基于光斑轮廓特征的目标快速识别算法研究

大视场的视觉着陆引导系统在引导无人机自主着陆过程中,需要快速检测出安装在无人机上的合作目标。该合作目标在图像上是以光斑形式存在,因此为了满足系统的实时性要求,本文提出了基于轮廓特征的快速检测光斑算法。该算法是根据光斑在图像中的特征,采用了目标裁剪方法,将原始图像中的光斑部分裁剪出来,从而降低算法运算量;再通过图像预处理,消除背景的无关信息与噪声干扰,增强光斑的清晰度;最后利用最小二乘算法进行椭圆拟合定位出光斑的中心位置。将本实验算法与其他光斑检测算法进行实验对比,从而验证系统的实时性。结果表明:利用本文算法可以在保证精度的同时将运行时间缩减到36 ms。

基于多层显著性模型的SAR图像舰船目标检测

针对合成孔径雷达图像舰船目标检测问题,提出了一种结合选择机制与轮廓信息的多层显著性目标检测方法。首先,利用非下采样剪切波和频谱残差法进行全局显著性区域提取。其次,提出了一种基于动态恒虚警率的活动轮廓显著性模型,逐步滤除候选区域的虚警,提取目标轮廓,从而实现目标的精确检测。所提方法能够由粗到细地快速捕获目标区域,从而实现高效、高分辨率合成孔径雷达图像舰船检测。最后,在真实SAR数据集进行了测试,与其他经典的舰船检测方法相比,所提算法不仅有效地抑制了海杂波的影响,而且在检测精度上有较大提高。

基于轮廓匹配的夜晚环境下猫眼目标识别方法

为了解决“猫眼”目标在夜晚环境下难识别的问题,提出了一种基于归一化中心矩的轮廓匹配“猫眼”目标识别方法。首先利用中值滤波对图像进行去噪,采用固定阈值分割完成了对图像的分割,使得“猫眼”目标与部分背景分离,使用Roberts边缘检测提取出了所有物体的边缘,最后采取了基于归一化中心矩的轮廓匹配算法,该算法不受平移和放缩的影响,提取出了图像中的所有圆形目标,并利用面积判别识别了真实目标,对识别出的目标绘制最小外接圆,利用圆心坐标对其定位。通过对不同光照强度下的“猫眼”图像进行实验与对比,验证了该方法的可行性,并通过目标识别评价指标验证了该方法的有效性。实验结果表明,该方法的全局准确率可达92.1%,可以在夜晚环境不同光照强度下成功地对“猫眼”目标进行识别。

基于粗-精立体匹配的激光焊接机器人三维视觉定位研究

激光焊接机器人在开展焊接任务时,难以找到最佳特征匹配点,导致目标三维视觉定位精度下降,直接影响焊接效果。为了提升激光焊接机器人目标定位精度,提出基于粗-精立体匹配的激光焊接机器人三维视觉定位方法。通过机器人搭载的摄像机获取目标图像,并对目标图像实施轮廓增强处理。根据轮廓增强结果提取目标特征点,结合粗-精立体匹配寻找最佳特征匹配点,建立激光焊接机器人目标的三维视觉定位模型,实现目标的三维视觉定位。实验结果表明,使用该方法进行激光焊接机器人目标定位时的时间短、效果好。

高角度分辨率MIMO雷达目标轮廓检测

虚拟阵列技术能极大地提升MIMO雷达的角度分辨率,使其能满足与视觉融合感知的需求。由于实际场景中目标多点融合散射雷达波,目标轮廓检测依然比较难实现,由此本文重点研究算法检测MIMO雷达目标轮廓。以奈曼-皮尔逊准则为核心的CFAR算法可以有效滤除背景杂波信号,常用于探测目标在距离和速度维度的轮廓。提出MUSIC与CFAR融合算法及FFT DOA与CFAR融合算法以预设的角度分辨率检测目标轮廓。基于自动驾驶环境MIMO雷达信号处理仿真平台验证以上算法:模拟2辆自行车在雷达车辆前方10m处穿过,此时具有128个虚拟阵元的MIMO雷达使用MUSIC与CFAR融合算法可准确地检测出目标的轮廓范围介于[-21°:-12°]和[7°:16°],与目标实际角度范围一致,FFT DOA与CFAR检测性能略差。

