基于梯度和光流统计特性的人体行为识别

提出利用梯度和光流的统计特征进行人 体行为识别的 新方法.首先,通过数理统计分析得到不同行为的梯度和光流的直方图分布均符合非对称广 义高斯分布 (AGGD);然后,分别提取梯度和光流的AGGD模型的参数,并把这些参数作为描述人体行为 的统计特征; 最后,通过计算训练集行为视频与测试集行为视频的统计特征间的马氏距离进行人体行为识 别。在 KTH数据库和Weizmann数据库上分别进行了实验仿真,两个数据库上的平均识别率分别高达95.20%和 93.16%,与其它行为识别方法相比可以明显提高行为平均识别率。     

基于机器视觉的FPC智能对位系统的研究

针对传统对位装置对位精度低、速度慢的缺点, 设计并开发了基于机器视觉的柔性印刷电路(FPC)智能对 位装置。装置利用高分辨率工业CCD相机采集图像,配合机械和电气系统,控制运动控制卡 完成FPC智 能抓取、采集、处理和对位。在关键的定位算法中,通过改进的一维Otsu阈值分割方 法对FPC图像 进行阈值分割,利用提出的三椭圆平均拟合法提取定位圆圆心坐标,采用累计概率Hough直 线变换测量 旋转的角度;进而将计算的相对于标准位置的偏移量传送至运动控制卡,利用闭环反馈控制 伺服系统进行纠偏。在开发的样机上进行大量的在线实验结果表明,本文装置稳定性强, 对位精度高,对位误差不超过±0.06mm,角度误差不超过0.001rad。     

基于掩模图像的磁环表面缺陷提取研究

磁环表面缺陷图像具有对比度低、纹理背景复杂 、缺陷种类多和亮度不均匀等特点,提出了一种 基于掩模图像的磁环表面缺陷提取方法。首先,通过分析磁环表面图像中不同缺陷区域与正 常区域的灰度 差别,将磁环表面缺陷划分为两类,第1类为缺陷灰度值与正常区域差别大易分割,第2类为 缺陷灰度 值与正常区域灰度值差别小不易分割;其次,根据两类表面缺陷的成像特点以及与背景的 关系,利用掩 模技术分别设计了相应的缺陷提取方法;最后,在不同的光照、规格、缺陷类型及大小等方 面,利用开发 的样机进行了大量的在线实验。实验结果表明,本文缺陷提取算法稳定性好,鲁棒性强,能 够准确、快速 地提取出磁环表面图像各区域的缺陷,表面缺陷检测的准确率为95.3%。     

基于纹理抑制的磁环表面缺陷检测方法研究

针对磁环表面缺陷图像具有对比度低、纹理背景复 杂、缺陷种类多和亮度不均匀等问题,提出了一种基于改进自适应Canny算法和掩模技术的 磁环表面缺陷提取方法。首先,在分析磁环表面图像中不同 区域灰度特征和梯度特征的基础上,通过拟合磁环内外轮廓构造掩模图像,以便屏蔽磁环背 景区域的干扰; 然后,利用提出的基于8邻域各向异性滤波的改进自适应Canny边缘检测算法,抑制磁环表面 纹理的干扰;最后, 利用图像数字形态学增强边缘连通域,并利用构造的掩模图像提取磁环表面缺陷。利用开发 的样机 进行了大量的在线实验。实验结果表明,本文缺陷提取算法稳定性好,鲁棒性强,能够准确 、快速地提取 出磁环表面图像各区域的缺陷,表面缺陷检测的准确率为97.3%。     

微型磁瓦表面线缺陷视觉检测方法研究

针对微型磁瓦图像对比度低、纹理背景复杂、亮 度不均匀、缺陷区域小等特点,本文提出了一种微 型磁瓦表面线缺陷视觉检测方法。首先,构造自适应静态掩膜,屏蔽微型磁瓦轮廓;其次, 采用非线性各 向异性扩散方程,抑制微型磁瓦表面纹理;进而,构造动态掩膜自下而上扫描磁瓦图像,提 取线缺陷区域; 最后,在开发的微型磁瓦视觉检测实验装置上,进行了大量的实验研究。实验结果表明,本 文缺陷提取算 法能够较准确提取出磁瓦表面图像的线缺陷,表面缺陷检测的准确率为94.6%。     

结合结构信息和亮度统计的无参考图像质量评价

基于非下采样Contourlet变换(Nonsubsampled Contourlet Transform,NSCT)子带系数间的结构相关性,本文提出了一种通用的无参考图像质量评价方法.首先,利用互信息分析NSCT子带系数间的相关性,确定出相关性比较强的子带系数;其次,分别计算这些子带系数间的结构信息比较算子,以此作为描述图像结构相关性的统计特征;进而,结合空间域亮度均值减损对比归一化(Mean Subtracted Contrast Normalized,MSCN)系数及其邻域系数的统计特征,分别构造相应的无参考图像质量评价模型和图像失真类型识别模型;最后,在LIVE等图像质量评价数据库上进行了大量的实验仿真.仿真结果表明,评价模型的评价结果与人类主观评价具有非常高的相关性,与当今主流评价算法相比非常具有竞争性.     

基于亮度统计的无参考图像质量评价

基于亮度均值减损对比归一化(MSCN) 系数统计特性及其8方 向邻域系数间的相关性,提出了一种通用无参考图像质量评价方法.首先,分别利用非 对称广义高斯分布(AGGD)模型拟合MSCN系数及其8方 向邻域系数,并估计 相应AGGD 模型参数作为亮度统计特征;其次,计算8方向邻域MSCN系数间的互信息(MI),作为描述方向相 关性的统计特征;进而,分别利用支持向量回归机(SVR)和支 持向量分类机(SVC)构建无参考图像质量评价模型和图像失真类型识别模型; 最后, 在LIVE 等图像质量 评价数据库上进行了算法与DMOS的相关性、失真类型识别、模型 鲁棒性及计算复杂性等方面的实验。实 验结果表明,本文方法的评价结果与人类主观评价具有高度的一致性,在LIVE图像质量评 价数据库上的斯 皮尔曼等级相关系数(SROCC)和皮尔逊线性相关系数 (PLCC)均在0.945以上;而且,图像失真 类型识别模型的识别准确率也高达到92.95%,明显高于 当今主流无参考图像质量评价方法。