基于联合仿射不变弧长的目标轮廓起始点配准

提出了一种仿射不变的快速目标轮廓起始点配准算法,为实现快速目标识别开辟了新的思路.该算法利用基于轮廓曲率和轮廓包围面积的两种仿射不变弧长引出特征描述函数,通过其极值点的幅值和相对位置关系引出幅值误差和相对位置误差并结合二者构造出评价函数.通过循环比对和位置临近对应原则找到使评价函数最小的目标轮廓位置点即为配准的起始点.大量实验结果表明该算法具有高起始点配准率、高抗噪能力和低时间复杂度.     

基于分段轮廓平滑的目标识别

提出了一种基于分段轮廓平滑的目标识别算法.首先通过曲率将轮廓划分为特征区域和非特征区域|然后在不同区域内分别采用不同方差的高斯函数进行轮廓平滑;最后采用基于仿射不变矩的目标识别算法对平滑后的目标轮廓进行识别.结果表明,该算法不仅取得了更好的轮廓平滑效果,而且在强噪音条件下能够显著提高识别准确率.     

基于分段轮廓平滑的目标识别

提出了一种基于分段轮廓平滑的目标识别算法.首先通过曲率将轮廓划分为特征区域和非特征区域;然后在不同区域内分别采用不同方差的高斯函数进行轮廓平滑;最后采用基于仿射不变矩的目标识别算法对平滑后的目标轮廓进行识别.结果表明,该算法不仅取得了更好的轮廓平滑效果,而且在强噪音条件下能够显著提高识别准确率.     

利用统计特性进行医学图像配准效果定量评价

研究图像配准算法的客观效果评价。提出利用图像的统计特性,即均方根误差和交叉熵作为医学图像配准效果的定量评价指标,并以基于轮廓提取的图像配准算法和基于最大互信息的图像配准算法为例,就同一目标的两幅不同图像进行配准融合,对某一算法的配准效果、两种算法间的配准效果比较进行了初步的分析和评价。评价结果与理论分析结果、目视效果相吻合。统计特性法是一种客观和实用的对图像配准效果进行分析及评价的方法。     

基于快速仿射模板匹配和改进仿射迭代最近点算法的人脸稳健精确仿射配准

提出了一种仅基于单个模板的人脸仿射配准方法。首先,为了克服人脸仿射变换而产生的局部形变,引入颜色特征来平衡模板人脸和目标人脸之间的颜色相似性和形状错配率,进而提出了一种基于颜色特征的人脸粗搜索算法。接着,采用人脸粗搜索算法得到的仿射变换作为初始约束,建立上步仿射约束下的人脸形状精确配准算法。在算法的每一步迭代中,利用前一步迭代得到的仿射变换,建立最近点的对应关系,并利用前步仿射约束下的目标函数求解新的仿射变换。本文算法成功解决了旋转、缩放和噪声干扰情况下人脸形状难以配准的问题。与传统人脸仿射配准算法相比,本文算法有效提高了人脸仿射配准的稳健性和精确性。     

利用可变形Gabor小波特征模板实现目标跟踪

提出了利用贪心算法更新Gabor小波特征模板的方法 ,通过对误差函数最小化实现自适应修正目标特征点位置 .实验证明 ,当所跟踪目标的位置、角度、尺度等二维仿射参量发生变化时 ,可变形Gabor小波特征模板能够实现稳定的目标跟踪     

基于统计分析方法的同步移相干涉图位置配准

使用同步移相干涉仪重建波前相位时,需要对移相干涉图进行准确的位置配准和目标区域确定以保证重建精度和相位解缠绕算法的成功实施。提出一种基于统计分析方法的圆形域同步移相干涉图位置配准技术,对一组包含不同相位分布的干涉图按照对应像素位置进行方差分布函数计算;利用最大组间方差法完成阈值分割,从而分离出干涉图像的背景与目标区域,通过梯度运算检测出目标区域的轮廓;利用改进Hough变换算法估计出各个轮廓的绝对位置和半径参数。数值仿真结果表明,当轮廓半径大于64pixel时,该方法的配准精度可以达到0.5pixel。通过建立自参考同步移相干涉仪对该方法的可靠性与实用性进行实验验证。     

一种基于轮廓特征约束的飞机蒙皮配准方法

飞机蒙皮表面平缓、光滑、特征少,在使用迭代最近点进行数模配准时会产生错位、局部最小值等问题,因此提出了一种基于轮廓约束的蒙皮点云配准方法。首先定义一种新的三维轮廓Cκ特征点描述方法,并基于距离约束对初始Cκ特征点进行聚类和过滤,实现对蒙皮点云特征的精确描述。其次,基于距离的快速点特征直方图(FPFH-d)特征相似度约束,寻找点云和数模特征点的对应点对,实现蒙皮轮廓的初始配准。最终基于迭代最近点算法,融合Cκ特征描述的轮廓约束,实现蒙皮的精配准。利用斯坦福公共数据库点云对算法的速度和精度进行测试,与点快速直方图算法(FPFH-SAC-IA)相比,初始配准精度分别提高了48.47%和77.29%,速度分别提高了70.35%和97.08%,证明了Cκ特征点提取算法的普适性和有效性。基于以上算法,对飞机蒙皮测量数据进行实验验证,配准准确度达到了100%,在12 m~3范围内全局误差优于3.5 mm。该方法有效解决了蒙皮配准时的错位和局部最小值问题。     

