基于改进的图像局部区域相似度学习架构的图像特征匹配技术研究

该文在AdaBoost算法的基础上提出了一种图像局部区域相似度的学习架构,利用该架构训练图像局部特征来获得低维数、独特的特征描述子,以实现对图像局部区域高精度地匹配.所提学习架构通过学习图像局部区域相似性得到一组非线性弱学习器对图像局部特征进行描述;同时,在响应函数组合形式和弱学习器权重优化配置方面,针对浮点描述子和二值描述子分别提出了新的补丁相似性度量函数作为目标函数的核函数,提高了图像特征相似性匹配效果.该学习架构不会受限于任何预定义的图像特征信息采集模式,能产生基于灰度信息或方向梯度信息的特征描述子.实验结果表明采用这种学习架构获得的特征描述子,在所有对比描述子中图像局部匹配查准率是最好的.所提学习框架能有效地配置优化描述子弱学习器,能提高图像特征描述子对图像尺度和视角变化的鲁棒性.

基于优化采样模式的紧凑而快速的二进制描述子

进一步挖掘图像补丁特征信息,提出了一种鲁棒性更高的二进制描述子.针对传统的二进制描述子对旋转和视角变化鲁棒性差的问题,本文通过优化采样模式和分解图像补丁对其改进.首先,通过对最新提出的采样模式特点的分析、测试,发现采样点密度和平滑重叠度对产生的描述子独特性有重要影响;据此,调整这两个影响因子,设计出一种优化的采样模式.其次,利用像素点灰度值排序方法分解图像补丁,产生多个对应不同灰度段的亚补丁.最后,将优化的采样模式映射到亚补丁上,随机提取样本点进行灰度值比较测试.所得到的二进制描述子不仅包含了补丁像素的灰度比较信息,而且包含了灰度排序信息.通过对比实验看到本文的二进制描述子对特征识别匹配效果最好.本文的特征描述方法可应用于实时性要求高、内存紧凑的高质量目标识别.

挖掘图像补丁特征信息增强二进制描述子独特性

在分析BRISK和FREAK采样模式特点的基础上,提出一种兼具二者优点的采样模式.由于采样点距中心密集程度和采样点平滑范围重叠程度都会影响采样模式的性能,因此将采样模式建立在二者适度值上,以达到采样点对二进制位方差最高、点对之间关联度最低的目的;基于所提采样模式生成的描述子,结合SURF检测子构成了一个完整的特征检测描述方法.对比实验结果证明,文中生成的二进制描述子对特征识别匹配效果最好,提出的特征检测描述方法可应用于实时性要求高、内存紧凑的高质量目标识别.

制造中视觉反求三维重建技术研究

将视觉三维重构技术引入反求制造模型重构中,在PMVS方法基础上对特征点匹配密化改进,提出对匹配点扩展、复制以及密化得到空间点云的方法,生成纹理更明显的3D模型,证明了反求制造模型重构中采用视觉三维重构技术的可行性。

一种基于深度学习的多源异构数据融合方法

在大数据背景下,结合深度学习,讨论了多源异构影像数据融合问题,在数据融合的基本架构基础上,构思了一种泛化性强的多源异构影像数据融合的深度学习模型,将深度学习技术运用到多源异构数据信息提取与挖掘。

基于深层神经网络的军事目标图像分类技术

针对无人平台上自主发现目标功能的需求,结合深度学习方法,提出了一种军事目标图像分类技术思路,并且进行了模拟仿真。通过对六大类军事目标实验与测试,所提技术在特定训练库和特定像素图像的仿真验证中,识别精度和检测速度有所提高。

视觉数控安全监控技术研究

提出一种基于计算机视觉技术的数控机床安全监控方法,为人员操作数控机床提供了安全保障。对加工区视频图像分区后,构建每个相关区域里像素的背景模型,通过前背景变化发送控制信号,实现视觉监控功能。该方法能适应车间照明变化和机床震动的影响。

基于TAPI和PBX实现双机互连互通

讲述使用微软TAPI类库实现双机互连通信的方法。通信底层硬件Modem型号多,不同厂家对硬件又有不同定义,开发一种应用程序适用于多种厂家的硬件是一个巨大挑战。在TAPI类库的基础上,开发出了一种通过城际交换机互连通信的软件系统,该软件系统对不同厂家的硬件都具有兼容性。

随机命令下自动化立体仓库堆垛机使用率研究

通过对堆垛机的作业过程的细致分析,建立了随机命令下堆垛机使用率数学模型,从而能判断出堆垛机是否能满足自动化立体仓库的吞吐要求。

自动化立体仓库双梭堆垛机作业时间及系统吞吐性能

分析了堆垛机作业时间的影响因素及系统吞吐性能;建立了多种情况下双梭堆垛机作业时间期望和方差的数学模型以及多种情况下双梭堆垛机自动存取系统的作业周期数学模型。

像素聚类改进二进制描述子鲁棒性

目的通过挖掘图像局部区域特征信息,提出了一种鲁棒性更高的二进制描述子。针对BRIEF(binary robust independent elementary features)关于旋转和视角变化鲁棒性差的问题,通过图像补丁分层处理、增加关键点图像补丁个数来捕获更多的局部特征信息,对BRIEF描述子改进。方法首先,根据灰度序列对补丁内所有像素点分类,像素的一个聚类形成了一个亚补丁,然后在每个亚补丁上进行类似BRIEF的随机测试。其次,由于原图像补丁大小、尺度大小影响补丁的像素点成分,从而影响像素聚类的效果,所以在原图像关键点周围分割出多个不同大小的图像补丁,或是将原图像补丁根据尺度金字塔确定几个尺度大小不同的补丁,然后再对图像补丁进行分层、测试。所构建的描述子不仅包含了补丁像素的灰度比较信息,而且包含了灰度排序信息和像素群聚信息,提高了描述子的鲁棒性。结果通过性能对比实验,发现所提的描述子的性能提高了,而且好于对比的浮点描述子。结论挖掘图像补丁的特征信息能提高二进制描述子的鲁棒性。