一种基于WMF-ACA的深度图像修复算法

针对RGBD相机由于硬件条件的限制,所获取的深度图像往往存在空洞与噪声的问题,提出一种彩色图像引导的深度图像空洞填补方法.对深度图像边缘区域采用基于局部直方图的加权模式滤波器(WMF)进行处理,在有效保留深度图边缘与细节的前提下,消除图像噪声.对深度图像非边缘区域采用一种异步元胞自动机(ACA)模型算法,根据邻域和迭代规则对深度图空洞进行填补,快速、准确地完成任务.在立体匹配数据集Middlebury上测试所提算法实现性能,实验结果表明:该算法的结构相似性(SSIM)与峰值信噪比(PSNR)更高,能够准确地填补深度图空洞,同时保持深度图边缘清晰.     

一种预处理后分类填补空洞的方法

深度图像绘制(depth-image-based rendering,DIBR)技术是目前解决3D显示中片源短缺问题普遍采用的方法,但采用DIBR技术绘制的目标图像上不可避免地会产生空洞点。为了获取更高质量的目标图像,文章提出一种预处理后分类填补的空洞点解决方案。该方案在预处理阶段,先对滤波后的深度图进行前景向后景的梯度过渡,经过DIBR变换之后得到的目标图像上空洞点会减少且更为分散;在空洞填补阶段,先对目标图像上的空洞点进行标记,对非边界的大小空洞点自动匹配不同的插值模板进行插值填补,对边界位置的大空洞点则用参考图像上相应位置像素点进行填补。实验结果表明,该方案能够较好地填补梯度过渡后目标图像上的空洞点,填补结果准确且算法简单,填补耗时短。     

一种改进的深度图像修复算法研究 

深度图像在采集过程中由于受到设备本身和采集环境的影响,使采集得到的图像中存在大量的空洞,以致很难提取到准确的深度信息;提出了一种形态学滤波与双边滤波相结合的方法来解决深度图像中的空洞现象,算法根据形态学算法简单、易于分析的特点,首先利用膨胀、腐蚀、开运算、闭运算等基本算法对空洞部分进行填充,然后通过双边滤波使图像平滑;实验结果表明方法对深度图像中所存在的空洞问题能够起到有效的填补,修复后的图像相比于原始深度图像,更加清晰,易于提取出可靠的信息。     

面向图像的有效目标区域提取方法

针对图像标注、目标识别等实际应用中图像的前景目标定位不够准确的问题,提出了一种图像中的有效目标区域提取方法。该方法以提取图像的前景目标为目的,将目标区域提取问题转化为二分类问题,实现了对图像中有效目标区域的提取,主要包括4个步骤:利用选择性搜索算法生成图像中的候选目标区域;通过对像素值的差值化处理来进行图像区域的特征增强;基于深度学习实现对候选目标区域进行分类;区域选择与融合。在MSCOCO数据集上进行实验,结果表明,该方法在保证较高召回率的基础上,达到了比现有多种算法更加准确的目标区域定位结果。     

一种适合硬件实现的多值图像连通域标记算法

提出了一种合适硬件实现的多值图像连通域标记算法.算法以有效的方式识别、保存并整理区域之间复杂的连通关系.首先,通过对图像执行一遍逐像素扫描,得到图像的初步标记结果以及初步标记之间的连通关系;然后,通过等价表整理以及图像代换,输出图像标记的最终结果,并且连通域按照扫描顺序被赋予唯一的连续自然数.仿真结果表明,该算法能够识别图像中复杂的连通关系,产生正确的标记结果,在用于大幅图像的分块标记时,能够实现全局标记一致.在以硬件方式实现该算法时,在50 MHz工作时钟下,处理320×256像素图像能够达到100帧/s的标记速度,满足大部分实时目标识别系统的要求.     

基于超像素空间关系特征的无人机影像拦河坝提取

针对目前无人机影像提取内河目标存在的人工解译依赖高等问题,提出一种基于超像素空间关系特征的内河设施提取算法.首先,采用简单线性迭代聚类(SLIC)算法分割无人机影像生成超像素;其次,对分割得到的超像素区域进行颜色及纹理特征计算,基于支持向量机(SVM)实现水陆分割;最后,基于空间关系特征实现拦河坝的自动提取.实验结果表明,该方法能够有效提取无人机影像中的拦河坝区域,对内河航运发展和航道设施监测具有一定的应用价值.     

