基于多子窗口快速归一化互相关的肿瘤识别

对肿瘤进行快速准确地精细分割和生长监控是当前医学图像实时处理需要解决的一个问题,本文通过使用基于加和表的快速归一化互相关(FNCC)方法提高肿瘤识别速度,通过大子窗口技术提高肿瘤识别的正确度,通过多子窗口技术实现肿瘤的精细分割。对人体脑部核磁共振(MR)图像的肿瘤进行识别实验表明,本文方法可以很好地实现肿瘤的快速准确精细分割和生长监控。

基于部分有界互相关图像匹配算法的车辆视频跟踪

归一化互相关算法作为一种基于穷举原理的块匹配方法,其计算精度高、鲁棒性好,但计算量大。为提高图像相关匹配算法的搜索速度,在传统的有界部分相关算法基础上,提出了以自适应二分法为基础的匹配方式,将模板图像的每行分成灰度高低不同的两块,依据两块的灰度高低先后进行相关计算。该算法保持了边界部分相关算法速度快的优点,同时在每次搜索中给出更高的阈值,过滤掉不符合要求的匹配点,从而加快了有界部分相关算法的计算速度。实验结果表明:改进后的算法在精度不变的情况下运算速度得到提升,能够快速准确地跟踪行驶中的车辆。

基于快速归一化算法的拉伸距离动态跟踪测量

采用视频引伸计对试样进行轴向拉伸试验时,通过跟踪试样表面两根标线的移动来计算标线之间的距离变化,从而得到试样的拉伸变形。当拉伸时产生非拉伸方向的移动或夹具与试样打滑时,传统标线检测方法会丢失要跟踪的标线、或者偏离标线,引起测量误差。本文在测量材料微应变性能时,采用快速归一化互相关算法对标线进行跟踪,提出了1/8降采样方法来加快矩形框跟踪速度,达到跟踪的实时性要求。同时本文采用双曲正切函数拟合得到亚像素边缘点,在试样表面检测标线边缘,从而完成标线距离的测量。最后本文设计了软硬件系统。实验证明,本系统在保证测量实时性的前提下,实现了亚像素边缘检测。测量最大偏差不超过0.005 mm。

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。

基于视频跟踪和FSA的车辆行为模式分析

提出一种基于视频跟踪和有限状态自动机的运动车辆行为表达与分析方法。采用减背景法得到前景运动车辆,基于快速归一化互相关理论,通过预测实现车辆跟踪,得到准确的车辆运动轨迹。利用有限状态自动机,将车辆的行为表达为连续的微观行为状态,从而在运动跟踪的基础上,结合时域与空域信息分析车辆行为模式。对交叉路口的运动车辆进行跟踪实验,结果表明,该方法能够准确得到车辆的状态信息。