改进随机样本一致性算法的弯曲果园道路检测

果园道路检测的目的是为农业采摘机器人鲁棒实时地规划出合适的行走路径,因果园环境的复杂性,例如光照变化、杂草和落叶遮挡等因素的影响造成视觉检测算法鲁棒性差,为此提出融合边缘提取和改进随机样本一致性的弯曲果园道路检测方法。首先,根据果园道路的颜色分布特征和几何形状特征,使用有限差分算子提取图像边缘,再使用灰度值对比度约束和霍夫直线检测去除噪声,实现道路边缘点提取。然后,提出多项式函数描述直线和弯曲道路,使用改进的随机样本一致性算法和线性最小二乘法拟合道路边缘点,以估计多项式函数的参数,实现果园道路检测。在华南农业大学果园采集240张道路图像作为试验对象。试验表明:在光照变化、阴影和遮挡背景的影响下,该方法能有效地提取果园道路边缘点,并能正确地拟合道路以实现道路检测,平均正确检测率为89.1%,平均检测时间为0.2639 s,能够满足视觉导航系统的要求。该研究为农业采摘机器人的视觉导航的鲁棒性和实时性提供指导。

圆形特征筛选耦合随机样本的图像真伪决策

为降低当前图像伪造检测算法的复杂度并提高其检测精度,提出一种圆形特征筛选机制耦合随机样本一致性优化的快速图像真伪决策算法。将检测图像划分为大小一致的子块,进行DCT变换,获得每个图像块的DCT系数,利用DCT系数来表示图像块;构建圆形特征筛选机制,将每个图像块中的DCT低频系数提取出来,降低每个子块的特征维度;引入字典排序机制,对每个特征向量进行排序,利用先验阈值对特征进行匹配;引入随机样本一致性优化策略,对特征匹配进行提纯,降低图像块的误匹配率,对图像真伪完成决策判断。实验结果表明,与当前图像伪造检测算法相比,该算法具有更高的检测精度和更低的误检率,检测效率更高。

SURF与RANSAC算法结合的图像跟踪方法

针对实时跟踪过程中提高特征点匹配的准确性和稳定性问题,提出一种将SURF算法与RANSAC算法相结合实现图像的实时匹配与跟踪的方法。基于SURF算法进行特征点检测;利用欧氏距离进行特征点粗匹配;基于RANSAC算法剔除误匹配点,并进一步根据匹配特征点分布的几何特性进行优化筛选;利用获取的正确的匹配点对求解单应性矩阵,得到两幅待配准图像之间的映射关系,从而实现图像的实时匹配与跟踪。实验结果表明,在不同实验条件下,包括旋转、缩放、局部遮挡和局部光照增强或减弱等,改进算法均能够在目标区域内寻找到基准图像,并进行实时跟踪,且具有很好的准确性和稳定性。

基于扩张块的建筑图像伪造检测

为减少图像伪造检测的计算复杂度并提高精度,设计基于扩展块与随机样本一致性的建筑图像伪造检测方案。利用建筑图像轮廓,通过块扩展技术提取建筑图像特征;将图像划分为相同尺寸的重叠块,提取每个块的显著特征;根据得到的特征对块进行分组,将组中相邻3个块组合成一个储存区;通过构建一个连接矩阵,将不符合要求的子块删除;从储存区剩余的块中,计算块的总面积,检测伪造子块;引入RANSCA(random sample consensus algorithm),对匹配结果进行优化。实验结果表明,与当前图像伪造检测方案相比,提出的方案的精度与效率更高,对模糊、噪声、JPEG压缩等伪造具有更强的检测性能。

基于极性复指数变换的图像伪造检测算法

为解决当前图像伪造检测方法在识别复制内容区域时忽略了颜色信息和不同颜色分量之间的相关性,使其对伪造内容的定位与检测准确度不理想的问题,设计了基于改进的加速稳健特征(SURF)描述符与多元极性复指数变换的图像伪造检测算法。引入高斯低通滤波器,对彩色图像完成过滤,以消除噪声,再计算滤波图像的颜色不变性,用其替代SURF描述符中的灰度分量,对SURF方法予以改进,获取新的Hessian矩阵,充分检测彩色图像中的兴趣点;随后,利用这些兴趣点来构建一组连通的Delaunay三角网。基于四元极性复指数变换,充分考虑不同颜色分量之间的相关性,有效提取三角网的局部视觉特征;计算视觉特征之间的欧式距离,根据预设阈值,对三角网实施配准;最后,引入随机样本一致性,剔除错误匹配的三角网,并定义后处理方法,检测出复制伪造区域。测试数据显示:相对已有的复制-粘贴伪造检测方法,在多种几何变换条件下,所提方法具有更高的伪造检测准确性。

