广义Hough变换算法的分析改进

为了改进广义Hough(generalized Hough transform,GHT)变换的虚假投票问题,先分析广义Hough变换的投票机制,给出理想的投票机制模型,用该模型对现有的传统GHT的投票机制进行了评价,指出在检测不规则多边形图形时产生虚假投票的原因,即由于建立参考表R是以梯度为索引项,使得在不同梯度值间的条目数分布不均,在向参数空间映射时会造成大量的投票冗余.针对此分析结果提出一个改进的GHT算法.改进的GHT算法在建立参考表时采用了几何特征角来代替梯度,使得建立的R表中各梯度索引项的条目数分布更均匀,减少了参数空间的投票冗余,提高了算法的效率.实验证明该改进方法是有效的.     

基于Hough变换的虹膜定位算法

针对利用Hough变换实现虹膜定位时遇到的一些问题提出了相应的解决方案。为减少Hough变换的计算量,本算法采用了“先采样后变换”、“由粗到精”的方法;为提高可靠性、减小噪声影响,算法利用了虹膜内外边界之间的耦合关系以缩小在边界参数空间内的搜索范围。在MAT—LAB软件环境下的试验表明,算法取得了良好的效果。     

基于广义Hough变换的部分遮挡物体识别

描述了一种基于广义Ｈｏｕｇｈ变换的部分遮挡物体识别方法．该方法分建模及识别两个过程，在识别过程中，景物图象经特征抽取、组合特征匹配、变换矩阵计算，进而根据广义Ｈｏｕｇｈ变换在参数空间求出与景物对应的模型类及相应的变换矩阵．由于用了广义Ｈｏｕｇｈ变换，物体识别过程中不必求出物体的全部特征，因而能较好地识别部分遮挡的物体，且该方法对噪声不敏感．为了说明该方法，还给出了一个２Ｄ识别简例及在一微机系统对工作台上堆集的工具的识别结果     

基于速度估计的双Hough变换运动轨迹检测算法

提出一种速度估计约束下的双Hough变换算法,并用于序列图像运动点轨迹检测.对于像面投影近似直线的匀速运动点轨迹,首先进行速度预估计,然后在此基础上进行连续2次不同空间的Hough变换.第1次Hough变换将疑似目标点由图像空间X-Y根据极坐标方程转换到ρ-θ空间,在初步筛选疑似二维轨迹后,引入时间维信息,将疑似目标点投影到T-L空间.第2次Hough变换由T-L空间根据斜截式方程转换到V-S空间,再利用最初的速度预估计值限制投影范围,进一步剔除虚警.仿真结果表明:所提算法对目标运动速度的相关先验知识要求较少,在噪声较强的条件下,依然能取得较好的检测结果,且算法开销更少.     

基于多层定位的多目标跟踪算法

在遮挡频繁发生的环境中,多目标跟踪是一个难题.为解决此难题,提出了一种基于多层定位的多目标跟踪算法.该算法利用码本模型检测前景.首先计算垂直方向上的灭点,进而获得基于多层的单应性矩阵,完成多目标在多层上的定位.然后利用图割算法进行跟踪.该算法不需要相机的完全标定,提高了计算效率.实验结果表明,本算法实时性好,对多目标之间的遮挡具有很强的鲁棒性.     

基于幂次变换和区域收缩算法的运动目标检测与定位

运动目标分割与跟踪是计算机视觉中的重要研究课题,而目标检测与定位是其中的必要步骤,对分割与跟踪效果影响很大.在此提出一种新的运动目标检测与定位方法,该方法在差分二值图像上,通过区域收缩定位到运动像素密度较大的区域,从而实现运动目标定位.在多目标情况下,先通过幂次变换突出不同位置的目标,然后再通过区域收缩实现目标定位,给出目标的特征矩形,便于进一步的跟踪与识别.该方法不需要任何关于目标数的先验知识,对噪声鲁棒性较强.文中给出的实验结果证明该算法的有效性.     

基于深度学习的贝类目标定位与统计测量方法

提出了一种基于机器视觉和深度学习的贝类目标检测和统计测量方法。首先,设计了一种带有4个角点的平面容器,在检测到图像像素角点后,根据平面投影的单应性,建立其和实际物理角点的映射关系,可得到像素坐标转换为实际物理坐标的单应矩阵。其次,采用目标检测的方法得到目标的定位框,并根据得到的单应矩阵,可将定位框的像素坐标转换为实际测量坐标,从而得到目标的实际尺寸。实现的算法可以移植到手机等便携式设备上,根据随意拍摄的图像便可直接输出目标的平均直径,具有很好的便利性。实验结果表明,本方法能够客观地对目标尺寸进行测量和统计,有效地克服了人工测量统计速度慢效率低的不足。     

采用Hough变换和灰度变化的图像角点检测法

根据棋盘格图像的特点,提出了一种新的棋盘格角点检测方法.对图像进行边缘提取后,得到两组相互垂直的直线组,通过Hough变换求出直线组的代数方程,采用代数方法求两组直线之间的交点,确定角点的初始位置.对每一初始角点邻域采用灰度变化检测方法进行精确的角点定位.该方法既保证了角点检出的正确性,又提高了角点坐标的检出精度.试验结果表明,该方法具有较好的效果和较强的鲁棒性.     

