基于自适应特性二维经验模式分解的Retinex彩色图像增强

提出一种彩色图像自适应增强方法:将图像从RGB色彩空间转化到HSV色彩空间并保持H分量不变,对亮度分量V通过自适应特性二维经验模式分解(ABEMD)估算其照度分量,再根据中心/环绕Retinex算法计算出反射分量,对照度和反射分量分别应用Gamma校正和Weber定律,并进行加权运算,基于全局特性自适应地调整S分量,并将图像从HSV色彩空间转化回RGB色彩空间。最后利用主观和客观的方法对实验结果进行了评价,实验表明了该算法在均值、方差、信息熵和清晰度方面均优于MSR算法和Meylan的算法。

复杂背景下基于Halcon的刹车盘视觉检测

为实现刹车盘自动上料仓快速准确地检测刹车盘的状态信息,提出一种复杂背景下基于Halcon的刹车盘检测系统的设计方案,实现检测系统中图像采集与显示、图像处理及运行控制等功能。首先控制机械手并利用CCD相机实时采集刹车盘图像;其次进行图像预处理,对图像在HSV颜色模式中进行阈值分割,确定感兴趣区域,对该区域进行阈值分割并结合形态学处理以得到更精准的刹车盘区域;最后结合刹车盘边缘轮廓寻找刹车盘位置,进而判断其在上料过程中的状态。实验结果表明,该系统具有较高的检测准确度和检测效率,能够满足实际生产的需要,为复杂背景下刹车盘上料仓在线检测提供了新的途径。

复杂背景下的三级级联快速正面人脸检测算法

针对复杂背景下的正面人脸检测问题,提出一种三级级联快速正面人脸检测算法:第一级使用HSV肤色模型,通过分析最大肤色连通区,快速排除非人脸区域;第二级采用Haar-like特征结合Ada Boost算法定位人脸区域;最后提出基于局部特征点加权的改进主动形状模型(W-ASM)算法匹配人脸的特征点坐标,通过68个特征点位置判断当前人脸图像是否是正面人脸.实验结果表明,本算法能准确识别出垂直于图像旋转不超过±5°的正面人脸,每幅图像(640×480)平均用时仅52ms,满足实时性要求.

智能装配台中Kinect的手部末端追踪方法

对工作者手部位置的实时追踪是实现装配智能化的重要基础。将Kinect用于装配过程中可实时追踪工作者手部位置,针对Kinect在竖直放置时不能获取骨骼点及装配过程中手呈现不同姿态的问题,提出了一种基于深度和彩色信息的手部末端追踪方法。首先利用Kinect获取的彩色图像运用HSV颜色模型分割肤色区域,并利用深度图像运用高斯混合模型分割出运动区域,通过创建显示查找表将两者结合得到手部区域,在该区域内创建若干个点,通过点的迭代获取距手部末端最近的特征点。最后,在特征点周围选取距其最近的三个图像极值点,其坐标的均值即为代表手部末端所处位置的点的坐标,从而对手部进行实时追踪。实验结果表明,该方法在手呈现各种姿态时都能准确地追踪手部末端区域。