计算机视觉技术在人体测量中的应用

论述了计算机视觉在人体测量中的应用,给出了人体测量计算机视觉系统的基本组成、重要设计因素和图像处理典型技术,并提出了一种结构光测量算法.     

视觉测量图像处理关键算法的研究

本篇文章介绍了一种测量图像处理的方法,在摄影进行图像摄影测量中,采用边缘特征、区域特征以及灰度特征等处理方式进行视觉测量图像的处理有效关键的计算方法进行研究,并且具有一定的实时性、自动性以及精准性的特点,可以较好的满足高精准度的视觉测量图像的关键算法。     

基于压缩感知和分形图的视觉有意义的图像加密算法

基于压缩感知和分形图，提出一种视觉有意义的图像加密算法，从视觉安全和数据安全两方面为图像提供保护.明文图像哈希值与外部密钥共同生成混沌系统初始值，能有效提高算法抵御已知明文和选择明文攻击的能力.使用分数阶混沌系统与克罗内克积生成压缩感知所需的测量矩阵，增强安全性的同时能大幅缩短所需混沌序列的长度、提高算法的加解密效率.使用离散忆阻混沌系统控制分形图的生成、图像的置乱及按位异或操作，对压缩感知测量结果进行二次加密，在解决测量结果像素值分布不均问题的同时提高算法的安全性.实验结果表明：该文算法具有良好的视觉安全性，能有效抵抗穷举攻击、差分攻击、统计攻击等常见攻击；相对于其他文献算法，该文算法的保真度更高.     

视觉显著性导向的图像压缩感知测量与重建

提出利用视觉显著性指导图像压缩感知的自适应测量与重建的算法.考虑到感知端不可负载过多的计算量,采用亮度对比度计算输入全采样图像的显著度,并根据块显著度实现自适应测量;重建端利用动态变化的块测量率重新估算块显著度,并以此加权重建模型的目标函数,集中优化高显著块.实验结果表明:与传统算法相比,所提算法重建图像的整体客观质量更优,且可更好地保护边缘与纹理等重要细节,主观视觉质量良好,同时保证了较低的测量与重建计算复杂度.     

基于图像分析的目标位置和方向测量

对相位敏感的视觉测量技术是一种基于图像相位分析的新方法,可用于目标的精确对准,是精密加工的关键技术之一.在相位敏感的视觉测量技术基础上,提出了基于傅里叶变换的相位梯度算法,分析了空间相位梯度与目标角度和位置关系,通过计算机模拟实验,验证了该方法在有噪声干扰的情况下,可以有效的降低噪声对测量的影响,该方法在高精度测量和校准中有着实际应用价值.     

用于位姿测量的LED标识点坐标优选方法

单目视觉位姿测量过程中,被测物体与摄像机光轴之间的夹角随着姿态的变化而变化,并受到环境噪声、提取算法和摄像机等因素的影响,像平面的像点坐标存在不可忽略的误差,单目多角度标识点三维坐标测量方法实现了位姿测量过程和坐标测量过程的统一,能够减小图像中心提取误差的影响.本文研究了单目视觉位姿测量的误差传播模型,从摄像机图像误差出发,预测和估计输出姿态误差,选取最适合的单目多角度定位标识点坐标,实验结果证明本文提出的基于误差传播的定位标识点坐标优选方法能够有效地提高单目视觉位姿测量的精度.     

一种JPEG图像可逆视觉变换算法

可逆视觉变换是一种新兴的图像处理技术,能够在改变图像视觉内容后无失真地恢复原始图像,用于秘密图像加密传输等场景.文中首次提出了一种基于JPEG压缩的图像可逆视觉变换算法,具有适用性强、计算复杂度低等特点.由于JPEG格式是当前应用较多的图像类型之一,研究JPEG图像中的数据隐藏和可逆视觉变换技术具有重要实用价值.算法通过改变DCT系数矩阵中最后4位系数以嵌入图像子块位置索引信息,能够根据提取的数据无失真地还原出原始图像.实验结果表明,文中算法能改变秘密图像的视觉内容,并实现可逆的图像视觉变换,无需额外信息即可完全恢复原始的JPEG图像.     

