基于水平集方法的弱边界运动人体目标跟踪与轮廓提取

针对图像中目标和背景灰度偏差较小、目标边缘轮廓弱的特点,提出了一种快速收敛并具有较强捕获弱边缘能力的水平集曲线演化方法。该方法采用指数函数作为边缘指示函数,运用归一化的Gauss分布函数改进传统的正则化Dirac函数。在目标跟踪过程中,采用卡尔曼滤波获取视频相应帧图像的运动人体目标最小外接矩形框,对外接矩形框内运动人体进行水平集曲线演化,实现对人体目标的跟踪和轮廓提取。分别对可见光下的运动目标和红外运动视频序列进行仿真实验。结果表明,相对于传统方法,其在跟踪速度上有很大的提高,对于红外图像中的弱边界目标及凸凹度较大的区域,也具有快速准确的收敛效果。

混合高斯模型与三帧差分法相结合的建模新算法

针对三帧差分法所存在的不足,提出一种改进的基于混合高斯模型与三帧差分相结合的建模方法。为每一个背景像素建立多维混合高斯模型,融入三帧差分法实时判定背景区域和运动区域,使之去除三帧差分带来的空洞现象,并且加入可跟随目标移动的外接矩形框,在其内生成高斯模型,从而减少因高斯模型的介入导致计算量过大的问题,节省运算时间,并且达到理想的除噪效果以及排除外界不必要的干扰等。通过实验进行验证分析,实验结果表明:该方法相比三帧差分法具有更好的除噪效果和减少更多的计算量,适用于实时的单目标检测。

基于色彩模型和纹理特征的输电线路绝缘子串航拍图像识别

随着智能电网的建设,电网公司逐渐采用无人机(UAV)代替人工去巡视输电线路。提出一种对UAV拍摄到的输电线路绝缘子串航拍图像进行处理的方法。首先,利用色彩模型中RGB各分量阈值和范围分割出目标和背景区域;然后,用数学形态学和不重叠窗口纹理特征的方法粗略标记目标区域;最后,生成最小外接水平矩形框,并对所有最小外接水平矩形框内的图案进行纹理特征识别,定位出绝缘子串航拍图像的最小水平矩形区域。该文用2幅图像进行算法验证,并与文献算法进行对比,结果显示该文算法能更好地识别出绝缘子串位置。

基于改进YOLOv4算法的零件识别与定位

针对多角度无序零件视觉识别难度大,定位精准性差等亟待解决的问题,提出一种基于改进YOLOv4的零件识别与定位方法。首先,采用AdaBelief(Adaptive"belief"stepsize)优化算法代替原有SGDM(Stochastic gradient descent with Momentum)优化算法,提高收敛速度和识别精度;其次,利用Canny边缘检测和Sklansky算法将原有预测边界框改进为凸包和最小外接矩形框,提高定位精度;最后,在制作的零件数据集上进行零件识别与定位实验。实验结果表明,改进YOLOv4在零件数据集上的测试准确率(Precision)达93.37%,提高了3.47%,F 1(参数α=1时Precision和Recall的加权调和平均)由94.32%提升至96.16%,被检测零件的定位结果从原有预测边界框缩小到可表示零件形状的凸包和最小外接矩形框,以及最小外接矩形框的角点坐标,零件识别精度和定位精准性上均优于原有YOLOv4,满足视觉引导下对零件精准识别与定位的要求。

基于图像处理技术的指针仪表刻度提取算法

目前指针仪表读数方案大多只针对刻度分布均匀的仪表,只提取某些关键点,并不提取出每条刻度线,这种方案不适用于刻度线不均匀仪表。提出了一种可适用于非均匀刻度线指针仪表的刻度线提取算法,首先使用不同阈值的Canny边缘检测算法对图像进行边缘提取,从而得到多张边缘图像,并提取出边缘图像中所有满足设定条件的轮廓,然后使用类似NMS的方法去除重叠冗余的轮廓,最后使用刻度筛选与排序算法找出真实刻度线框。算法省去了深度学习方案中繁琐的步骤,只需要设定合适的参数即可达到良好的刻度线提取效果,速度快、易移植,非常适合工程实际需求。