一种成像测量靶面同心圆的自适应检测算法

针对特殊环境下基于CCD成像的高准确度测量系统中,由于摄像机沿轴运动和绕轴旋转过程中其光学中心和靶面同心圆圆心不同心及同心圆图像的圆心在一定范围内随机变化而影响测量结果问题,提出了一套基于小范围内改进的Hough变换的共点直线检测快速算法、基于统计采样的同心圆分割区域自动划分算法、基于最小二乘拟合的同心圆参量高准确度检测算法.实现了对同心圆的自适应区域划分和高准确度检测.仿真和试验证明了该算法的有效性.     

基于Hough变换的椭圆检测算法

为了实现光电仪器对椭圆形目标的准确识别与跟踪,基于Hough变换提出了一种新的椭圆检测算法。该算法随机采样2点,再利用椭圆极和极弦的性质来搜索第3点并筛除大量无效采样;然后,以这3点为中心作正方形窗口,用窗口内的所有点来拟合椭圆方程。在验证候选椭圆时,提出了一种新方法来判断边缘点是否在椭圆上,并且给出了确定真实椭圆的自适应阈值。实验显示,该算法的平均长度误差为0．5pixel,平均角度误差为0．6°,平均耗时为79ms,表明该算法精度高,速度快,检测性能较好。     

印刷电路板圆孔光电图像的同心圆检测方法

为了有效地检测印刷电路板(PCB)圆孔光电图像同心圆的圆心与边缘,在Hough变换的基础上提出了一种新的同心圆检测方法。利用同心圆的几何特点对点Hough变换边缘点的点组选取方法和搜索点组的图像扫描方向进行了改进:首先由累加阵列确定同心圆的圆心,然后由圆心到各个有效边缘点距离的均值求出半径,从而检测出同心圆的圆心与边缘。对实际采集的PCB定位圆孔光电图像进行对比实验,在提高检测精度、降低内存空间、减少计算时间方面,该检测方法的优势明显。     

基于图像跟踪的孔洞目标提取与区域定位研究

针对纤维材料图像分割后提取的目标图像孔洞之间粘连明显、不封闭、分布不均匀和大小不一等特点,采用常规链码与带方向链码两种跟踪手段,运用链码差实现了对边缘的方向性表示.通过结合三点圆拟合算法,对目标孔洞边缘进行了补全,再用链码跟踪所获得的边缘信息对拟合边缘进行修正,实现了对目标孔洞区域的有效定位.     

基于随机聚类的复杂背景建模与前景检测算法

为了构建鲁棒的背景模型和提高前景目标检测的准确性, 综合考虑同一位置的像素点在时间上的关联性和与其相邻像素的空间关联性, 基于经典的ViBe算法中的随机聚类思想提出了一种复杂背景建模和前景检测方法. 利用样本一致性原理, 采用前n帧序列图像得到初始化背景, 避免了Ghost现象的发生; 根据实际复杂背景的动态反馈获取自适应聚类阈值和自适应更新阈值进行随机聚类, 从而实现了对动态背景的适应性; 通过全局扰动阈值和局部像素级判断阈值的结合, 实现了对光照缓慢变化、快速变化以及突然变化的免疫性, 准确地分割前景目标. 对多组数据集的测试结果表明, 本文算法较大地提高了背景模型对动态背景、光照变化及相机抖动的复杂背景的适应性和鲁棒性. 算法还能很好地适用于红外图像检测运动目标的场合, 扩展了本算法的应用范围. 在没有进行任何图像预处理和形态学后处理情况下, 得到的原始前景检测精度优于其他对比算法.     

粒子运动区域和粒子源距离对局部区域聚集生长的影响

以DLA模型为基础,模拟研究了粒子运动区域和粒子源距离的大小对非对称性聚集生长产生的影响。发现粒子随机运动区域和粒子源距离的大小对局部区域聚集生长产生重大的影响。     