基于似然函数最速下降的红外与可见光图像配准

为了实现红外与可见光图像的自动配准,提出了基于似然函数最速下降迭代的图像配准算法.该算法以图像边缘作为配准点特征,将异源图像配准转化为边缘点集配准.基于点集的高斯混合模型建立了边缘点集配准似然函数,以该函数作为目标函数,仿射变换参量作为优化变量,利用最速下降方法进行最优变换参量求解,从而实现边缘点集配准.同时,将多分辨率金字塔引入迭代配准框架下,实现了高分辨率图像配准的加速.实验结果表明:该算法精度高,运算速度快,可以很好地完成可见光与红外图像的自动配准.     

基于似然函数最速下降的红外与可见光图像配准

为了实现红外与可见光图像的自动配准,提出了基于似然函数最速下降迭代的图像配准算法.该算法以图像边缘作为配准点特征,将异源图像配准转化为边缘点集配准.基于点集的高斯混合模型建立了边缘点集配准似然函数,以该函数作为目标函数,仿射变换参量作为优化变量,利用最速下降方法进行最优变换参量求解,从而实现边缘点集配准.同时,将多分辨...     

基于单站地基望远镜的空间目标姿态估计方法

为实现从单站光测图像中估计出已知3D模型的空间目标姿态,利用Vega Prime提出了一种采用仿真图像进行相关度局部最优搜索的姿态估计方法,该方法无需建立2D-3D特征投影关系和大量的模型匹配库。首先,对输入图像进行图像预处理,获得目标原始图像。然后,利用Vega Prime加载目标3D模型生成仿真匹配图像,并进行图像预处理获得目标匹配图像,计算两幅图像相关度。最后,更新3D目标模型姿态,直至仿真匹配图像与目标原始图像的相关度值取得局部最优,输出目标模型姿态。仿真实验结果表明,采用本文所提方法的观测仿真图像姿态平均估计误差为3.85°,仿真原图可实现姿态准确估计,表明该方法是一种空间目标姿态估计的有效方法。     

应用于多视点视频编码的基于深度特征的图像区域分割与区域视差估计

基于多视点视图深度特征,提出一种通过简单块匹配运算划分多视点视图区域并估计区域视差的算法.首先基于深度对象的概念确定图像中具有不同深度的区域数量以及这些区域对应的区域视差,再根据误差最小化准则初步确定每个图像块所属区域.当区域中图像块数量小于某个阈值时,采用区域合并算法将该区域中的每个图像块合并到与它的视差最为接近的其它图像区域,通过迭代形成最终的有效图像区域划分.实验表明,该算法能够以图像块为基本单元有效地划分各深度层区域,并准确估计对应的区域视差.     

基于Mean-shift的灰度目标跟踪新算法

Mean-shift算法是一种非参数密度估计算法,可以实现快速的最优匹配,在目标的实时跟踪领域起着非常重要的作用。为了有效的将Mean-shift算法应用到灰度图像中,采用了以方向直方图建立目标模型的策略,提出了在灰度图像中以Mean-shift为核心的目标跟踪算法。实验结果表明,该算法具有不受光照条件影响的优点,在低对比度的情况下仍能实现稳定、实时的跟踪目标。     

A coarse-to-fine kernel matching approach for mean-shift based visual tracking

Mean shift is an efficient pattern match algorithm. It is widely used in visual tracking fields since it need not perform whole search in the image space. It employs gradient optimization method to reduce the time of feature matching and realize rapid object localization, and uses Bhattacharyya coefficient as the similarity measure between object template and candidate template. This thesis presents a mean shift algorithm based on coarse-to-fine search for the best kernel matching. This paper researches for object tracking with large motion area based on mean shift. To realize efficient tracking of such an object, we present a kernel matching method from coarseness to fine. If the motion areas of the object between two frames are very large and they are not overlapped in image space, then the traditional mean shift method can only obtain local optimal value by iterative computing in the old object window area, so the real tracking position cannot be obtained and the object tracking will be disabled. Our proposed algorithm can efficiently use a similarity measure function to realize the rough location of motion object, then use mean shift method to obtain the accurate local optimal value by iterative computing, which successfully realizes object tracking with large motion. Experimental results show its good performance in accuracy and speed when compared with background-weighted histogram algorithm in the literature.     

