结合距离变换和隐层图词包的手绘图像检索方法

随着触屏设备的广泛普及,基于手绘的图像检索技术受到了越来越多的关注.针对HOG,SIFT,RST-HELO等传统图像描述子在基于手绘图像检索领域的局限性,提出一种基于卷积神经网络构建隐层图词包特征描述子的手绘图像检索方法.首先对数据库图像提取边缘概率图;其次在边缘概率图上计算Chamfer距离变换图像,通过对距离变换图像提取隐层图词包特征构建预分类检索.在Flickr15K数据集上对文中方法进行了实验,证明基于隐层图词包特征描述子的检索效果比RST-HELO等传统方法有了显著提高;从图像预处理和特征描述子两方面对SBIR进行了改进,实验结果表明,文中方法具有更高的准确率.

基于CAD模型的单目六自由度位姿测量

为实现单目摄像头对一般工业零件的六自由度位姿测量,研究了离线模板库自动建立,图像处理以及优化匹配3个方面的问题。首先,由STL文件格式的CAD文件建立不同观察方位下的匹配模板,定义了一种方便模板库调用并有图像意义的位姿描述参数。然后,对Chamfer Match方法进行改进,将距离映射图按边缘倾角分层,结合模板探索点的倾角进行匹配,在不增加运算量的情况下提升匹配度函数的灵敏性。最后,使用加入了退火算法的遗传算法进行最优搜索,从而提高匹配效率。实验结果表明:基于文中的方法完成一次位姿测量耗时在500ms以内,搜索可以获到正确的结果。在330mm观察距离上,平移误差和深度方向误差分别控制在1mm、2mm以内,转角误差为1°左右。得到的结果基本满足单目视觉六自由度位姿快速匹配自动测量的要求。

一种基于几何约束的轨道提取方法研究

针对基于Hough变换或螺旋曲线模型的视觉轨道检测方法存在的不足,本文提出了一种基于几何约束的轨道提取方法.该方法利用摄像机和轨道平面之间的成像关系近似满足单因矩阵的特点,利用逆透视映射(IPM)将输入图像转换为Bird-view图像,并采用一种改进的边缘检测方法进行边缘检测.然后将二值化的边缘图像在垂直方向上分割为多个区段,在每个区段上,利用先验知识生成的系列模板图像,对分段IPM图像进行去噪处理和Chamfer距离变换后进行距离匹配检测,将轨道检测转换为一个二维匹配搜索过程.在分段检测结果的基础上,进一步利用曲线拟合得到边缘图像中完整的轨道曲线方程.该曲线方程通过已知的单因矩阵转换为原始图像中的曲线描述,实现在原始图像中的检测和定位.实验验证了所提方法的可行性和可靠性.

基于GPU加速的快速图像相似区域查找

图像相似区域查找是很多图形图像应用中的关键问题,也是计算瓶颈。传统加速方法如ANN(Approximate Nearest Neighbor)处理较大图像区域时速度较慢,而且在非度量空间下不支持精确查找。提出基于GPU加速的图像相似区域并行查找的通用计算框架,该框架可以扩展,以支持任意距离函数。特别针对在图像处理中应用广泛的欧氏距离(度量空间)和Chamfer距离(非度量空间)分别提出了基于CUDA的高效相似区域查找算法,比较完备地给出了相似性计算在不同度量空间下的实现。进一步,在设计具体的CUDA加速算法中,结合不同距离计算的特点对并行计算过程进行优化。该方法采用穷举的查找策略,在欧氏距离和Chamfer距离下都能实现精确查找,且大大提高了计算效率。实验结果表明,加速算法在准确查找的基础上执行速度比传统加速方法提升了一至二个数量级,且应用于纹理合成的实例表明,算法可以快速合成高质量的纹理。

基于模板和GVF蛇形步态轮廓提取

提出了一种基于模板和改进的gradient vector flow(GVF)分割方法。该方法先手工建立初始化模板,利用初始化模板和分割对象的周期性线性匹配,并基于Chamfer距离寻找最佳匹配模板;把该最优模板轮廓作为改进GVF的初始轮廓,再使用改进的GVF算法分割出对象。该算法仅需建立一次初始化模板,以后具有通用性,而且对于阴影和背景影响有较好的分割效果。对加利福尼亚大学步态数据库研究显示了该方法的有效性。

基于GPU加速的保结构纹理合成

提出一种基于Chamfer距离的保结构纹理合成方法。使用Chamfer距离度量纹理结构特征的相似度,在查找匹配块的同时计算纹理在颜色空间和结构特征空间的匹配度,从而解决以往纹理合成中有显著结构特征的纹理容易出现不连续的问题。但是Chamfer距离的计算量很大,而且随着纹理合成图分辨率的提高,计算成本会变得相当高昂以至于难以负担。因此,提出了基于GPU加速的保结构纹理合成方法,通过并行查找匹配块提高合成效率。实验证明本方法既提高了结构纹理的合成质量,又使得保结构纹理方法的合成速度大大提高,且与纹理合成图的分辨率无关。

基于栅格粒子滤波的人体头肩三维姿态估计

为了实现单目视频中人体头部和肩部位置的自动跟踪,并估算出人体头肩部的三维姿态.提出了一种新的基于头-肩三维模型的栅格粒子滤波方法,使用Chamfer距离进行边缘相似性度量.算法使用一个预先生成的离散化的栅格状态空间,在每一个时间步将该状态空间的一个较小的子空间作为粒子的搜索空间,有效地限制了所用粒子数量,提高了粒子滤波过程的执行效率.由于三维信息的缺失,单目视频中人体三维姿态估计一直是一个难点问题.而实验结果表明,本方法能够有效并准确地估计出人体头肩部的三维姿态,为人体姿态分析和行为理解的研究提供了一个新的基础.

