基于快速归一化互相关函数的运动车辆阴影检测算法

视频检测是智能交通系统中一种重要的检测手段,但是运动车辆阴影的存在严重影响了检测效果。为了减少阴影对检测系统中交通参数计算的影响,采用了一种快速归一化的互相关函数(FNCC)直接对灰度视频图像检测运动阴影。通过引入三个加总表(sum-table)和设定阴影检测区使传统归一化互相关函数(NCC)算法的复杂度大大降低。实验表明该算法可以实时有效地检测出运动车辆的阴影。

应用归一化互相关函数法进行交通视频阴影检测

交通视频检测中采集到的视频图像一般都会有不可避免的阴影存在,由于计算机无法很好地识别图像中的阴影,很可能会造成检测错误,引起一系列负面效应。提出一种进行阴影检测的归一化互相关函数法,并对一个实例进行仿真。

动态模板与互相关在激光三角测量中的应用

针对在激光三角法测量中,像点光强分布不规则变化导致质心法测量精度下降的问题,提出基于动态模板的归一化互相关函数法(N C C)计算像点位移。该方法将线阵C C D当前帧采集的像点图像作为下一帧图像的匹配模板,利用NCC法计算前后两帧像点的相对位移。以金属表面作为被测表面进行了实测,实验结果表明,动态模板的NCC法对像点光强变化具有较高的鲁棒性,测量精度为1%,绝对误差不大于6μm。该方法相对于传统质心法在测量强反射表面位移时具有较大优势,对拓宽三角测量的适用范围有一定帮助。

局部响应函数耦合特征匹配的图像拼接

针对当前图像拼接机制对参数缺乏普遍适用性,且其以全局角点为对象展开拼接,导致拼接速度慢,以及难以消除伪角点等不足,文中选取最大局部范围Harris响应函数值为有效角点,并去除Harris响应函数值调节因子,设计了新的Harris角点检测算子。引入归一化互相关函数,考虑角点分布几何特性,耦合空间变换模型,设计了特征点精准匹配算法。最后提出了局部范围Harris响应函数耦合精准特征匹配的图像拼接机制,并借助仿真实验测试该机制。结果表明:与当前图像拼接机制相比,文中机制具有更高的拼接精度,缝合处完整,有效消除了伪角点,且拼接速度更高。

基于区域直方图和特征相关匹配规则的图像复制-粘贴篡改检测算法

针对当前较多图像伪造检测算法主要通过利用图像的灰度特征来进行图像伪造检测,当伪造内容存在较大灰度差异时,将导致检测结果中出现较多的误测以及鲁棒性不佳的不足。提出了基于区域直方图和特征相关匹配规则的图像复制-粘贴篡改检测算法。首先,利用Hessian矩阵行列式对图像特征进行检测,通过积分图像的方法提高Hessian矩阵行列式检测图像特征点的效率。然后,通过求取Haar小波响应值,以判定特征点的主方向。接着,对圆形窗口进行均匀分割,利用像素点的梯度模值来建立分割区域直方图,以获取特征向量,生成特征描述符。最后,利用归一化互相关(NCC)函数对特征点的相关性进行度量,建立特征相关匹配规则对特征点进行匹配。利用凝聚层次聚类方法,对特征点进行层次聚类,实现图像的伪造检测。实验结果分析表明,与当前图像匹配算法相比,图像伪造检测算法不仅能较精确的对伪造内容进行检测,而且还具有较强的鲁棒性能。

温室绿熟番茄机器视觉检测方法

针对基于可见光图像对绿色番茄进行识别过程中,光线不均造成的阴影等会影响果实的识别、枝干和叶片对果实的遮挡以及果实之间的遮挡对果实识别的影响等难题,该文对基于机器视觉的绿色番茄检测方法进行研究。首先通过快速归一化互相关函数(FNCC,fast normalized cross correlation)方法对果实的潜在区域进行检测,再通过基于直方图信息的区域分类器对果实潜在区域进行分类,判别该区域是否属于绿色果实,并对非果实区域进行滤除,估计果实区域的个数。与此同时,基于颜色分析对输入图像进行分割,并通过霍夫变换圆检测绿色果实的位置。最终对基于FNCC和霍夫变换圆检测方法的检测结果进行融合,实现对绿色番茄果实的检测。当绿色果实和红色果实同时存在时,将绿色果实检测结果与基于局部极大值法和随机圆环变换检测圆算法的红色番茄果实检测结果进行合并。算法通过有机结合纹理信息、颜色信息及番茄的形状信息,对绿色番茄果实进行了检测,解决了绿色番茄与叶子、茎秆等背景颜色接近等难题。文中共使用了70幅番茄图像,其中35幅图像作为训练集图像,35幅作为验证集图像。所提出算法对训练集图像中的83个果实的检测正确率为89.2%,对验证集图像中105个果实的检测正确率为86.7%,为番茄采摘机器人采摘红色和绿色成熟番茄奠定了基础。

综合灰度和纹理特征的运动阴影检测方法

为了提高运动目标阴影检测的有效性和稳健性,提出了一种综合灰度和纹理特征的阴影检测方法。该方法通过背景差分法提取运动区域,利用快速归一化互相关函数对运动区域进行检测,获得潜在的阴影区域。然后,利用Gabor小波分析潜在阴影区域的纹理特征,得到最终的阴影区域。实验结果表明,该算法能够实时有效地进行阴影检测,并具有较强的稳健性。