基于深度学习的多模态气管插管智能目标检测

针对困难气道气管插管过程中内窥镜图像视角较小、目标尺度变化大、相互遮挡等问题,融合内窥镜图像和CO₂浓度信息,提出基于深度学习的多模态气管插管智能目标检测算法。首先,对传统的YOLOv3网络进行改进,利用不同扩张率的空洞卷积构建并行多分支空洞卷积模块,并对输出特征进行上采样和张量拼接;其次,根据多路CO₂浓度差异,利用矢量化定位算法定位目标中心位置,校正YOLOv3得到的边界框的中心坐标,提升小目标检测的精度,辅助气道位置的定位;最后,基于该算法,研发了新型多模态气管插管辅助装置初代样机,并在模拟气道中进行实验,验证其可行性。在模拟气道中,该新型辅助装置的操作时间中位数为15.5 s,操作成功率可达97.3%。研究结果表明,基于深度学习的多模态气管插管智能目标检测算法能够有效地辅助气管插管操作。     

结合目标检测与特征匹配的多目标跟踪算法

针对多目标跟踪算法在遮挡频繁的场景下存在目标关联准确性低的问题,提出一种结合检测与特征匹配的多目标跟踪算法. 该算法引入检测精度较高的YOLOv5作为多目标跟踪的检测器,能够精准定位目标,有效提高跟踪精度;在面对目标间遮挡时,通过专门设计特征匹配模型提取更为细致的特征,能够有效降低跟踪时目标ID的切换次数.在MOT16数据集上对跟踪性能进行评估,结果表明:所提方法可以有效缓解目标遮挡,实现稳定跟踪.     

基于虚拟显存的雷达显控系统设计

针对普通X86平台下硬件图形处理器不支持多层图像显示功能的情况,考虑现有雷达图像显示方法不适合实现雷达多种信息分层显示的问题,提出在Linux系统下使用内存模拟显存并结合Qt图形视图框架和OpenGL像素操作接口的方法,实现雷达信息分层与高效图像显示.该方法能有效实现雷达显控的主要功能:雷达平面位置显示(plan position indicator,PPI)、警戒区域目标闪烁及船舶自动识别系统(automatic identification system,AIS)目标管理与显示.测试结果表明,该方法具有显示效率高、图像刷新流畅及硬件要求低等优点,该系统已成功应用于某型号船载雷达系统.     

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.     

基于超像素分割的视频目标检索

针对视频监控中的颜色特征检索,提出一种基于超像素分割的视频目标检索算法:该算法首先对视频帧序列按颜色及空间位置进行超像素分割,分割成若干个超像素区域;然后对每个超像素区域颜色值进行均值化处理;最后基于超像素区域进行颜色目标检索.为了验证算法的有效性,以监控拍摄的户外视频数据进行仿真实验,实验结果表明该算法能准确检索出所...     

面向HEVC的运动估计快速算法和硬件架构

提出确定共享搜索区域的方法,实现硬件搜索区域共享,能有效提高数据复用和减少参考像素带宽. 进而,提出改进的钻石搜索算法,该算法考虑了硬件资源消耗和预测单元大小,使预测单元自适应选择搜索模板. 最后,基于改进的钻石搜索算法提出新的硬件架构,该架构通过灵活选择不同处理单元(PE)数目,实现两种基本处理单元,使不同尺寸预测单元都有较高的处理速度和硬件资源利用率. 算法仿真结果表明,本算法与参考代码HM16.7相比较,编码性能损失可忽略不计,但更适合于硬件实现. 用Altera的 Stratix IV系列芯片在QUARTUS II中综合结果表明,周期数比现有文献更少,本架构最大工作频率可达到317.56MHz,并且实现1080px @23.7帧·s^-1的吞吐率.     

基于机器视觉的麻核桃分类算法设计

麻核桃的分类有助于产品销售,传统分类方式仅限于人工操作。为实现麻核桃的自动化分类,设计一种麻核桃分类算法,该算法通过构建核桃像素概率分布模型实现。根据核桃不同视图,利用同类核桃构建像素概率分布模型以及惩戒模型。利用矩阵乘积方式将待测核桃样本与两个模型分别进行对比,并将计算结果作为测试样本种类归属的判据,并以此对核桃进行分类。利用3 000个核桃样本,建立一个包含9 000张图片的数据集,对算法的性能进行评估。经过测试,在3次交叉测试实验中,该算法取得了97.36%的识别率。实验结果表明,在麻核桃分类识别中,该方法具有较好的应用前景。     