基于RANSAC的空间圆拟合算法及其在机械手运动检测中的应用

为了实现对水下机械手运动范围的检测,研发了一套多目立体视觉测量系统。通过测量机械手末端空间运动轨迹,利用空间圆拟合算法可计算出被测关节的实际运动范围。对其中的核心算法空间圆拟合进行了研究。首先空间圆可看作是由一个平面与球体相交而成,其圆心必定在球体上任意两点连线的中垂面上,可基于空间向量的拟合方法推导出中垂面的方程,与拟合的空间平面联立即可求出空间圆方程,进而利用拟合出来的空间圆的圆心坐标求出圆半径。然后对实际测量过程中的错误跟踪点进行了分析,如果在空间圆拟合的过程中对错误跟踪点不加以去除,则会带来错误的拟合结果,从而会大大影响测量结果的正确性。最后提出了基于RANSAC(Random Sample Consensus)的空间圆拟合算法,它可以从一组包含错误点的测量数据集中通过迭代方式有效剔除粗大误差点,从而估计出数学模型的参数和正确的拟合结果。仿真测试及实际测量实验的结果表明,当粗大误差点所占总测量点数的比例小于20%时,所提出的算法可有效地剔除所有粗大误差点,很好地解决了机械手运动范围检测系统在实际工程应用中所遇到的问题。     

基于空间矩的随机Hough变换检测直线

为解决随机Hough变换中无效采样和累积问题,研究了一种基于空间矩的随机Hough变换直线检测方法;利用空间矩方法进行随机采样并求取出参数空间点,将计算参数空间点的随机采样点减少到一个,最后利用随机Hough变换原理来确定真实直线;实验结果表明,基于空间矩的随机Hough变换直线检测方法相对于传统的随机Hough变换具有更好的准确性、鲁棒性和稳定性,实时性得到了较大的提高。     

基于梯度的区域生长和距离直方图的快速圆检测方法EI北大核心CSCD

针对基于Hough变换类圆检测算法所需设置参数较多和基于距离直方图的算法计算量大等问题,提出了一种基于梯度的区域生长和距离直方图的快速圆检测方法(GHC)。该算法通过利用梯度模值和方向进行区域生长的方法得到若干圆弧线段支撑区域;选取弧线段上的三个坐标点求解该圆弧段对应的圆心和半径并求解出正方形适应区域;将每条圆弧线段上的所有点向其适应区域内各坐标点进行投影并统计距离的累加值;综合全图距离直方图,精确地求解出图像中包含各圆的圆心和半径并进行完整度校验。通过实验表明,相比基于距离直方图的圆检测算法(HBCD)和随机Hough变换算法(RHT),该法对不同尺寸、完整度的单圆或多圆均有良好的检测效果,具有较强的稳健性和较小的空间、时间复杂度。     

基于K均值聚类与肤色的人脸检测研究

针对传统人脸检测中存在色偏所造成检测精度偏低,深度学习方法中通过训练大量数据来实现人脸检测而造成硬件要求高等问题。提出了训练简单的卷积神经网络来实现人脸和非人脸的判断,并利用白平衡算法来解决色偏的问题。将YCgCr颜色空间与K均值聚类的方法结合起来实现肤色检测,最后在肤色检测的基础上实现人脸检测。其精度相较于传统的人脸检测方法提升3%左右,速度比基于深度学习的人脸检测快2倍左右。     

基于模糊分割的移动自组织网络故障检测算法

针对现有移动自组织网络故障检测算法精度较低、延时较大的问题,提出了一种基于模糊分割的检测算法ANFD(Ad hoc Networks Fault Detection)。ANFD算法以网络数据包与检测消息作为检测工具,通过模糊分割方法对接收到的信息进行处理,最终通过时频域方法进行故障分割,实施最终的故障识别。仿真试验证明,ANFD算法较之其他算法具有较高的故障检测精度、较短的响应延迟,并且具有较低的消息复杂度和内存消耗。     

Partition function for an electron in a random potential

We compute the average partition function for an electron moving in a Gaussian random potential. A path integral formulation is used, with a trial action like that in Feynman's polaron theory. We compute the variational bound as well as the first correction in a systematic cumulant expansion. The results are checked against exact formulas for the onedimensional white noise problem. The density of states in the low-energy tail has the correct exponential energy dependence, and energy-dependent prefactor to within a few percent. In addition, the partition function goes over smoothly to the perturbation theory result at high temperatures.Work supported by the National Science Foundation.     

