基于机器学习的裂纹识别研究现状及发展趋势

裂纹识别一直是机器视觉领域的重要研究内容,尤其是与之相关的自动检测算法在近年来备受关注.深度学习作为机器学习的一个分支,其在裂纹识别方面已显现出强大的功能和灵活性.本文对基于机器学习的裂纹识别技术的发展情况、研究现状以及典型方法进行详细介绍:首先介绍了多种机器学习方法在裂纹识别领域的应用,并从特征提取算法和应用对象等方...     

多层深度愿景型科技发展战略模型的构建

从科技发展战略的演变过程入手,分析科技发展战略的基本构成要素和维度,并通过深度神经网络模型研究未来、愿景、情景、场景、技术等多要素之间的互相作用机制,构建出一个四层基本结构和两条作用机制的双向多层神经网络模型,及其基本实施流程。     

基于计算机视觉的汽车流量检测统计

利用计算机视觉和图像处理的方法对交通路口通行车辆进行流量统计.首先,由摄像机视场的标定原理和标定公式,得到了摄像机成像平面内的像素距离与实际三维空间距离的对应关系;然后,采用基于光流场的车辆检测方法,对所有经过设置的虚拟线圈的车辆进行实时检测和信息提取;最后,对提取的车辆信息进行统计和计算,得到实时路况信息.实验结果表明,该算法具有较高的检测概率,能够满足系统的精度和实时处理要求.     

机器人足球训练中视觉感知与动作执行同步机制

主要研究RoboCup训练中球员视觉感知与动作执行同步的技术.在全面分析RoboCup现有同步方法存在问题的基础上,提出一种动态的视角调整方法,即通过对球员视角宽度的调整控制视觉信息到达的时刻,结合动作指令发送的特殊策略,实现球员向服务器发送指令时机的优化,以达到最佳同步效果.关于球员视角宽度动态切换的实现,具体包括:基于增强视觉检测的视角切换与分类视角动态切换2种方法.对比实验证实了该同步技术的优越性.     

嫁接用苗生长状态无损测量技术的研究

利用机器视觉技术对蔬菜幼苗的生长特征信息进行了无损检测,该研究技术是定量化研究植物生长规律的关键技术之一,并为蔬菜自动化生产过程中的嫁接、移栽、间苗等作业提供必要的技术理论依据.该研究通过在温室内设计了一套计算机视觉系统,对多株群体蔬菜苗的生长进行了长时间、连续、快速的无损检测,并利用VB6.0编制了图像处理软件,提取了蔬菜幼苗的外部形态特征,经过图像处理软件分析得到蔬菜幼苗的日生长变化规律,发现蔬菜苗在夜间的生长率明显高于白天.研究表明,采用机器视觉及图像处理技术可以快速、准确地监测出蔬菜幼苗的外部形态特征量,能够对蔬菜生长状态进行直观测量,实现对蔬菜幼苗生长规的定量化研究,为蔬菜生产过程中相关作业的自动化提供可靠的理论依据.     

基于OpenGL的声视觉仿真系统

基于VC 编程环境,采用OpenGL图形库标准,并结合3DS Max造型软件,对三维声呐图像进行功能性仿真,目的是为了建立一个简单实用的水下目标仿真环境.     

基于邻域熵的自适应多尺度边缘检测方法

提出了一种基于邻域熵的自适应调整滤波尺度的多尺度边缘检测方法,该方法根据当前像素点所处邻域内像素点的灰度分布的有序性,定义了邻域内灰度分布的邻域熵,以判定该邻域内是否存在边缘。同时分析了后选边缘的宽度,以定量调整边缘检测中的滤波尺度参数。实验结果和抗噪性能分析表明,这种方法可以得到令人满意的结果,特别是对图像中弱边缘的检测效果比较理想。     

立体视觉神经网络定位方法

为了解决计算机视觉中摄摄像机标定存在的若干问题,根据立体视觉原理,提出了基于神经网络的测避方法,利用神经网络建立空间点世界坐标与图像坐标非线性映射关系,使系统不经过复杂的摄摄像机内外参数标定,就能将二维像坐标（输入）与三维物坐标（输出）一一对应起来,并与传统的定位方法进行了比较．实验表明,该方法有效可行,简化了视觉系统的标定和定位计算,较之传统方法更具科学性,在定位精度上达到了良好效果。     

飞艇运动对光学成像的影响及其建模与仿真

通过搭载光学成像系统进行对地观测是飞艇的一项重要应用,研究了飞艇运动对光学系统成像过程造成的影响.首先,利用计算机视觉的方法对平移和旋转两类运动下的成像过程进行数学建模.然后,提出计算运动情况下成像效果的算法;为量化和分析运动影响,提出两个参数:"能量扩散区"和"对应点能量比".最后,在基于HLA的分布式飞艇系统仿真实验平台上构建了光学仿真分系统.通过实验,分析了飞艇平台的运动对成像造成的影响,并提出了对平台稳定性的要求.     

全向视觉中数据噪声对参数估计的影响

针对全向视觉中特有的数据特性,对图像中不同区域的数据噪声提出了不同假设,并在此假设下分析了数据噪声对线性参数估计的影响,研究表明,尽管远离图像中心区域的数据误差较大,但这些数据对参数估计的影响是非常大的.此外,还提出了一种分步选择数据点的方法,首先选择较高精度的数据得到初始参数估计值,然后逐步选择更多的数据点以保证得到尽可能多的数据点,而且所选择的数据点尽可能覆盖图像的边缘区域.实验结果表明,文章提出的方法可以得到更精确和更稳定的参数估计.