基于灰度图像的阴影检测算法

基于灰度图像的阴影检测算法,通过快速归一化互相关函数计算方法其复杂度,并采用背景减法与帧差法相结合方法提取运动前景。其步骤包括提取运动前景及检测运动目标的阴影。该方法与基于HSV模型的阴影检测算法相比,实验表明:在不需要任何的颜色信息的情况下,基于灰度图像的阴影检测算法能较好检测出阴影。

一种基于分数阶微积分的分数阶伪随机数字水印新算法

本文研究和实现了一种基于分数阶微积分的分数阶伪随机数字水印算法。首先,提出并论述用正弦型信号的分数阶微分的采样差构造分数阶微分伪随机数字序列,该分数阶微分伪随机数字序列对分数阶微分阶次和正弦型信号相位的初始值敏感,当分数阶微分阶次和正弦型信号的初始相位未知时,无法恢复出该伪随机数字序列。其次,在此基础上,提出并论述一种基于分数阶微分的分数阶伪随机数字水印算法,其算法的保密性取决于分数阶微分阶次和正弦型信号的初始相位的不可知性。最后,仿真实验表明本分数阶微积分水印算法的不可感知性和顽健性好。

基于曲线匹配的颅像叠加方法

为解决颅骨与照片叠加过程中人工参与标记特征的问题,结合图像配准和法医学理论提出了一种基于曲线匹配的颅像叠加方法:首先,将颅骨模型统一在标准的法兰克福坐标系,将3D颅骨映射为2D颅骨;自动标定鼻下点,提取颅骨下颌和人脸部分的轮廓线,再使用无符号曲率积分方法(Unsigned curvature Integration,UCI)参数化曲线,并根据whole-to-part曲线匹配方法,找到人脸轮廓与颅骨下颌对应的曲线部分;然后利用修正的普氏分析(Procrustes Analysis,PA)估计两条曲线的最优变换;最后对2D颅骨进行上述最优变换,达到与人脸的最佳重合状态。实验表明,算法实现了自动颅像叠加,时间复杂度低,为自动颅像重合身份认证奠定基础。

基于DSP的遗传算法系统平台设计

DSP具有强大的信息处理能力,其处理系统在工程上应用非常广泛。针对工程应用中大量数据需现场处理复杂问题的情况,论文提出采用全局搜索效果较佳的遗传算法来对问题进行寻优。系统在TMS320C6201硬件平台上创建具有遗传算法来处理复杂问题的应用环境,并对处理数据量较大以及适应度函数计算较为复杂的图像匹配问题在系统环境中进行功能验证。实验结果表明系统整体方案具有一定的可行性。

区域灰度分布耦合相似判定策略的图像匹配算法

目的为了解决当前因图像匹配算法主要依靠提取图像的特征属性矢量进行度量,从而利用其对应的相关系数最大的点进行匹配时导致匹配结果中存在较多的错误匹配点以及匹配误差变大的问题。方法提出区域灰度分布耦合相似判定策略的图像匹配算法,首先利用Forstner算子来提取图像的特征点,以特征点为中心,采取建立极坐标系的方法来确定特征点的主方向,通过特征点邻域的灰度特征来生成低维度的特征描述子;然后引入归一化互相(NCC)函数对特征点之间的相似度进行评估,建立矩形窗口特征点双向匹配规则,完成特征点的匹配,以提高特征点之间的匹配准确度和算法鲁棒性;最后,根据正确匹配特征点组成的三角形具有相似性的特征,设计相似判定策略,对错误匹配点进行剔除,以改善匹配精度。结果实验结果表明,与当前图像匹配技术相比,文中匹配算法具有更高的匹配精度与效率,有效降低了特征点的误匹配率。结论所提图像匹配技术具有较高的配准精度,在图像伪造、包装条码识别等领域具有一定的应用价值。

改进的多尺度Retinex耦合夹角约束的图像匹配算法

目的解决当前图像匹配算法难以适应缩放等仿射变换图像之间的匹配,导致其鲁棒性以及匹配正确性不佳的问题。方法提出基于改进多尺度Retinex方法耦合夹角约束法则的图像匹配算法。利用双边滤波代替多尺度Retinex方法中的高斯滤波,对多尺度Retinex方法进行改进,以降低图像中噪声与光晕等因素的影响。随后再引入Harris算法来检测图像的特征,通过求取特征点圆域内的Haar小波响应向量和主方向,并以主方向为起点构建扇区,提取扇区内的灰度特征,以获取相应的特征向量,从而生成特征描述符。通过特征点对应的特征向量构成的夹角,建立夹角约束法则,以完成特征点匹配。最后,利用归一化互相关函数检测错误匹配点,并对匹配效果进行优化。结果文中算法较当前图像匹配方法,具有更好的匹配正确度以及鲁棒性能,当缩放比例达到50%时,其匹配准确率仍可维持在90.08%左右。结论文中算法在多种几何攻击下仍具有较高的匹配精度,在图像处理、信息安全等领域具有良好的参考价值。

基于小波变换的声学回波消除系统

声学回波消除技术一直是语音通信领域的研究热点。在声学回波消除系统中,通过估计回波路径中的固定时延区域来提高自适应滤波算法的收敛速度。提出了一种基于小波变换的固定时延估计算法以及基于小波变换的声学回波消除系统,解决传统时延估计算法在声学回波消除系统中估计误差大、抗干扰能力弱的问题。测试结果表明,算法稳健性、有效性等指标明显优于传统时延估计算法,基于小波变换的声学回波消除系统具有良好的消回波性能。