面向轻武器射击的数据智能采集关键技术研究

通过对轻武器射击训练数据采集的现状分析,总结了目前存在的主要问题,并基于灰度矩阵的胸环靶轮廓对弹着点进行了研究分析,设计了坐标生成算法、胸环靶轮廓提取方法及弹着点检测方法,为轻武器射击训练数据的智能分析和自动采集提供理论依据和应用参考。其为轻武器射击训练的时效性、安全性和智能化水平提供技术支撑,有效提高部队轻武器射击训练水平,推动数字练兵进程和基础训练的转型升级。

基于质心高度增量特征的目标识别算法

针对传统目标识别算法识别准确率低、复杂度高等问题,提出基于质心高度增量特征的目标识别算法。在提取轮廓特征阶段,以轮廓质心为参考点,对于任意采样点,根据其它采样点相对于该点的高度关系构建质心高度增量描述符。描述符不仅计算简单,对旋转、平移和缩放等几何变换具有不变性,而且引入轮廓顺序这一全局特征,提升了描述符的鲁棒性和区分能力。在特征匹配阶段,利用轮廓顺序已知这一优势,采用动态规划算法计算质心高度增量描述符的相似度,最后引入形状复杂度分析,优化识别效果。MPEG-7测试集和Kimia99测试集的实验结果表明,上述算法能够有效的对目标图像进行匹配识别,而且对于噪声的干扰具良好的鲁棒性。

基于目标轮廓特征的SAR图像目标识别

提出了一种基于目标轮廓特征的合成孔径雷达目标识别(SAR ATR)方法,该方法充分利用目标的局部空间结构信息进行识别。利用基于马尔可夫随机场(MRF)的图像分割及形态学处理提取SAR图像目标轮廓,在此基础上使用傅里叶描述子作为目标轮廓的特征量,选择最近邻准则下的模板匹配方法构造分类器,实现了基于轮廓特征的SAR图像目标识别。实验结果表明,本文方法具有优良的识别性能。

基于复合感受野的轮廓检测算法

自然场景自动检测目标轮廓是非常困难的。该文提出了一种基于复合感受野的图像轮廓检测仿生模型。在传统的基于抑制模型的基础上引入去抑制机制,在减少背景纹理干扰的同时,保护较弱的轮廓,从而尽量保持轮廓的完整性。实验结果表明,这种仿生模型可以有效地抑制纹理边缘,减少对轮廓的破坏,提高了自然背景中轮廓检测的性能。

基于平滑轮廓对称轴法的苹果目标采摘点定位方法

果实采摘点的精确定位是采摘机器人必须解决的关键问题。鉴于苹果目标具有良好对称性的特点,利用转动惯量所具有的平移、旋转不变性及其在对称轴方向取得极值的特性,提出了一种基于轮廓对称轴法的苹果目标采摘点定位方法。为了解决分割后苹果目标边缘不够平滑而导致定位精度偏低的问题,提出了一种苹果目标轮廓平滑方法。为了验证算法的有效性,对随机选取的20幅无遮挡的单果苹果图像分别利用轮廓平滑和未进行轮廓平滑的算法进行试验,试验结果表明,未进行轮廓平滑算法的平均定位误差为20.678°,而轮廓平滑后算法平均定位误差为4.542°,比未进行轮廓平滑算法平均定位误差降低了78.035%,未进行轮廓平滑算法的平均运行时间为10.2ms,而轮廓平滑后算法的平均运行时间为7.5ms,比未进行轮廓平滑算法平均运行时间降低了25.839%,表明平滑轮廓算法可以提高定位精度和运算效率。利用平滑轮廓对称轴算法可以较好地找到苹果目标的对称轴并实现采摘点定位,表明将该方法应用于苹果目标的对称轴提取及采摘点定位是可行的。