Design of Nonlinear Autoregressive Exogenous Model Based Intelligence Computing for Efficient State Estimation of Underwater Passive Target

In this study, an intelligent computing paradigm built on a nonlinear autoregressive exogenous (NARX) feedback neural network model with the strength of deep learning is presented for accurate state estimation of an underwater passive target. In underwater scenarios, real-time motion parameters of passive objects are usually extracted with nonlinear filtering techniques. In filtering algorithms, nonlinear passive measurements are associated with linear kinetics of the target, governing by state space methodology. To improve tracking accuracy, effective feature estimation and minimizing position error of dynamic passive objects, the strength of NARX based supervised learning is exploited. Dynamic artificial neural networks, which contain tapped delay lines, are suitable for predicting the future state of the underwater passive object. Neural networks-based intelligence computing is effectively applied for estimating the real-time actual state of a passive moving object, which follows a semi-curved path. Performance analysis of NARX based neural networks is evaluated for six different scenarios of standard deviation of white Gaussian measurement noise by following bearings only tracking phenomena. Root mean square error between estimated and real position of the passive target in rectangular coordinates is computed for evaluating the worth of the proposed NARX feedback neural network scheme. The Monte Carlo simulations are conducted and the results certify the capability of the intelligence computing over conventional nonlinear filtering algorithms such as spherical radial cubature Kalman filter and unscented Kalman filter for given state estimation model.     

Spatial Position Detection of Three-Dimensional Objects by Effective Three-Dimensional Correlation Based on Fourier Transform Profilometry

Spatial position detection of a three-dimensional (3D) object by a correlator based on Fourier transform profilometry is discussed. The presence of the 3D object and its precise spatial position can be recognized by the correlator using the position and phase of the correlation peak. The spatial position is obtained by the relative displacement from the position where the reference object is originally placed. The characteristic of the correlator with respect to the moving direction of a 3D object is experimentally verified. Effects of the baseline factor on 3D object recognition are also investigated.     

机器人头部的视觉跟踪系统研究

对运动目标进行识别和跟踪是机器人视觉的一项关键技术。提出了一种可以快速跟踪运动目标的系统设计方案,采用了双计算机处理和Memolink通信方式的机器人控制结构,以图像处理为基础,在图像经过校正之后,通过区域分割和目标识别两个步骤来确定目标的位置,并控制机器人对目标进行跟踪。实验表明,该方法具有较高的速度和准确性。     

旋转调制捷联惯导激光陀螺仪误差自补偿新方法

基于旋转调制的自补偿技术是进一步提高激光陀螺仪捷联惯导系统导航精度的有效方法。研究了旋转调制捷联惯导系统中的激光陀螺仪误差补偿方法。建立旋转式捷联惯导系统激光陀螺仪的误差传播方程,分析激光陀螺仪旋转误差效应及误差传播特性,在此基础上建立了调制策略编排目标函数;研究了双轴交替旋转调制模式下的调制策略编排方案,提出了一种改进的16次序双轴交替旋转调制方法,建立了基于双轴转动角速度的动态误差方程,实现了转动过程中激光陀螺仪的常值项误差、标度因数误差、安装误差的有效补偿,进一步抑制速度误差积累所引起的位置误差。仿真结果验证了该方法的有效性,提高了捷联惯导系统导航精度,可为旋转调制光学捷联惯导系统设计提供理论参考。     

基于频散特征的单水听器模式特征提取及距离深度估计研究

针对浅海环境中低频宽带水声脉冲信号, 研究基于频散特征结合时频分析的单水听器距离和深度估计方法. 以简正波理论为依据, 将单水听器上的接收信号表示成一系列传播模式之和的形式, 分析了经典波导环境下的频散现象, 采用自适应径向高斯核函数的时频分析方法来表征接收信号的频散特征. 为提高时频分辨率, 采用自适应径向高斯核函数的时频分布来提取频散关系曲线中传播模式的到达时间差, 利用模式的到达时间差估计声源的距离. 采用多模式联合匹配的方式, 通过二值掩模滤波的时频滤波方法, 提取所需的模式. 通过计算实际提取出的模式能量与预测的模式能量之间的误差, 建立代价函数, 并通过模式能量匹配的方式, 确定声源的深度. 通过对基于Pekeris波导模型的浅海环境进行仿真验证, 结果表明: 自适应径向高斯核函数的时频分析方法能够很好地反映信号本身的频散特征, 具有较高的时频分辨率, 克服了传统短时傅里叶变换时频表征的限制, 使得模式在时频域更加容易辨识和分离; 从测距效果来看, 不同模式组合下的距离估计结果不同, 采用在时频面上具有较高能量的模式, 可得到较为准确的距离估计; 选用高能量的模式所得的距离估计的相对误差小于2%. 在定深方面, 参与联合匹配的模式个数越多, 代价函数的峰值更加地尖锐, 同时具有低的伪峰, 深度估计的性能会进一步有所提升. 该工作对于研究低频水声脉冲信号的分离和提取具有重大意义. 关键词： 频散信道 时频分析 单水听器 定位     

基于直线边缘特征匹配的扩展目标跟踪方法

为了稳定而精确地跟踪扩展目标,提取相邻两帧图像中扩展日标的所有直线边缘征,计算两帧中所有直线的相对斜率、相对倾角和相对截距进行匹配来确定跟踪化置.通过计算相邻帧之间交点描述子的欧氏距离找到最佳匹配,计算出所有交点的重点作为跟踪位置来实现扩展目标跟踪.实验中该方法在扩展目标的跟踪中有非常好的表现.其结果表明在不发生太大变形的情况下.都可以比普通的模板匹配跟踪有更好的稳定性和更精确的跟踪位置.