基于标准互相关函数的经验模态分解端点效应处理方法

在经验模态分解(Empirical mode decomposition,EMD)过程中由于信号端点处极值点的不确定,导致信号上下包络线拟合过程中存在端点效应,使得EMD的分解结果严重失真。在分析现有处理方法的基础上,提出一种基于标准互相关函数的包络线拟合法。该方法以标准互相关函数为判定依据,每次分解时在信号上下包络线内部分别寻找一段与端点处包络线波形最相似、幅值差异最小的波形,用此段波形代替产生端点效应的包络线进行迭代,实现端点处包络线与原信号包络线边界处的光滑过度,减小端点处包络线的拟合误差。通过仿真和油膜涡动试验表明该算法可以有效解决端点效应问题,具有较高的分解精度,同时对模态混叠现象也有一定的抑制作用,与其他几种常见算法相比具有算法简单、易于实现的特点。

基于标准互相关函数的图像分辨率自动标定方法

理想规则图像特征经标准互相关函数匹配后,相似函数C*(x)可用确定的解析式Z(x)表达。但是对于含噪声图像,相似函数C(x)较之C*(x)发生了变化,但存在"零相似不变性"。将此原理应与于显微视觉中图像物面分辨率的在线标定,推导了矩形图像特征的一维相似函数解析式Z(x);求解C(x)=0作为Z(x)的近似,并给出了具体标定算法;通过仿真图像实验,给出标定算法的正确度在0.1～0.2pixel;最后,将标定算法应用于可连续变焦的微对准装配系统,实测算法的精密度可达为0.08pixel。实验结果表明,基于"零相似不变性"的标定算法是具有实用性的亚像素标定方法。

基于标准互相关算子的直线图像特征快速测量方法

直线图像特征在实际中应用很多,且多数情况下要求对其快速测量。传统标准互相关算子（NCCO）匹配方法计算量大、速度较慢。分析了NCCO匹配搜索方法的本质,以图像特征概率分布的形式给出了NCCO在二值图像匹配下的相似函数计算式。通过设计特殊模板,并利用直线特征的自身特点,从原理上推导并证明了求解直线型图像特征参数的计算公式,据此提出直线型图像特征的快速测量方法。中等噪声强度的仿真图像实验结果表明,直线特征倾角α的测量正确度在0.24°~0.98°。最后,将测量算法应用于微对准装配系统中标记图像的粗定位,实测该算法在实时性上要远优于传统模板匹配方法,甚至高于传统拟合方法约2.5倍。

基于级联滤波的交通信号灯识别方法

提出了基于智能车辆中车载摄像头的交通信号灯检测与识别方法.通过对已有交通信号灯图像进行训练及采用色彩分割的方法而提取候选区域;将候选区域作为输入,提出了基于级联滤波的候选区域分类方法;同时,采用标准互相关模板匹配法对级联滤波后的候选区域交通信号灯进行验证.真实环境下的实验结果表明,所提出方法在复杂的城市环境中对于智能车辆的交通信号灯识别的有效性和实时性较高.

高效的图模型点模式匹配算法

点模式匹配的概率图模型具有很好的匹配精度,但是计算复杂度较高,当隔离子中包含异常点(outlier)时匹配精度会受到较大的影响。为了提高匹配的速度和精度,提出了一种由粗到精的图模型点模式匹配算法。利用包含特征点的窗口,用标准化互相关方法对特征点进行粗匹配,以减少异常点的数量,提高后续匹配方法的速度和精度。提出了一种新的点模式匹配的概率图模型,这种图模型能综合利用特征点的位置信息和包含特征点的邻域的灰度信息。利用提出的概率图匹配方法对粗匹配所得到的点对进行分段匹配,得到精确的匹配结果。对光学图像和遥感图像的匹配实验显示该方法能显著减少点模式匹配时间,提高匹配的精度。

捕捉与提取影像片断中的人物动作

该文详细分析了运用自适应最小二乘法捕捉和提取影像中人物动作行为的实验过程。并通过实验总结出线性预测,迭代调整,恢复丢失特征点等方法,并对自适应最小二乘法进行了改进。实验结果已经应用于新加坡南洋理工大学对影像中的个体动作进行动画复原的项目中,对于其它图像处理应用领域也有广阔的应用前景。