基于MB_LBP与改进Fast PCA算法的人脸特征提取

针对MB_LBP算法对人脸特征提取维数较高,使用PCA方法会造成图像原始空间结构破坏和维数变得过大等问题,提出一种基于多块LBP(Multi-scale Block Local Binary Patterns,MB_LBP),结合改进的Fast PCA算法进行人脸特征提取的方案。首先用MB_LBP算法提取人脸图像的特征,接着用本文所改进Fast PCA方法加速计算矩阵S非零本征值所对应的本征向量,对人脸特征进行降维,最后在ORL人脸库进行验证。实验表明,该方法对后期人脸特征提取效果优于改进前的效果,很大程度上降低了提取时间,效果明显。

改进FAST和对立颜色特征的向量场一致性匹配

针对目前传统图像匹配算法在复杂环境下存在误匹配点对过多、稳健性较差等问题,本文提出一种基于改进FAST的特征点提取,结合对立颜色特征的图像匹配算法。首先,利用改进FAST算法提取的角点作为特征点,结合改进的Opponent SIFT算法对特征点进行描述;然后,使用基于字符定位算法对提取的特征点对进行粗匹配,降低整体匹配过程中特征点对误匹配的风险。最后,为了规避因RANSAC算法易陷入局部最优解而导致正确点对被误剔除的问题,运用向量场一致性替代RANSAC进行提纯,降低误匹配率。通过对比试验表明,改进算法匹配准确率均大于91%,且对差异变化具有较好的稳健性、适应性。

基于改进SURF算法的交通视频车辆检索方法研究

针对传统车辆检索方法中存在准确性和区分度较低的问题,提出了一个基于改进SURF(speeded up robust features)算法的视频车辆检索方法。在车辆视频关键帧提取的基础上,根据改进SURF算法完成车辆图像的特征提取及匹配,其中包含改进FAST(features from accelerated segment test)特征点检测、SURF特征向量提取以及最近邻查询方法来进行特征点的匹配;通过计算比较待检索车辆图像与数据库车辆图像的相似度,算法完成图像筛选并反馈检索结果。实验结果表明:针对交通监控视频中待检索车辆,该方法能够较为准确地进行检索并反馈结果。

改进ORB的轮式机器人视觉导航算法

为实现轮式机器人的自主导航和自主控制,针对传统视觉导航技术中ORB算法的特征点分布均匀程度较低、算法耗时较长的缺点,提出一种改进ORB算法:构建尺度空间金字塔对每层图像进行网格划分,增加空间尺度信息;设置感兴趣区域,采用改进FAST角点提取方法提取特征点;引入非极大值抑制方法,抑制低阈值特征点的输出;基于区域图像特征点分布的方差数值评价待检测图像中特征点分布的均匀程度。实验结果表明:使用改进ORB算法提取到的特征点分布均匀程度较高,匹配效果较好,特征点重叠现象降低,算法耗时较短;当特征点期望数值为3000时,图像中特征点分布的均匀程度提高71.13%,耗时降低比率为69.52%,说明该算法可以更好地应用于轮式机器人执行视觉导航算法。

改进人工鱼群的ORB特征匹配算法

针对室内轮椅定位与地图构建中传统ORB(oriented FAST and rotated BRIEF)受到特征点检测与选取策略的影响导致特征匹配正确率不理想,提出一种改进人工鱼群的ORB特征匹配算法。使用改进后的FAST检测特征点,利用改进后的人工鱼群在组合优化问题中具有收敛速度快且易获得最优解的特点,在图像中计算出不同特征区域,根据特征点所在区域位置赋予其相应的状态,对不同状态的特征点选择保留或去除,使用汉明距离的RANSAC算法在特征区域之间进行特征匹配。实验结果表明,改进后的FAST在图像边缘处提取到更多的图像特征,在实际环境中改进后的ORB匹配算法平均正确匹配率达到了92.7%,比传统ORB平均正确匹配率高52.3%。

三峡库区白家包滑坡涌浪计算分析

对白家包滑坡稳定性及其涌浪灾害进行研究对三峡库区人民生命财产安全保护具有重要意义,将风险量化也可以有效反映滑坡灾害影响程度。通过美国土木工程师协会推荐的公式求解滑坡速度,建立数学模型求解滑坡涌浪传播浪高与传播距离,然后与水波动力学理论改进的FAST数值模拟软件结果进行对比分析。分析结果表明:库水位175 m工况下,滑坡速度为2.19 m/s,最大首浪高度3.30 m,对岸爬高3.35 m,传播至长江主航道及其支流最大浪高没有超过1.50 m;库水位145 m工况下,滑坡滑速为3.44 m/s,最大首浪高度5.73 m,对岸爬高10.65 m,传播至长江主航道及其支流最大浪高没有超过2.0 m。数学模型模拟结果较FAST数值模拟结果偏小。

基于角点特征分析的车辆排队长度检测方法

针对交通堵塞造成的各种状况,通过视频分析实现实时高效的车辆排队长度检测,从而获取更多的交通信息改善交通状况.本文通过传统的FAST角点检测方法与运动检测的过程相结合得到改进后的FAST算法,使用改进后的FAST角点特征分析技术,不仅可以提取出当前交通道路上表征车辆存在的角点特征图,还可以获取角点位置的运动状态.通过对交通监控下的视频进行预处理后,单一车道内处于静态的角点特征形成车辆排队,并进行PCA处理得到一维向量,最后对一维向量进行形态学处理来检测单一车道内的车辆排队长度.实验表明,本方法检测精度平均98%,满足应用于实际场景.