指数矩耦合局部敏感哈希的图像伪造检测算法

为了解决图像伪造检测算法在定位篡改内容时忽略了不同颜色分量之间的关系,使其对图像特征描述不足,导致其识别结果中存在误检与漏检等情况,本文提出了基于多元指数矩与欧式局部敏感哈希的图像伪造检测算法。引入高斯低通滤波,消除可疑图像中的噪声;随后,将滤波图像分割为一系列的重叠圆形子块,改善其对旋转等内容操作的鲁棒性;基于四元指数矩(QEM),计算每个圆形子块的QEM,以提取相应的鲁棒特征,将其组合成特征矢量;采用欧式局部敏感哈希机制,生成每个子块对应的哈希序列;计算任意两个相邻哈希元素之间的空间距离,通过与预设阈值比较,完成所有子块的匹配;最后,借助随机样本一致性方法来剔除错误匹配,通过形态学处理,定位出篡改内容。实验数据显示:较已有的伪造检测方法而言,在各种几何内容修改下,所提算法具有更高的伪造检测准确性。

基于肺部CT影像的针道识别关键技术研究

为了获得CT引导的肺部近距离放射治疗术中实际针道位置并且辅助术中顺利进行剂量优化步骤,本文提出了一种自动针道重建算法.基于预检验模型参数评估技术、局部随机样本一致性(RANSAC)算法与主成分分析(PCA)法相结合的局部优化算法,所提出的改进的RANSAC算法能够快速、精确、稳定地将针轴提取出来.相较于传统的RANSAC算法,本文首先运用预检验技术加速了传统算法的迭代过程,以便于提高整体拾取效率;其次为了解决传统算法拾取精度较差的问题,先通过局部随机样本一致性算法获得一个近似较优解,而后利用PCA法最小化所有局内点的误差以得到最终的最优解.针尖点的具体位置可以通过搜索针轴方向灰度的变化而确定.此外,同一张切片上的多根针通过连续局内点删除算法能够一次性被分割出来.模拟数据结果表明,改进后算法的分割精度要明显高于传统的RANSAC算法所得的结果,并且随着局内点占比下降拾取时间并没有发生较大的上升.此外,本文的算法也在实际的肺部近距离放射治疗图像中得到了验证,实际病例实验中以手动分割的结果作为算法所得的结果的参照物.实验结果表明,针轴方向和针尖点的平均误差分别被控制在1.4°和0.85 mm以内,且平均每根针的分割时间为0.238 s.

基于多区域RANSAC的地面点云提取算法

本文针对随机样本一致性(random sample consensus,RANSAC)算法提取地面算法的不稳定性,提出一种基于多区域稳定的点云路面提取算法。该方法以RANSAC结合最小二乘为基础,通过将点云数据划分为多个区域,进行逐区域的地面点云提取,以此来提高地面提取的稳定性。首先将激点云进行多区域分割,接着对每个小区域进行RANSAC拟合地面点云的同时,用最小二乘加快拟合速度。实验采用KITTI[1]官网的三维目标检测的点云数据集。实验表明,本文提出的方法相比传统的RANSAC算法,有效提高地面点云提取的稳定性。

野外大视场双目像机外参数自标定方法

针对野外大视场双目像机外参数标定困难的情况,提出利用无人机携带标志作为场景点进行现场外参数自标定的方法。通过控制无人机在双目像机大视场范围内飞行,利用双目像机对无人机拍摄并跟踪,无人机的位置可作为动态场景点进行外参数标定,该方法易满足动态场景点在大视场中均匀散布的要求;同时针对图像同名点对存在野值点以及优化算法容易收敛到局部最优解的问题,采用了图割优化方法进行野值点剔除,并通过全局最优解方法进行外参数精确求解。对比验证实验表明,该方法的标定精度优于传统方法,能够有效解决野外大视场双目像机外参数标定难题。