计算机视觉在交通监控中的应用

本文介绍了交通监控系统的发展,叙述了一般交通监控系统的组成和功能,实现了计算机视觉在交通监控中的应用如车辆检测、车辆速度检测、统计车辆数目、车辆分类等,并指出了未来交通监控系统的发展方向。

计算机视觉技术在工业领域中的应用

分析了计算机视觉研究中的某些问题 ,如计算机视觉的理论基础、它和人类视觉的差异及与其相关的领域。综述了计算机视觉在工业领域中的应用。介绍了工业视觉系统的组成、特点和性能指标 ,并指出了工业视觉系统的发展方向。

机器视觉在服装尺寸自动测量中的应用

利用机器视觉技术精确地提取服装图像的轮廓边缘和确定图像拐点位置,采用快速模糊边缘检测算法和有效的基于Freeman链码的拐角点检测算法,准确地检测图像的边缘和图像上的拐点。并具有实现简单,处理速度快,鲁棒性强的特点。

动态图像序列中的运动目标检测

根据动态图像序列中背景因成像过程中各种因素而产生变化所存在的复杂性 ,提出了自适应的前景目标检测方法。首先 ,建立图像每一像素点的高斯分布模型 ,并根据序列中的当前帧及历史帧信息自适应地调整模型的参数。然后 ,结合图像帧间的差分信息以及灰度分布的先验概率等因素将图像从空间域映射至统计域。最后 ,在统计域中对前景目标进行鲁棒分割。实验的结果反映了该方法的有效性。

基于模糊熵及遗传算法的图像增强技术

针对农业图像中的不确定因素 ,提出用模糊熵的方法对农业图像进行增强。在 Zadeh的模糊熵的基础上 ,根据农业图像的特点提出了一种新的模糊熵 ,并用遗传算法确定模糊隶属度函数中的参数。实验结果表明 。

基于遗传算法聚类的车辆跟踪

运动车辆的跟踪技术已成为目前计算机视觉研究的一个焦点问题。均值聚类和滤波预测跟踪方法常用于基于区域分割的运动车辆跟踪,但c均值聚类对初始聚类中心非常敏感,用遗传算法克服均值聚类对初始聚类中心的依赖性,遗传算法聚类数目由α-β-γ滤波的预测值确定。序列图像中帧间信息融合实现当前帧图像运动区域与信息链中的车辆关联,从而正确区分新车驶入和虚警现象。实验中有效、鲁棒地获得车辆在当前帧图像的位移等运动参数。

Computer vision technology in log volume inspection

Log volume inspection is very important in forestry research and paper making engineering. This paper proposed a novel approach based on computer vision technology to cope with log volume inspection. The needed hardware system was analyzed and the details of the inspection algorithms were given. A fuzzy entropy based on image enhancement algorithm was presented for enhancing the image of the cross-section of log. In many practical applications the cross-section is often partially invisible, and this is the major obstacle for correct inspection. To solve this problem, a robust Hausdorff distance method was proposed to recover the whole cross-section. Experiment results showed that this method was efficient.

基于C均值聚类及α-β-γ滤波的多目标跟踪

序列图像中的多运动目标跟踪是计算机视觉研究中的重要问题。文章研究了基于区域分析的多运动目标跟踪方法。为了解决区域聚类数目不确定性给均值聚类分析带来的难点 ,文章提出了用α -β -γ滤波的方法预测下一帧运动目标的聚类中心 ,有效地克服了初始聚类中心点难以选择的问题。实验结果证明了文章方法的有效性。

基于运动区域的多目标检测

运动目标的检测在天文观测、气象分析、安全监视、交通管制等许多领域有着广泛的应用 ,它是机器视觉研究的重要课题。本文提出了基于运动区域的多目标检测方法 ,有效地解决了同一运动目标在序列图像中“远小近大”的问题 ,运用运动区域正确地检测出运动目标在序列图像中的位置。

图像序列中基于交叉熵的运动区域检测

图像序列中的运动区域的正确检测是一个相当重要但又非常困难的问题。采用了自适应的背景模型,并用交叉熵对差分图像阈值化,从而使分割出的运动区域更加正确。试验结果表明了本方法的有效性和鲁棒性。

基于模糊熵聚类和Kalman滤波的区域跟踪

目前 ,运动目标跟踪是计算机视觉领域中最活跃的研究课题之一。本研究提出了基于模糊熵聚类和Kalman滤波预测的区域跟踪方法 ,用Kalman滤波的预测值作为下一帧图像运动区域的聚类中心 ,从而减少了迭代次数 ,加强了跟踪的实时性。算法有效地利用了计算机视觉技术从图像序列中检测出运动区域 ,并获得了运动目标的轨迹 ,统计了运动目标的数目。

基于动态图像序列的下肢运动参数测量

针对人体下肢运动参数的检测问题 ,提出了基于动态图像序列的下肢运动测量方法。首先对成像系统进行了分析 ,然后根据所得到的图像序列 ,提出了图像帧间特征点的对应、下肢的运动及结构参数估计等问题的处理方法。实验结果反映了该方法的有效性。

基于熵的运动目标检测

目前.运动目标的检测是计算机视觉领域中最活跃的研究主题之一。本文介绍了光流法、帧间差分等运动目标的检测方法,提出了一种基于熵的运动目标检测方法,实验结果表明了该方法的鲁棒性和有效性。

基于动态图像序列的运动目标跟踪

介绍了运动目标跟踪中基于特征、 3 D、变形模型和区域的 4种跟踪方法 ,着重分析了变形模型中Snake的跳跃模型跟踪方法和基于区域的几个有代表性的跟踪方法 ,说明了其在智能交通监控中的应用 ,并给出了区域跟踪的实验结果。

单目图像序列中基于正则化的局部三维非刚体运动估计

通过局部的三维非刚体运动估计进而达到全局估计结果是三维非刚体运动估计中的重要方法。本文提出了在单目图像序列中利用正则化的手段解决局部的三维非刚体运动估计。首先,在帧间特征点匹配已确立的前提下,利用仿射运动模型并结合中心投影方式提出了运动估计的最小二乘模型;然后针对三维运动估计的不适定性提出了正则化的运动估计方法,以正则化的形式融入运动的先验知识,使运动估计的结果更具鲁棒性;最后利用Levenberg-Marquart方法实现运动参数的求解。仿真图像序列的实验反映了本文方法的有效性。

基于遗传算法的指数熵在车辆运动检测中的应用

运动车辆的正确检测是车辆跟踪的前提,是车辆运动分析的一个重点和难点。由于交通场景中背景的动态变化,人工确定动态图像序列中差分图像二值化的阈值显然得不到好的分割结果,提出了基于遗传算法的指数熵的动态阈值更新方法,从而鲁棒地检测出动态图像序列中的运动车辆。

基于肤色平滑度的人脸分割

人脸检测具有非常重要的现实意义.在进行人脸检测时,人们通常将注意力集中在眼、鼻、口等具有显著特征的核心区域,而忽略人脸面部、额头肤色是比较的平滑的这一特征.针对这点,本文提出肤色平滑度的概念,并利用这一概念和HSV颜色模型对图像进行分割.实验表明,本文的基于肤色平滑度的分割方法,能方便快速有效地分割出处于各种旋转角度、各种光照条件、各种颜色背景下的人脸.

基于多微机分布式控制系统结构的彩扩机设计

介绍一种基于多微机分布式控制系统结构的彩扩机设计方案。概述了系统的硬件设计原理,各模块的基本功能,以及通信程序、液晶显示程序和测温程序的设计。