基于目标运动模型的跟踪方法

针对常用的机动目标模型不能准确描述目标实际运动规律及常用跟踪算法只拟合目标的形心而不是目标轮廓轨迹的问题,提出一种基于目标运动模型的跟踪算法。该算法提取已检测出目标轮廓上的角点作为样本点,采用神经网络来构建目标运动模型,将用此模型预测出的目标轮廓上的点作为主动轮廓线的初始控制点来检测出目标真实轮廓,并反馈回神经网络的输入端来修正模型误差。实验结果表明该跟踪算法能很好地将前续目标检测结果继承到后续的目标检测过程中,对于目标跟踪中的遮挡问题也能很好地解决。

一种基于轮廓形变度的光学伪装效果评价方法

针对光学伪装效果评价中的目标轮廓变形问题,提出了一种基于轮廓形变度的二值统计矩算法。首先,对伪装目标的原始背景图像进行二值化处理,然后对背景图像均匀分割,提取目标的轮廓特征,以此构造一个轮廓特征向量的二值统计矩阵。最后,采用欧氏距离与余弦归一化的方法对二值统计矩进行计算,获得目标的轮廓形变度值。实验结果表明,提出的二值统计矩算法可以有效地提取目标的轮廓特征;轮廓形变度指标达到了0.905±0.004和0.77±0.80;与传统Hu矩算法相比,主成分因子分别提高了27%和7%,算法效率提高了69.8%。该方法能够从目标轮廓的角度有效地评估光学迷彩伪装效果。

基于混合光流的非刚体目标追踪系统

针对非刚体目标追踪算法追踪精度与计算效率较低的问题,提出了一种基于混合光流的非刚体目标追踪算法。首先,采用Lucas-Kanade方法计算局部区域的光流,采用Horn-Schunck方法计算全局区域的光流,局部光流与全局光流具有互补的特点,因此结合两种方法可获得理想的结果,并且设计了基于混合光流法与Gabor特征的非刚体目标轮廓模型;然后,基于光流的特征计算光流的流域,采用高斯混合模型分析光流的流域,从而实现运动目标的检测;最终,采用分类器对感兴趣区域进行快速地分类,动态地更新每个视频帧的目标轮廓。基于多个公开的视频数据集进行了实验分析,结果显示本算法能够有效地完成对非刚体目标的追踪,并且具有较高的追踪准确性。

基于多模型融合的SAR图像目标轮廓提取方法

提出一种基于参数活动轮廓模型的多模型融合的合成孔径雷达SAR(Synthetic Aperture Radar)图像目标轮廓提取方法,即在活动轮廓模型Balloon中引入新兴统计分布模型G0分布、基于区域的统计活动轮廓模型和多边缘检测算子模型,获得了一种新的目标轮廓提取方法。基于MSTAR项目的真实SAR图像的实验结果表明,本文所提出的方法能准确地获得SAR图像目标轮廓,可用于执行实际的SAR图像轮廓提取任务,为后续的SAR图像自动识别和特征级图像融合等任务提供了较为优良的输入信息。

基于深度学习的二值图像目标轮廓识别算法

针对传统目标轮廓识别算法对图像目标轮廓识别精度较低、效果较差的问题,提出一种基于深度学习的二值图像目标轮廓识别算法.首先,选取深度学习算法中的深度卷积网络算法识别二值图像目标轮廓,将二值图像划分为不重叠的、大小相同的子块图像输入深度卷积网络第一层;其次,卷积网络中的滤波器(卷积核)采用传统神经网络算法优化的代价函数对输入子块图像实施卷积滤波,并将卷积滤波后下采样图像发送至第二层,第二层经过相同处理后将结果输入第三层,第三层输出图像即为该子块目标轮廓识别结果;最后,所有子块识别结束后在输出层通过全连接方法将其聚类,并输出最终二值图像目标轮廓识别结果.实验结果表明,该算法识别15幅二值图像目标轮廓的识别精度平均为98.75%,信噪比平均为2.42,识别效果较优.