不完全量测下基于机器视觉的被动跟踪算法

针对不完全量测下利用电视摄像机的单站水面目标被动跟踪问题,提出了一种基于机器视觉被动测距的联邦目标跟踪算法.首先,利用机器视觉技术设计了目标距离的被动测量方法;其次,依据测量机理将测量通道分解为机器视觉被动测距通道和传统测角通道,基于验后置信度残差检测的平方根容积卡尔曼滤波(SRCKF)设计了双通道子滤波器,并对子滤波器估计结果进行联邦结构融合得到最终估计结果.通过OpenGL仿真目标图像和真实水面目标视频的测量结果证明了机器视觉测距的有效性,且在不完全量测下,该跟踪算法比传统基于质点的被动跟踪算法具有更高的跟踪精度.     

DWT域的图像哈希算法

图像哈希是根据人类视觉系统的特点,以图像内容为基础,从数字图像数据中提炼出剪短的二进制代码,映射成固定的数字串,可用于反映图像的重要视觉特征.通过对现有图像哈希算法的调查研究,提出一种新颖的哈希提取算法.该算法了结合图像离散小波变换(DWT,Discrete Wavelet Transform)系数和环形分割算法计算出图像特征向量,最后量化压缩编码成图像哈希序列.实验结果表明该算法具有良好的鲁棒性,且优于对比算法.     

基于视觉注意机制的图像质量评价

提出了一种基于人眼视觉注意机制的图像质量评价算法(VAIQM).首先,对输入图像进行预处理,以便分别在细节和轮廓2个层次上测量局部视觉畸变.然后,在视觉显著、中等显著和不显著区域分别计算区域相似度,并将其合并为图像整体的细节和轮廓相似度.最后,将细节和轮廓相似度合并为图像整体质量指标.实验结果表明,在A57,IVC,TID2008,Tomaya-MICT,LIVE,CSIQ和WIQ七种数据库上,VAIQM算法的整体性能均优于结构相似性(SSIM)算法及其扩展版本MS-SSIM算法,能更好地体现主客观评价的一致性.MS-SSIM算法需要利用多分辨率分析工具将待测图像分解为若干子带,其计算复杂度远高于VAIQM算法.此外,VAIQM算法在这7种数据库上的性能波动均较小,显示出较高的鲁棒性.     

一种新的计算机视觉算法

受蚂蚁金服计算机视觉项目组委托,为了提高计算机视觉的识别效率和准确率,利用机器学习的思想开发自动进化图像学习机,将MATHEMATICA Cloud作为改学习机的计算云、搜索云,将学习函数和决策函数嵌入到学习机中,从而实现由学习机录入图像并导入MATHEMATICA Cloud进行计算和搜索的功能,利用搜索结果来锻炼学习机的学习函数,利用计算结果来锻炼学习机的决策函数,从而实现高效率的识别速度与高准确率的识别效果.基于蚂蚁金服提供的验算实例进行仿真实验,并从计算速度、收敛情况、识别精度等方面同现在常用的识别算法进行对比,结果显示:新算法的图像识别能力颇佳,与传统算法相比,新算法具有更快的计算速度、绝对收敛性和远高于传统算法的识别精度.     

基于机器视觉的风力机叶片损伤检测系统

针对风力机叶片表面出现的磨损等早期损伤特征现象,传统损伤检测方法存在高成本低效率等问题,设计了一种基于机器视觉和图像处理相结合的风力机叶片损伤检测系统。通过搭建机器视觉实验平台完成风力机损伤叶片图像采集和处理,通过使用HSV进行颜色平面提取,卷积运算、高亮显示操作滤波,选用自动阈值分割方法中最小均匀性度量法进行阈值分割处理,最后通过数学形态学去噪处理,腐蚀、膨胀、开运算等操作完成特征提取,设计了基于LabVIEW的风力机叶片智能图像识别系统,通过对图像处理后的损伤特征识别效果调试,完成性能测试。实验结果表明：基于该算法处理后的图像在设计的识别系统内准确识别率达到92.3%,并对裂纹损伤进行目标测量得到实际长度且绝对误差最大为3 mm。该系统满足叶片检损的要求,实现对风力机叶片表面裂纹、轮廓磨损等损伤的图像处理和识别,并对损伤处进行标记、计数和测量,实现无损探伤,为兆瓦级风力机叶片损伤检测提供方法借鉴和图像处理、系统设计的技术支持。     

工件视觉测量中的图像配准

设计和实现了一种基于尺度不变特性和Sobel边缘检测算子的工件图像快速配准方法。针对工件视觉测量中重在边缘特征的实际需要,将Sobel边缘检测算子和工件图像的尺度不变特性相结合,突出工件的边缘特征,实现工件图像快速有效的配准。在此基础上,详细讨论了工件图像配准的具体实现。实验证明,文中方法可以有效解决视觉测量中工件图像配准的问题。     