FPGA图像动态优化跟踪系统

本文提出一种软、硬件相结合的图像动态优化系统用来提高图像处理和目标检测速度。利用FPGA硬件加速实现边缘分层距离图算法;在上位机中利用模板匹配和遗传算法(GA)进行优化搜索。实验结果表明:在图像分辨率为640*480的情况下,完成一次图像处理和识别(定位目标位置、姿态3自由度)的总时间小于35ms,基本满足高效实时的跟踪要求。

结合形状约束的Graph Cut行人分割

传统的Graph Cut算法没有对目标的形状予以限制,很难得到语义化的分割结果,即无法保证分割出来的是"行人"。针对该问题提出一种结合形状和底层特征的Graph Cut算法。对于行人分割,用大量真实行人轮廓来表达"行人"的先验形状,对Graph Cut分割算法予以约束,同时构建一个行人模板的层次树以减少匹配时间;并且提出一种区分性的外观模型来替换原来的外观模型。实验结果证明,该算法的分割结果明显优于传统Graph Cut算法的分割结果,所得到的轮廓与真实的行人轮廓比较吻合。

面向工业零件的机器人单目立体匹配与抓取

为实现通用性强、快速、准确的工业机器人6自由度零件抓取,提出了一种基于单目视觉引导的零件3维抓取方法.首先,采用按倾角分层的Chamfer距离匹配算法建立图像与待匹配模板的相似度函数,并运用爬山法局部优化的遗传算法搜索最优匹配结果;然后,通过CAD(计算机辅助设计)模型建立离线3D模板库,将匹配算法拓展到适用于复杂结构零件的空间6自由度位姿检测;最后,由各坐标系间的矩阵转换和系统标定得到机器人的抓取信息,从而实现零件的3维抓取.实验结果表明,优化后的位姿检测算法在匹配速度和准确性上均有所提升,且基于该检测算法的机器人3维抓取实验的位置误差在2 mm以内、转角误差在2?以内,可用于工业智能机器人的零件抓取.

基于遗传算法与模型投影的三维物体匹配

基于遗传算法与模型投影的三维物体匹配,实际上是三维参考模型投影参数的搜索和优化过程。本文采用粗细层次结合的策略,即先基于模型外轮廓,再进行整体边缘匹配的方法,使模型参数在优化过程中迅速得到正确的初始值,提高遗传算法优化的效率。相似度评价函数采用3-4Chamfer距离变换,提出使用距离变换的标记图方法建立目标图像边缘点与其距离图的对应关系,降低噪点的影响,目标图像的特征也可以通过对应关系在匹配过程中被引用。实验结果显示本文方法在三维物体匹配中的有效性。

基于显著性图的点云替换对抗攻击

目的传统针对对抗攻击的研究通常集中于2维图像领域,而对3维物体进行修改会直接影响该物体的3维特性,生成令人无法察觉的扰动是十分困难的,因此针对3维点云数据的对抗攻击研究并不多。点云对抗样本,如点云物体分类、点云物体分割等的深度神经网络通常容易受到攻击,致使网络做出错误判断。因此,提出一种基于显著性图的点云替换对抗攻击方法。方法由于现有点云分类网络通常需要获取点云模型中的关键点,该方法通过将点移动到点云中心计算点的显著性值,从而构建点云显著性图,选择具有最高显著性值的采样点集作为关键点集,以确保对网络分类结果造成更大的影响;利用Chamfer距离衡量点云模型之间的差异性,并选择与点云模型库中具有最近Chamfer距离的模型关键点集进行替换,从而实现最小化点云扰动并使得人眼难以察觉。结果使用ModelNet40数据集,分别在点云分类网络Point Net和Point Net++上进行对比实验。在Point Net网络上,对比FGSM(fast gradient sign method)、I-FGSM(iterative fast gradient sign method)和JSMA(Jacobian-based saliency map attack)方法,本文方法攻击成功率分别提高38.6%、7.3%和41%;若扰动100个采样点,本文方法将使网络准确率下降到6.2%。在Point Net++网络上,对比FGSM和JSMA,本文方法的攻击成功率分别提高58.6%和85.3%;若扰动100个采样点,本文方法将使网络准确率下降到12.8%。结论本文提出的点云对抗攻击方法,不仅考虑到对抗攻击的效率,而且考虑了对抗样本的不可察觉性,能够高效攻击主流的点云深度神经网络。