机载红外搜救系统中的图像快速拼接

基于直升机的海上搜救在海难搜救过程中发挥着重要的作用.当前国内的搜救飞行队尚未配备海上红外搜救系统.研究与实现机载红外搜救系统以达到快速准确的定位落水者就显得迫在眉睫,其中的困难是实现红外图像的快速拼接.在现有算法基础上,结合项目需求,改进并实现了一种红外图像快速拼接算法.首先对原始图像预处理以消除噪声的影响,然后利用图像重叠区的相似性,找出图像ROI区域,使用基于绝对差自适应算法完成图像匹配,最后采用加权平均法得到连续图像的拼接图.实验结果表明:该算法拼接速度较快,而且具有较强的可移植性和实用性.

基于感兴趣区域的图像校正方法研究

在机器视觉和图像处理领域,感兴趣区域(Region of Interest,ROI)是指从图像中选择一个图像区域,将其作为图像分析的重点。在具体的视觉应用中,由于工件位置存在较大波动,无法通过固定的ROI来实现视觉应用。本文提出了一种基于感兴趣区域的图像校正方法,通过图像定位建立基准模板,再根据运行点和运行角度生成仿射矩阵,建立位置偏移的基准,最后对固定的ROI进行仿射变换,使得校正后的ROI能够跟上工件位置的变换,从而满足工业视觉应用的要求。

基于YOLOv3目标检测的秧苗列中心线提取方法

针对秧苗列中心线的检测结果易受到水田中的浮萍、蓝藻以及水面反射、风速、光照情况等自然条件影响的问题,提出一种基于YOLOv3目标检测的秧苗列中心线检测算法。基于透视投影计算提取图像的ROI(Region of interest)区域,采用ROI图像构建数据集,对YOLOv3模型进行训练,训练过程中通过减少YOLOv3模型的输出降低运算量,利用模型识别定位ROI内的秧苗,并输出其检测框,对同列秧苗的检测框进行自适应聚类。在对秧苗图像进行灰度化和滤波处理后,在同类检测框内提取秧苗SUSAN(Smallest univalue segment assimilating nucleus)角点特征,采用最小二乘法拟合秧苗列中心线。试验结果表明,该算法对于秧苗的不同生长时期,以及在大风、蓝藻、浮萍和秧苗倒影、水面强光反射、暗光线的特殊场景下均能成功提取秧苗列中心线,鲁棒性较好,模型的平均精度为91.47%,提取的水田秧苗列中心线平均角度误差为0.97°,单幅图像(分辨率640像素×480像素)在GPU下的平均处理时间为82.6 ms,能够满足视觉导航的实时性要求。为复杂环境下作物中心线的提取提供了有效技术途径。