红外图像显著目标检测算法

提出一种简单快速的红外图像显著目标检测算法,算法可以分为三步:首先,对原始红外图像进行预处理以增强目标与背景的对比度;然后,在log频谱中提取预处理后图像的频谱残差,通过相应的反变换及简单的阈值分割,可以得到显著目标的大致区域;最后,采用一个滑动窗口在目标候选区域内进行搜索确定显著目标的准确位置,这个过程采用由目标及其周围区域在原始图像中的灰度分布得到的半局部特征对比度的概率表达得到每个像素点的显著性值,进行阈值分割得到显著目标,改变滑动窗口的大小可以检测出不同尺度的目标。采用大量的红外图像对算法进行测试,实验结果表明该算法具有高效性和鲁棒性。     

基于特征点不确定性加权误差的位姿估计新方法

计算机视觉中一般是利用优化技术最小化目标函数来估计位姿,目标函数通常是由图像平面上特征点重投影误差构成,并且假设测量噪声是各向同性且独立同分布的高斯噪声,所得到的位姿是在该假设条件下的极大似然最优估计。然而,在实际应用中这种假设并不总是成立,测量噪声通常是各向异性且非独立同分布,而且常常具有很强的方向性。为此,本文提出了一种新的特征点位姿估计方法,首先对特征点的方向不确定性建模,然后将方向不确定性融入到重投影误差中,构造基于不确定性加权误差的新目标函数,最后利用Levenberg-Marquardt算法优化目标函数求解位姿。大量实验结果表明,本方法可以适应不同程度的方向不确定性,精度优于现有迭代方法。而且随着不确定性的增加,位姿解的精度并没有明显变差。     

一种采用HOG特征的直线段提取方法

直线段特征是广泛应用于图像分析与处理领域的一种特征,直线段提取是基于特征的模式识别和图像匹配的一个重要步骤,直线段提取方法的优劣直接影响到高层次图像处理的复杂度和处理的效果。针对目前直线段提取方法中存在的直线段端点不准确和直线段断裂问题,提出了一种新的基于HOG特征的直线段提取方法。该方法利用矩阵的行、列积分运算实现对原始图像特定方向直线段的投影,根据矩形函数的一阶导数性质将确定直线段端点位置的问题转化为对列方向向量的求导问题,从而更能有效提取出图像中的直线段。理论分析和实验结果表明:该方法能够快速、准确地提取直线段,在一定程度上解决了经典方法中直线段断裂及端点不准确问题。     

基于人眼亮度阈值特性的图像增强算法

结合人眼视觉特性,提出一种面向人眼视觉的图像增强算法。在保持原图像所有像素灰度大小关系不发生倒序的前提下,以人眼可分辨的像素对数作为目标函数。为使目标函数实现最大化,首先根据人眼亮度阈值特性测试指定显示器的人眼最多可分辨的灰度级数;然后结合图像本身的灰度级数与人眼最多可分辨的灰度级数使用一种动态规划灰度级合并算法,使得灰度合并后图像中包含的灰度级数不多于人眼最多可分辨灰度级数;最后对合并后的灰度按人眼视觉亮度阈值特性做一一映射。本文算法充分考虑了图像观测过程中人眼感知与显示器显示亮度,具有明确的目标函数,图像增强效果优于目前常用算法。     

基于改进灰度重心法的线结构光中心提取算法

针对传统算法无法准确提取线结构光条中曲率变化较大区域中心线的缺陷,提出了一种基于改进灰度重心法的线结构光中心线提取算法。基于阈值法提取感兴趣区域和开闭运算滤除图像中的噪声点,获取质量相对较高的待处理图像;利用灰度重心法提取光条中心点,得到初始坐标并设置一个矩形计算区域,根据最小二乘法计算每个初始点的方向向量和法向量;在设定的矩形区域内计算初始点在其法线方向上的偏移量,得到精确的中心点坐标。实验结果表明：提出的算法能在线结构光中心中曲率变化较大区域精确提取中心线,提取精度均值为0.096 pixels,精度比率为44.2%,平均提取速度为0.082 s。