基于图像识别的啦啦操上臂动作误差识别方法

针对传统啦啦操上臂动作误差识别精度低等问题,设计了一种基于图像识别的上臂动作误差识别方法.基于三维传感追踪进行啦啦操上臂动作图像的采集,对其进行边缘轮廓检测,提取上臂动作图像的边缘轮廓.利用富含较高能量值的关键帧,从上臂动作轮廓图像中提取轮廓特征,分析其误差特性,获取像素分量加权值及模糊误差值,依据模糊误差值完成误差识别.实验结果表明:该方法可精准提取啦啦操上臂轮廓,图像清晰,动作误差识别精度超过99%,识别误差较小.

融合局部与全局特征提取的虹膜识别方法

传统的虹膜识别系统需要将虹膜图像转换至极坐标系统并进行归一化,通过平移特征向量来达到旋转不变性。为了降低传统虹膜识别方法的复杂性,提出了一种融合局部与全局特征提取的虹膜识别方法,无须对预处理后的虹膜图像进行归一化。该方法首先对分割出的虹膜图像直接采用非张量积小波提取全局特征,接着采用SIFT方法提取选定区域的局部特征,最后对虹膜局部及全局特征采用不同的权值,进行相似性距离测试。结果表明该方法在等错误率为0.935%的情况下,正确识别率达到了99.065%。在不对虹膜图像归一化的情况下,可获得很好的识别性能。

基于AVS算法的变电站设备巡检机器人控制优化方法研究

为了提高变电站设备巡检机器人捕获目标图像的准确性,文中提出了一种基于AVS算法的变电站设备巡检机器人控制优化方法。该方法在视觉伺服系统基础上,利用尺度不变特征变换方法将机器人捕获设备的图像与模板图像进行匹配,验证图像中目标图像要素存在状态,并通过计算偏移像素来控制PTZ对结果进行校正,从而捕获更准确的目标图像。实验结果证明,该算法有效提升了变电站设备巡检机器人图像捕获的效率,优化了巡检机器人视觉伺服系统。

医学图像融合算法综述

医学图像分析是辅助医疗诊断的重要方式,单一模式成像提供的信息有限,无法满足医生全面诊查病情的需求。医学图像融合作为图像融合的一大重要分支,通过融合,可以提取不同医学影像的显著特征,丰富图像信息,提高融合质量。本文在现有研究基础上,从图像融合概念展开,阐述医学图像融合原理和框架,梳理医学图像融合的分解方法和融合规则。

基于红外传感器的复杂场景目标自动识别方法

由于复杂场景中目标求解区域隶属度不同,导致目标识别精准度低,提出基于红外传感器的目标自动识别方法。将复杂场景中的目标特征形式转换为红外形式,输入至红外传感器中,通过目标的光线特征获取红外图像。以复杂场景目标变换特性为基础,结合采用尺度不变特征变换方法,计算场景中不同类型目标的特征权重,求解目标在不同区域范围的隶属度,将权重值与隶属度值作为对比参照,建立对比序列。计算图像质心值与区域内所有像素点的奇异值向量,按照奇异值向量大小组成序列,与预设目标参数实行比对,提取符合特征和奇异值变化表达的像素点,完成目标的高效识别。实验结果表明,所提方法的损失函数最高值仅为1.3,识别精准度最高值达到了97.8%以上,说明所提方法的识别结果与目标之间存在高度一致性,并且识别结果分辨率高、画面清晰直观。

基于ASIFT的低重叠度图像拼接研究

为了解决在图像重叠度过低时,采用常用的SIFT图像匹配算法,造成图像拼接困难的问题,提出了一种基于ASIFT的低重叠度图像拼接方法。ASIFT图像匹配算法相较于SIFT图像匹配算法,在低重叠度条件下,能够检测出更丰富的匹配点,且具有更高的匹配精度。根据这一特性,该方法采用ASIFT图像匹配算法进行特征点检测与匹配,然后利用其结果进行图像拼接。实验结果表明,这种方法在图像重叠度很低的情况下,也能够取得良好的拼接结果。

湖南省城镇空间时空压缩特征及其可视化表达——基于时空图分析模型

本文构建了一个基于"时间-空间图(Time-Space Map)"的技术方法模型,用于分析交通网络建设给地理空间带来的时空压缩效应。现有基于可达性评价模型的"空间格局分析法"只能描述网络整体效率变化,而"等时圈分析法"局限于节点分析,两者都无法完整展现区域时空压缩。本文集成了网络大数据抓取技术、统计分析技术和可视化技术,通过绘制"时空图"实现区域时空压缩的可视化。首先,该方法利用网络大数据抓取技术,通过网络地图路径导航服务获取距离数据矩阵;然后,运用多尺度分析方法(Multidimensional Scaling),用通行时间(距离)取代欧氏距离计算求得最佳拟合空间,并对拟合误差进行估算和检验。最后,将拟合空间与地理空间在三维空间中叠加,观察和分析拟合空间的拉伸、延展、扭曲效果,总结区域时空压缩整体特点。在此基础上,以湖南省为案例绘制出了各地县级城市在现状公路网联系下的通行距离和通行时间时空图。研究验证了时空图在区域时空压缩格局可视化上的有效性和直观性,并在解读时空图集聚、偏移和皱起的基础上,提出改善省内公路网络可达性均衡的政策建议。