基于相对测距的水下目标定位算法

在没有星基、地基及水下时空基准信息的辅助下,为解决对水下目标精密定位问题,提出了一种基于水面舰船间相对测距和目标到达角的水下机动目标定位算法(UTPA)。通过联合水面舰船间电磁波相对距离观测和水下声学测角信息建立定位方程,考虑到目标定位方程求解中的异类信息融合权比失配问题,利用Helmert方差分量估计完成目标相对位置的迭代求解。Monte Carlo仿真表明:基于Helmert权比自适应调整的UTPA的定位偏差仅为典型的单平台声学定位技术的10%。     

基于Hough变换和Radon变换对SAR图像目标姿态角识别的综合方法

提出了一种对SAR图像姿态角识别算法进行改进的技术.通过分析Hough变换和Radon变换在实际应用中的局限性,提出了一种综合上述2种方法的姿态角识别算法.利用MSTAR公共目标数据库中的目标样本,通过实验验证,该种方法能够更准确地估计目标的姿态角.     

约束平面选址问题的蚂蚁算法

对带有区域限制的平面选址问题,给出一种基于人工蚂蚁优化思想的新的求解方法。经数值计算、验证和比较,得到了满意的效果。     

约束平面选址问题的蜂群优化算法

蜂群算法具有邻域搜索和随机搜索的性质,鲁棒性强,收敛速度快,在求解函数优化和组合优化问题上,获得了较好结果.对带有区域限制的平面选址问题,该算法运用人工蜂群优化思想,给出了一种新的求解方法.实验结果表明,通过调整算法参数,得到了较好结果,验证了算法的可行性和有效性.     

基于时间轴小波变换的运动对象分割算法研究

对时间轴一维小波变换的视频运动对象分割算法进行了研究。将视频序列进行时间轴一维小波变换，利用变换后的高频帧信息提取出初步的运动掩模图像；进行数学形态学后处理，以消除各种噪声的影响和对象的不连通性，得到理想的运动掩模图像。实验结果表明该方法分割效果较好，分割出的运动对象可直接应用于基于对象的视频编码，且算法耗时较少。     

基于时间轴小波变换的运动对象分割算法研究

对时间轴一维小波变换的视频运动对象分割算法进行了研究。将视频序列进行时间轴一维小波变换,利用变换后的高频帧信息提取出初步的运动掩模图像;进行数学形态学后处理,以消除各种噪声的影响和对象的不连通性,得到理想的运动掩模图像。实验结果表明该方法分割效果较好,分割出的运动对象可直接应用于基于对象的视频编码,且算法耗时较少。     

超复数变换域的视感知内容数字水印算法

针对彩色图像内容保护问题,提出一种具有视觉感知属性的超复数频域图像水印嵌入算法.该算法首先用傅氏谱残差方法,在HSI颜色空间提取多分辨率彩色载体图像的归一化显著性区域,再对版权水印混沌置乱加密后,将其嵌入至显著性区域所在的超复数颜色矢量中频段系数中,最终实现对彩色图像显著性内容的盲水印保护.实验表明,该方法能够有效抵抗...     

一类带时间和容量约束的截流选址问题

讨论一类在交通网络中设立服务站的最优选址问题。在给定的网络G（V，A）中有r对O-D用户流。在总建站费用最小的目标下考虑3个因素：每对用户流都能得到服务；每对用户流的时间满意度不低于某一给定值；每个服务站的服务能力是有限制的。通过分析这类问题的特征后，形成一个线性混合整数规划模型，并给出了求解实例。     

多尺度积角点检测和视觉颜色特征的鲁棒车牌定位算法

车牌图像包含的尺度、仿射变化及其复杂的背景是影响车牌定位准确度的重要因素。在高斯差（DOG）尺度空间框架下,笔者提出了一种基于多尺度乘积的角点特征和视觉颜色特征提取及其相融合的车牌定位算法。基于高斯差尺度空间的图像边缘信息,应用多尺度乘积分别提取具有尺度和仿射不变特性的角点和颜色特征,并在两特征融合结果基础上确定车牌位置候选区域;最后通过车牌区域特征点之间的距离及密集关系实现车牌的准确定位。对大量实拍的复杂环境下的车辆图像进行测试表明,该算法对车牌定位具有快速、高效的定位效果,且在噪声、仿射变换等方面的鲁棒性表现较好。