化而导致跟踪失败.通过对不同视频图像进行检测的结果证明基于改进的角点提取和图像金字塔的光流法具有良好的跟踪效果,引入光流误差可以有效地滤除跟踪失败的特征点,准确估计运动目标的位置.     

无人艇视觉系统多类水面目标特征提取与识别

针对海浪、海雾会造成无人艇视觉系统采集的视频图像模糊,影响目标特征提取和识别,且单一特征提取不能有效识别水面多类目标问题,在对无人艇采集的视频序列图像进行海雾去除和电子稳像预处理的基础上,提出一种多类水面目标组合特征提取和识别方法。首先分割清晰化后的图像,实现目标背景分离;然后提取不同目标几何特征、不变矩特征和纹理特征;最后采用基于组合特征和主分量分析降维的分级BP神经网络进行目标识别。通过实测、网络搜索和3D建模获得礁石、岛屿与船只3大类目标样本库,在MATLAB7.9下进行仿真研究,结果表明:多类水面目标组合特征提取和识别方法能有效实现无人艇视觉系统对海面3大类常见目标的分类识别,识别正确率达到85%以上。     

一种大噪声自适应的角点检测技术

在自主机器人视觉中,大噪声条件下图像边缘角点的识别,对于视觉目标的形状识别有着重要的作用.使用最小均方误差准则,可以有效的滤除噪声的影响.针对大噪声条件下噪声强度的平均值和均匀性都未知的特点,提出了一种基于最小均方误差的新的大噪声自适应角点识别算法.这种方法计算变长点集的残差平方和,使得角点出现在特征曲线的极小值处,避免了使用阈值的弊端.并利用折半查找策略,降低了时间复杂度.在单角点识别的基础上,针对多角点识别,讨论了利用这种算法降低时间复杂度的方法.通过分析表明这些算法能够较为有效地提高大噪声条件下单调边缘单角点识别的正确率,降低了时间复杂度.     

SAR图像目标识别特征提取与选择方法研究进展

SAR图像自动目标识别在图像情报获取、目标跟踪、战场监视和打击效能评估等方面有着广泛的应用。简要介绍了合成孔径雷达图像解译特点和SAR图像目标自动识别流程,论述了SAR图像目标识别特征提取与选择方法的研究进展,并对目前目标识别特征提取存在的问题进行了分析。     

基于峰谷点特征的红外目标自动识别方法

研究了红外目标图像峰谷点特征提取的方法,提出了一种目标识别相似性度量准则,证明了这种相似性度量在尺度和小角度旋转等变化情况下的不变性,并在此基础上提出了一种基于目标峰谷点特征的自动目标识别算法．真实场景下长波红外目标图像实验证明了该算法的正确性和有效性．     

基于多分辨率光流和多尺度角点的运动车辆跟踪

针对稀疏光流LK(Lucas-Kanade)算法不能稳定跟踪快速移动目标的局限性,提出了基于小波金字塔的多分辨率光流跟踪算法.算法基于多分辨率思想对原始稀疏光流进行了改进,从而实现了准确跟踪快速移动目标.在特征提取方面,提出了多尺度Harris角点检测方法,较好地解决了传统Harris方法的漏检和角点分布不均匀的缺陷,适合复杂交通场景中运动车辆特征提取.实验表明,当运动车辆旋转、移动以及摄像机变焦时,角点始终稳定可靠,并且跟踪算法能够快速、准确地匹配特征角点,实现了复杂交通场景下对运动车辆目标的实时稳定跟踪.     

基于峰谷点特征和红外目标自动识别方法

研究了红外目标图像峰谷点特征提取的方法,提出了一种目标识别相似性度量准则,证明了这种相似性度量在尺度和小角度旋转等变化情况下的不变性,并在此基础上提出了一种基于目标峰谷点特征的自动目标识别算法,真实场景下长波红外目标图像实验证明了该算法的正确性和有效性。     

图像目标识别与跟踪方法研究

为研究目标识别与跟踪领域的新方法,提高图像检测技术的水平,对现有的图像目标识别与跟踪方法做了一个系统的总结,包括图像预处理、图像特征提取与识别、目标跟踪三大模块,分别对每一模块所采用的方法进行介绍、归纳.     

地貌测量中图像特征的匹配算法

针对地貌测量重构中的图像特征匹配问题,提出了一种新的图像特征匹配方法.通过对待匹配的资源和模板图像进行分区,并根据灰度相关值实现区域之间的匹配,在区域匹配的基础上再根据角点所属区域的对应关系进行角点特征匹配运算.在角点特征匹配过程中,利用去均值归一化相关法进行区域灰度相关运算,从而确定出初始匹配点对.为消除初始匹配角点对中的错误匹配点对,保证角点特征提取的准确性和可靠性,采用松弛迭代法、零交叉法以及最小平方中值法进行了错误匹配角点的滤除.实验结果表明,该算法可有效提高地貌图像特征匹配的精度和效率.     

基于Harris角点特征的贴片元件视觉定位算法

为了实现贴片机视觉系统对贴片元件的高精度定位,提出了一种基于Harris角点特征的贴片元件偏转角度与偏移量检测方法.首先对元件图像进行预处理,以改善引脚部分的图像质量,然后标记元件引脚的连通区域,判别元件引脚形状,再通过Harris角点特征提取、分类和直线拟合等得到元件的偏转角度,最后对元件图像进行旋转和放大处理,并进行基于Harris角点特征的图像配准,得到元件的偏移量.检测结果表明,文中算法能够检测贴片元件的偏转角度和偏移量,对偏转角度的检测误差小于0.1°,对偏移量的检测误差小于25μm,满足贴片机对视觉系统定位算法的精度要求.     

基于边缘检测的各种算子及其特点

图像最基本的特征之一就是图像的边缘,它在图像的分析、识别、重建中都具有重要的作用.文中总结了基于边缘检测的各种算子及其特点,为图像的分割、特征提取、目标识别等奠定了良好的基础.