基于前景概率函数的目标跟踪

针对不规则目标跟踪中初始窗口内包含背景像素导致特征模板不准确的问题,提出前景概率函数以及基于前景概率函数的目标跟踪算法.首先根据目标所在区域与背景区域的颜色分布建立前景概率函数,并以此计算目标区域中像素的前景概率,削弱背景像素的干扰,得到更准确的目标特征模板.将目标区域像素的前景概率引入均值迁移跟踪框架中,实现目标的迭代定位;在跟踪收敛后重新计算收敛区域中的前景概率分布,根据其反向投影图的尺度变化调整跟踪窗宽;最后利用Bhattacharyya相关系数对目标特征模板进行自适应更新.实验表明,该算法能够有效抑制背景像素的干扰,在目标尺度变化时能够准确调整跟踪窗宽,减少迭代次数,满足实时跟踪的需要.在复杂背景中跟踪性能也始终优于传统的均值迁移跟踪算法.     

基于改进K均值的运动目标检测算法研究

背景建模是运动目标检测的关键环节,提出了基于改进K均值背景建模的方法,并进行前景提取．该算法在HSV颜色空间对视频流的前N帧中的每个像素样本进行K均值聚类学习,K均值聚类的结果用来表示该像素螅背景模型;接着输入的视频流像素与背景模型比较,进行背景、可能前景和阴影的分离,并提出了一种像素相关的选择性背景更新机制;然后利用TOM（Time Out Map）方法来消除鬼影现象．实验结果表明该算法能够很好地对背景进行建模,较精确地提取出运动目标信息,对光照变化具有较强的鲁棒性．     

基于邻域信息TDLMS滤波器的红外小目标检测

为了有效地抑制背景,提高目标与背景的对比度,提出了一种基于邻域信息TDLMS滤波器的红外目标检测算法.该算法对TDLMS滤波器的结构和预测方法进行了改进,充分利用被预测像素的邻域信息对背景进行预测.实验结果表明该算法对不同背景和不同大小红外目标都具有很好的检测效果,能够更大程度提高局部信杂比.     

接触网风偏检测的亮度矩寻优分割算法

介绍电气化铁道接触网风偏视觉检测原理,以视觉检测的图像处理为背景提出一种能够适应不同光照条件的彩色图像分割算法.该算法融合彩色图像的一阶亮度矩和对比度信息,通过线性亮度寻优优化图像的一阶亮度矩,并以图像的初始一阶亮度矩为基准亮度进行对比度拉伸,实现对目标区域颜色特征的放大;同时,以特征点靶面的像素面积为目标值,以不同寻优亮度下图像的合格像素点统计量为寻优变量,对两者的关系曲线和最佳目标逼近方式进行了深入研究,确定合理的初始寻优亮度及寻优方向.最后,以现场采集图像为训练样本对算法进行验证和分析.研究结果表明:该方法能够实现彩色空间下接触网风偏目标特征点的有效、准确分割,对复杂光照条件具有良好的适应性和算法鲁棒性.     

基于可变矩形框的人群密度数值估计算法研究

公共场景监控下的人群密度估计已经是公共安全管理中的一个重要环节。为了提高对视频监控中人群密度估计的实时性和准确率,提出一种改进的混合高斯背景建模进行前景提取,并用大小随目标边缘可变的矩形框对人群目标进行圈定以代替传统的边缘像素数和前景像素数;通过最小二乘法拟合估计人数和实际人数的线性关系,使用平均相对误差和平均绝对误差进行定量对比分析。实验结果表明:与基于边缘像素统计和阈值分割像素统计的算法相比,该算法能够直接统计出有效人数,较为准确的估计出视频图像中的人群数目,且误差最低。     

基于类间损失和多视图融合的深度嵌入聚类

针对深度嵌入聚类方法仅考虑类内关系及多视图聚类存在特征表示不足等问题,提出一种基于类间损失和多视图特征融合的深度嵌入聚类方法,该方法在深度嵌入聚类的损失函数中引进一个新的正则项提高类判别性.先通过自动编码器提取多视图数据的特征表示,对不同视图的特征表示进行融合得到公共表示,基于此得到数据的软分配分布和辅助目标分布;再对公共表示和聚类分配进行联合优化得到最终的聚类结果.在多视图数据集上的实验结果表明,该方法能有效提高聚类性能.     

一种融合区域生长和边缘检测的彩色图像分割方法

介绍了一种融合边缘检测和区域生长的彩色图像分割方法。算法首先对图像进行边缘检测,然后计算像素之间在HSI彩色空间的颜色相似度,利用像素间相似度并结合边缘信息确定区域生长的种子,再基于颜色和空间信息对各个种子进行区域生长,最后进行区域合并。该算法能够实现种子的自动选取,这在传统方法中是很难实现的,此外,还能有效防止过分割。实验结果表明该算法有效。