基于多模板匹配的局部自适应区域生长法在视网膜内出血自动检测中的应用

为自动检测出眼底图像中的视网膜内出血,从而构建基于眼底图像的糖尿病视网膜病变自动筛查系统,提出了基于多模板匹配的局部自适应区域生长法用以自动检测该病灶。首先,对眼底主要生理结构进行光谱特征分析,从而为不同分割目标选取合适的RGB通道;其次,利用HSV空间的亮度校正以及对比度受限自适应直方图均衡方法对眼底图像进行预处理;在此基础上利用设计好的多个模板对图像进行归一化互相关模板匹配获取该病灶候选区域;然后,从中去除视盘、血管以消除相关假阳,从而得到区域生长所需种子;最后,利用局部自适应区域生长法获取其精确轮廓,从而实现该病灶的准确检测。利用该算法对90幅不同颜色、不同亮度、不同质量、不同分辨率眼底图像进行该病灶的自动检测,实验结果表明：该算法能快速、有效地自动检测出眼底图像中的视网膜内出血,且算法稳定可靠,可满足临床需求。     

基于迭代拟合的集装箱角件边缘检测算法

噪声通常是影响集装箱角件图像中低层次语义信息提取精度的重要因素,传统的边缘检测算法通常通过改进滤波器和阈值来消除图像中的物理噪声和环境噪声,但是却无法去除边缘检测后的噪声,为解决这一问题,提出了一种基于迭代拟合的边缘检测算法。首先,对角件图像进行一系列预处理操作获取边缘点集,其次,使用拟合算法处理点集并且得到函数表达式,然后定义偏差值度量并计算,用于衡量目标点集到拟合或者检测结果的偏差,最后,去除定义下距离拟合结果最远的指定数量的点,如此迭代拟合直至评价函数收敛。实验结果与分析表明,该算法可以有效地去除边缘点集中的非真实边缘点,相比于传统的边缘检测算法更能去除特殊噪声,算法具有收敛速度快、准确率较高、灵活性好等特点。     

一种新的空谱联合探测高光谱影像目标探测算法

高光谱遥感影像不但具有高分辨率的空间信息还包含连续的光谱信息,因此在目标探测领域具有独特的应用优势。传统的高光谱遥感影像目标探测侧重于光谱信息的应用,形成了确定性算法和统计学算法。确定性算法通过计算目标光谱与待检测光谱之间的距离来查找目标,不能检测亚像素目标,而且容易受到噪声的影响;统计学目标检测计算背景统计特性,通过探测异常点来检测目标,可以检测亚像素目标和小目标,但容易受到目标尺寸的影响,不能很好的检测大目标。随着高光谱遥感影像的空间分辨率的增加,探测目标已有亚像素目标逐步转换为单像素及多像素目标,此时,在高光谱图像中,相同类别的地物在空间分布上呈现聚类特性, 因此,在利用高光谱遥感影像进行目标探测时,需要将其空间信息融入算法中。将空间特征引入传统目标探测算法。提出了一种新的空谱结合的高光谱目标探测算法,将传统的基于统计的目标探测算子与空域邻域聚类算法相结合,首先利用目标探测算子将影像划分为潜在目标区域与背景区域;通过计算潜在目标区域的质心,以质心为中心进行邻域聚类,剔除潜在目标区域中的背景区域,通过迭代计算获取最终目标探测结果。传统的基于统计的目标探测算子,将整个探测区域定义为背景区域,实现对背景区域的统计特征提取,而该方法将背景区域与潜在目标区域分离,剔除了目标区域对背景区域的统计干扰。将本算子与传统的约束能量最小化算子和自适应余弦探测算子进行分析比较可知,该算子的大目标探测性能优于传统的统计算子。     

Improved YOLO Based Detection Algorithm for Floating Debris in Waterway

Various floating debris in the waterway can be used as one kind of visual index to measure the water quality. The traditional image processing method is difficult to meet the requirements of real-time monitoring of floating debris in the waterway due to the complexity of the environment, such as reflection of sunlight, obstacles of water plants, a large difference between the near and far target scale, and so on. To address these issues, an improved YOLOv5s (FMA-YOLOv5s) algorithm by adding a feature map attention (FMA) layer at the end of the backbone is proposed. The mosaic data augmentation is applied to enhance the detection effect of small targets in training. A data expansion method is introduced to expand the training dataset from 1920 to 4800, which fuses the labeled target objects extracted from the original training dataset and the background images of the clean river surface in the actual scene. The comparisons of accuracy and rapidity of six models of this algorithm are completed. The experiment proves that it meets the standards of real-time object detection.     

一种复杂背景下红外小目标检测算法

为了解决复杂背景下小目标的识别,提高检测速度的问题,提出了一种改进的中值滤波方法.用其进行背景抑制,保护了图像细节,提高了处理的实时性.在分析小目标图像特点的基础上,提出了采用击中击不中变换对图像进行分割,达到探测目标的目的.仿真结果验证了该算法是一种实时有效,且易于实现的目标探测方法.