基于边缘引导约束的高分辨率遥感影像海岸线提取

针对海岸线的影像特征,提出一种基于边缘引导约束的海岸线提取方法。该方法是在遥感影像进行中值滤波处理,去除噪声的基础上,通过交互方式对遥感影像进行灰度拉伸,以增强海岸线特征;再利用梯度算子卷积运算得到梯度影像;然后通过边缘像素点和灰度差阈值引导种子点进行生长,进而提取包括滩涂在内的水域或其他地物;最后通过轮廓跟踪提取生长区域的边界,即海岸线。试验表明,该方法可准确提取出海岸线位置,效果较好。

基于蒙特卡洛仿真的水下四点单目测距研究

水下光通信系统在工作时需要及时获取与接收端的距离信息并进行高速通信。文章提出在水下蓝绿激光通信系统中加入单目测距功能,实现短距离视觉测距和长距离激光测距的水下光通信测距一体化研究。使用蒙特卡洛方法进行仿真,建立激光信号水下信道传输模型,模拟不同目标尺寸、不同距离和不同水质下的水下激光光斑图片,分析以上3种因素对水下单目测距精度的影响。考虑仿真图片光斑弥散和对比度降低对测距精度的影响,文章针对性地提出了一种对水下小尺寸光源目标、结合图像增强和Zernike矩亚像素点边缘检测的单目测距算法以提高单目测距算法的精度。通过实验室水池实验验证,文章所提算法精度达到了使用要求。

混合特征与颜色矢量角度的图像哈希认证算法

为了解决当前图像哈希技术主要利用其灰度信息来生成哈希序列,忽略了图像的色彩特征,使其对感知鲁棒性与篡改检测能力不佳的问题,通过提取彩色图像的颜色信息与角度特征,设计了混合特征与颜色矢量角度的鲁棒彩色图像哈希算法。首先,引入线性插值与高斯低通滤波器,对初始图像完成预处理,增强哈希序列的对缩放、噪声等内容保留操作的鲁棒性;随后,将滤波图像分割为一系列的非重叠子块,利用奇异值分解方法处理每个子块,获取二次图像,改善其对旋转的鲁棒性;再计算二次图像的颜色矢量角度,通过设计两个鲁棒特征提取方法,确定显著性边缘像素点,获取图像的感知特征;通过将提取的两个特征进行组合,形成混合特征,利用量化方法,输出新的特征序列;并基于Logistic映射,设计加密机制,对混合特征进行混淆,获取鲁棒哈希序列。最后,利用Hamming距离,对图像内容的真伪进行检测。实验结果表明:与当前哈希技术相比,所提算法具备更高的鲁棒性与篡改检测精度。

基于双目视觉的管路位姿测量

针对管路位姿测量过程中管路的无纹理、少特征等难点,提出一种基于双目视觉的管路位姿精确测量方法。首先利用双目视觉原理从二维图像中计算管路的初始位姿;然后利用基于边缘像素点的位姿优化算法建立3D-2D的投影映射关系,通过优化边缘像素点到投影模型边缘的距离,对投影模型边缘和图像边缘进行拟合,从而优化管路初始位姿。本算法仅在投影模型边缘的一定区域内选取具有高灰度值梯度的像素点,从而增强算法的鲁棒性并提高计算效率。测量实验表明,该方法测量精度较高、操作简单、测量时间只需2 s^3 s,可有效提高管路位姿的测量精度及效率,满足工业应用需求。

面向近眼式应用的快速瞳孔中心定位算法

针对Hough圆变换、最小二乘法椭圆拟合瞳孔中心定位算法中运算量大的问题,提出一种基于椭圆外切矩形的快速瞳孔中心定位算法。该算法从人眼图像中通过阈值分割得到瞳孔区域,对瞳孔区域进行边缘像素点的提取,然后利用椭圆外切矩形模型定位出瞳孔中心。通过Matlab对中国科学院自动化研究所公开的虹膜数据库中756张人眼图像进行遍历实验验证,所提算法定位准确率为98.3%,平均用时0.192 s。在同等条件下,与Hough圆变换、最小二乘法椭圆拟合算法进行对比,在保证定位准确率的同时,所提算法平均用时更少。实验结果表明,所提算法能够快速准确地完成瞳孔的中心定位。

双目避障系统在桥式起重机上的应用

由于桥式起重机的运行需要操控者和指挥者密切配合,同时受到环境因素制约,当前关于桥式起重机的安全事故较多,产生了较大的生命和财产损失。针对如何降低桥式起重机安全事故频发的问题,基于双目视觉避障系统,为桥式起重机设计了一种自动避障方式。首先,系统建立三维虚拟网格环境。其次,通过双目摄像头采集桥式起重机运行环境中全部物体的边缘像素点,并将其在三维虚拟网格环境中表示出来并实时更迭。最后,通过事先设定好的安全值,使系统计算出桥式起重机和目标物与障碍物之间的距离,之后作出判断,确定是否要对操控者发出危险指令。针对安全距离的问题,设置了安全距离R_(0),使系统能够根据现场实时数据计算桥式起重机和目标物与障碍物之间的距离R_(1),若R_(1)>R_(0),则系统不发出危险指令,反之则系统发出危险指令,提醒操控者可能会出现危险;若操控者未及时作出有效处理,当R_(1)≤0.5R_(0)时,则避障系统会立即对桥式起重机进行制动处理。

改进的梯度阈值图像清晰度评价算法

数字图像技术实现自动对焦的关键步骤是有效的图像清晰度评价。针对传统的灰度梯度算法抗噪性差和实时性低的问题,提出一种改进的清晰度评价算法。首先通过OSTU方法和全局方差计算出图像自适应分割阈值;然后比较自适应分割阈值和图像像素点局部方差以提取整幅图像中的边缘像素点;最后考虑人眼视觉特性,采用多方向的Tenengrad算子对图像进行评价运算,将图像中边缘像素点的评价运算值进行叠加,得到图像的清晰度量化值。为了衡量改进算法的性能,将其与传统的灰度梯度算法进行比较。实验结果表明,与传统的灰度梯度算法相比,所提算法具有实时性高、灵敏度强且抗噪能力好的优点。