一种自主空中加油视觉导航图像处理方法

针对自主空中加油近距导航问题,提出了一种锥套检测和跟踪的视觉导航图像处理方法.对于锥套检测,首先利用阈值法和数学形态学方法消除图像干扰,然后提取所有的轮廓并对轮廓进行检查,最后匹配得到目标锥套轮廓.对于锥套跟踪,以上一帧图像的定位结果作为先验信息来确定当前帧图像的可能范围,然后采用上述锥套检测方法进行处理.最后,以一架微型六旋翼飞行器作为受油机,利用自主空中加油试验台获取的真实飞行图像,对所提出的视觉导航图像处理方法进行了验证.试验结果表明:所提出的视觉导航图像处理方法具有较高的实时性及可靠性,能够满足自主空中加油的要求.     

改进Camshift算法的DSP硬件实现目标跟踪方法

针对Camshift算法只对前一帧预测而导致的目标像素脱靶现象,以及目标像素在帧间位移较大的问题,本文提出一种改进Camshift算法的目标跟踪方法.该算法将加权背景直方图和贪心算法融入Camshift算法,利用贪心算法对前两帧图像信息进行处理,预测出目标在当前帧图像中的位置,再根据目标颜色概率,用Camshift算法找到目标的真实位置,最后在TMS320DM642(数字媒体应用的定点DSP)上对该文算法进行硬件系统的实现,并使用EDMA(增强型直接内存访问)方式和Cache技术对系统进行优化.实验结果表明,与传统Camshift算法相比,该文方法在背景与目标相近的情况下跟踪效果更佳,具有很好的鲁棒性和稳定性,适用于复杂环境下的目标跟踪.在系统实现上,优化后的系统平均帧率提升在3帧/s以上,增强了算法的速度.     

基于时空域能量可疑度的视频篡改检测与篡改区域定位

针对视频中运动目标从固定背景中移除的情况,提出一种基于能量可疑度计算的视频篡改检测方法,能定位时域和空域上的篡改位置.首先,计算视频各帧能量可疑度,提取时域上的篡改帧序列,再通过帧差法计算可疑运动点图像,提取空域上的可疑运动图像块,根据能量可疑度排除干扰图像块,确定目标移除块,从而实现空域上的篡改定位.实验结果表明,该方法能有效地检测出在固定背景下运动目标是否被移除.     

基于机器视觉的玉米行导航线提取方法

提出一种利用玉米行快速、准确地提取农业机械导航线的方法.提取Cg灰度图像,利用最大类间方差法自动分割后,得到二值化图像,结合形态学和八邻域算子去除二值化图像的噪声.针对传统方法提取和分类特征点需要设置距离阈值的不足,利用高斯滤波算子对垂直投影曲线进行平滑处理,利用特征点的位置特征自动提取得到特征点,然后自动归类特征点,...     

基于特征点轨迹的多目标跟踪算法

在连续的视频流中,多目标跟踪的任务就是在每一帧中确定目标物体的位置,但是跟踪算法会受到很多外界因素干扰,其中遮挡对跟踪效果的干扰最为严重,为此提出基于特征点轨迹的跟踪算法,用于解决多目标相互遮挡时的跟踪难题.首先跟踪时引入延迟,在处理当前帧时提前获取未来的N帧图像;再提取图像上的特征点并串联成轨迹,根据轨迹来估计目标在N帧之后的位置.根据目标的位置分析目标的运动,从而定位当前帧目标的位置.实验数据表明,这种方法能够有效处理目标遮挡,并且该算法的复杂度比很多传统算法都低,能够在低端处理器上实时运行,满足实际需求.     