一种基于服务机器人的视觉系统设计

通过采用图像传感器0V7635采集图像,帧存储器AL422B进行数据缓存,CPLD控制时序,DSP进行图像处理,构建了一个图像采集的硬件系统．在图像软件处理中,采用闽值向量判断法和改进的种子填充法来完成彩色图像的识别和分剖,在分割中计算图像的几何矩,利用全局图像的几何矩特征量构建图像雅可比矩阵,并用推导的图像雅可比矩阵完成一个图像反馈与目标运动自适应补偿的视觉跟踪系统．系统采用了TFT液晶来直观显示视觉识别和跟踪的效果．     

An Algorithm to Recognize the Target Object Contour Based on 2D Point Clouds by Laser-CCD-Scanning

For a vision measurement system consisted of laser-CCD scanning sensors, an algorithm is proposed to extract and recognize the target object contour. Firstly, the two-dimensional(2D) point cloud that is output by the integrated laser sensor is transformed into a binary image. Secondly, the potential target object contours are segmented and extracted based on the connected domain labeling and adaptive corner detection. Then, the target object contour is recognized by improved Hu invariant moments and BP neural network classifier. Finally, we extract the point data of the target object contour through the reverse transformation from a binary image to a 2D point cloud. The experimental results show that the average recognition rate is 98.5% and the average recognition time is 0.18 s per frame. This algorithm realizes the real-time tracking of the target object in the complex background and the condition of multi-moving objects.     

基于机器视觉的薄带铸轧熔池液位识别方法

为解决薄带铸轧熔池液位难检测的问题,研发机器视觉识别熔池钢水液位的方法.利用线阵CCD下熔池钢水与铸轧辊灰度值有明显差别的图像特征,建立熔池液位的机器视觉检测系统.利用所选线阵相机采集图像速度快的特性,提出基于时间建立熔池液位图像原型的方法,建立了以滤波处理、二值化处理和边界识别为核心的熔池液位视觉识别模型.使用建立的系统和模型在实验室铸轧机和感应加热炉上进行了测试实验,结果表明:所建的熔池液位视觉检测系统和识别方法具备可行性,具有较高的检测精度和较快的检测速度,能够满足工业生产需要.     

前方车辆图像识别与纵向安全域控制方法研究

提出一种基于单目视觉的前方目标车辆图像识别与纵向安全域控制方法。利用目标车辆视频图像的小波分形特征进行图像识别,并采用粒子滤波对检测结果进行实时动态跟踪,在此基础上,结合单目机器视觉感知技术测量纵向车间距,并建立纵向安全域控制模型,最后进行了仿真分析。实验结果表明,该方法有效缓和了目标车辆图像检测准确性与实时性之间的矛盾,在保证行车安全的同时,兼顾了道路通行能力。     

机器视觉在油气勘探开发中的应用现状

作为人工智能正在快速发展的技术分支,机器视觉在油气勘探开发中的作用越发显著,已成为"智慧油田"建设不可或缺的组成部分。首先简述了机器视觉技术,然后分析了机器视觉在油气勘探开发领域的应用现状,并重点介绍了基于深度学习的机器视觉技术的应用;最后对机器视觉在油气勘探开发中的应用前景进行了分析。研究表明:相对于人工图像识别,机器识别要更准确、高效;一般原始图像越复杂、解释要求越高,对图像预处理技术、特征提取算法要求越高;仅以形态形式表示信息的图像识别相对简单,原始图像的二值化处理是关键;当大量信息蕴含在图像纹理、色彩中时,智能解释的难度要大得多;基于深度学习的机器视觉技术实现了自动特征识别,未来将在油气勘探开发领域发挥重要作用。     

一种机器人导航中数字路标的分割和识别方法

基于路标的移动机器人视觉导航的基础上,提出了一种基于边缘点数量统计和FCM(Fuzzy C-means)聚类的路标图像分割方法。在对分割后图像进行维纳滤波,二值化等预处理的基础上,完成了数字路标的识别。通过实验证明,该算法能实时地完成数字路标的分割和识别,有效地应用于移动机器人的视觉导航。     

视觉测量中的一种线性摄像机标定方法

视觉测量中成像模型的求解速度和效率是下,利用预先标定好的图像尺度因子,采用一幅图像对摄像机的外部参数、有效焦距、径向畸变进行标定,标定过程中,每一步均用线性方程组求解.该方法求解过程快速,结果准确,适合视觉测量中对摄像机的不定期标定.