基于多分辨率方法的主动轮廓线跟踪算法

由Kass等于1987年首次提出的主动轮廓线模型，在数字图像分析和计算机视觉领域得到了越来越广泛的应用．基于单分辨率的主动轮廓线跟踪算法存在一个共同的缺点．即：要求初始轮廓线离目标的真实轮廓线很近，这样的算法用于跟踪将只能跟踪缓慢运动的目标，从而限制了主动轮廓线跟踪算法的应用范围．本文提出了一种基于多分辨率的主动轮廓线跟踪算法，它不但继承了基于单分辨率的主动轮廓线算法的优点，而且降低了对初始轮廓线的要求．此外，本文推导出不同分辨率情况下主动轮廓线算法与其允许的目标运动速度的关系公式，并用这些公式定量地计算出单分辨率和多分辨率情况下算法允许目标运动的最大速度，证明本文方法可以跟踪运动较快的目标．

甲骨拓片图像的目标自动定位算法

为了解决当前图像目标定位算法难以自动定位发生形变的目标,且定位时间耗时长等不足,提出一种基于稀疏活动轮廓模型的甲骨拓片图像的目标自动定位算法.对甲骨拓片图像进行分块,对每一块进行形状估计,在目标形状估计约束下,利用共同勾画算法学习图像目标轮廓模型,在待定位图中扫描出与模型匹配数值最高的区域,将其作为定位结果,利用基于距离约束的霍夫变换,精确定位结果.实验结果表明,所提算法可以有效克图像目标尺度变化大的问题,提高了目标自动定位精度,减少了定位耗时.

基于轮廓分析的双串叠贴葡萄目标识别方法

为准确定位叠贴情况下的葡萄目标,提出了一种基于轮廓分析的双串叠贴葡萄目标识别方法。首先提取最能突显夏黑葡萄的HSV颜色空间中的H分量,通过改进K-means聚类方法对葡萄图像进行分割,运用形态学去噪等处理获取葡萄图像区域,再提取该区域边缘轮廓和左右轮廓的类圆中心。然后以该中心点为原点建立基于轮廓分析的叠贴葡萄串分界线几何求解与计算模型,分别在逆时针方向45°~135°和225°~315°区域内沿葡萄轮廓搜索距离原点最近的点,进而确立两叠贴葡萄轮廓拐点及其分界线,最终实现对叠贴葡萄目标的分别提取。对从果园采集的27幅双串叠贴葡萄图像进行试验,结果显示:24幅图像中的叠贴葡萄串被正确识别和提取,成功率达88.89%,目标像素区域的识别精准度为87.63%~96.12%,算法处理时间在0.59~0.68 s之间。将算法移植到自主研制的机器人上进行视觉定位试验,结果表明所提方法可很好地用于两叠贴葡萄目标的识别与定位。

基于超红图像与轮廓曲率的苹果目标识别与定位方法研究

为实现苹果目标的识别及其空间定位,提出了一种自然场景下苹果目标的识别与定位方法。该方法首先将RGB颜色空间转换至HIS颜色空间以得到自然场景下苹果图像的色调分量H和饱和度分量S,为了充分利用其色调信息,采用了基于超红图像的苹果目标识别方法并应用基于区域的分割方法实现了目标的有效分割;接着利用轮廓曲率法抽取连续光滑的轮廓曲线并估计该光滑曲线段的圆心及其半径参数,实现果实的定位;最后利用逐行扫描法,结合苹果生理特性,实现了苹果采摘点的有效定位。为了验证算法的有效性,利用50幅富士苹果图像进行了试验。试验结果表明,苹果及其果柄的识别率在80%以上,对于轻度遮挡的苹果目标,基本满足其定位要求。

飞机图像的轮廓提取与多边形拟合研究

本文讨论在简单背景下,对飞机图像进行轮廓提取,以及在此基础上的多边形拟合技术。首先根据掏空内部点的准则和"探测准则",经过边界跟踪,得到只有一个像素宽度的飞机图像边界曲线。然后采用一种基于弦高度的多边形拟合算法,对得到的边界曲线进行拟合,从而得到了轮廓多边形。实验证明,该拟合算法去除了大量的冗余像素点,保留了重要的特征点,拟合效果令人满意,为进一步几何特征向量的提取奠定了基础。