基于超像素显著性的无人机引导区域提取

为解决无人机视觉定位与导航中引导区域的提取问题, 提出了一种基于超像素显著性的引导区域提取方 法。 该方法首先利用 SLIC(Simple Linear Iterative Clustering)算法将地面图像划分为内部相似度较高的超像素区 域, 通过计算超像素的显著性值得到超像素显著性图, 再基于先验规则从超像素显著性图中提取合适的准引导 区域, 最后计算各区域的匹配概率, 从而得到高显著性和高匹配率的引导区域。 实验结果表明, 该引导区域提 取方法在测试集上的准确率和召回率分别为 89%与 87%, 基本满足无人机视觉定位与导航的要求。     

基于肤色的驾驶员面部定位与跟踪算法

采用CCD摄像机获得驾驶员脸部图像,利用肤色在颜色空间的聚类性,建立基于肤色的人脸二维高斯分布数学模型.选用YCbCr颜色空间作为肤色分布统计的映射空间,用最大类间方差阈值对人脸图像分割,获得人脸图像灰度直方图水平投影和垂直投影,实现对面部定位.采用卡尔曼滤波算法,根据驾驶员面部当前帧图像预测下一帧图像的位置,并通过局部搜索精确定位,实现对驾驶员面部的跟踪.实验结果表明,基于肤色的驾驶员面部定位与跟踪算法可靠性高,具有良好的动态定位能力,而且对驾驶员坐姿的变化有较好的适应能力.     

棉花异性纤维定位新方法

以在生产线上采集的棉花异性纤维图像为研究对象,针对目前异性纤维识别算法编程复杂、运算速度低、无法满足在线剔除异性纤维等技术问题,提出运用标准差分割图像和定位异性纤维的新方法.该方法首先提取RGB图像的G分量并进行灰度值变换,接着运用列像素灰度值的标准差在宽度方向定位异性纤维,然后运用行像素灰度值的标准差在高度方向定位异性纤维,最后根据在图像宽度和高度2个方向异性纤维的位置信息进一步确定在输棉管道内异性纤维的精确位置.由测试含有塑料绳、地膜、麻绳、有色线和羽毛5类异性纤维的图像表明:该算法能快速准确地分割和识别异性纤维,在PC机上运用Matlab软件处理一幅3 096像素×60像素的图像,从读取图像到得到异性纤维精确的像素位置,算法运行约0.04 s;若直接采用FPGA硬件系统运行该算法速度会更快,有望实现在线剔除异性纤维.     

基于视频的结构光光条中心提取方法

针对结构光测量系统,提出基于视频的结构光光条中心提取方法.首先,为了分析图像随时间变化的关系,将视频图像的每一帧的同一列像素提取出来,按照时间顺序排列成一幅图像.然后,把图像逆时针旋转θ角度(θ角是激光平面和CCD传感器平面法线的夹角),提取光条中心图像坐标.最后,把求得的光条中心图像坐标顺时针旋转θ角,根据这个光条中心坐标反求物体的三维轮廓.该方法利用视频图像各帧之间的相关性,有效地克服了颜色突变对光条提取的影响.实验表明,该方法能够有效降低光条中心提取的误差.     

基于序列图像的深空小天体探测自主相对导航误差补偿方法研究

深空小天体是典型的空间非合作目标.基于序列图像的空间非合作目标自主相对导航是实现小天体探测的重要技术手段.由于在轨环境复杂,相机不可避免地会出现测量偏差,进而影响相对导航状态估计精度.本文在充分利用相机视场内恒星序列图像的基础上,通过最小二乘法计算相机在轨标定初值,结合测量偏差状态转移模型和"恒星对"之间的星光角距测量方程,将测量偏差扩维成状态估计参数,构建了基于相机在轨误差补偿的相对导航状态估计模型.结合无迹卡尔曼滤波算法,通过序列图像的帧间信息对比进行迭代估计,获得相机测量偏差和相对导航系统状态,提高状态估计精度.仿真分析中采用2016HO3小天体作为相对导航目标,仿真结果说明了该方法的有效性,能够有效地补偿相机测量偏差,实现相对导航系统状态高精度估计,为后续开展相关任务提供了一定的技术支撑.