基于自适应纹理复杂度的仿生视觉导航方法研究

针对稠密光流在低纹理复杂度时精度较低的问题,提出了一种自适应纹理复杂度的稠密光流优化方法,以提升光流导航精度。根据三种不同大气条件下三种不同图像模糊程度的图像光流精度与纹理复杂度的统计图,推断稠密光流的精度与图像的纹理复杂度呈线性关系。通过建立图像纹理复杂度和稠密光流精度之间的直接联系,利用灰度共生矩阵的对比度参数评价图像纹理复杂度,采用最小二乘法拟合图像纹理复杂度和光流真值优化系数的函数关系,获得自适应纹理复杂度的稠密光流优化模型。基于该优化模型设计了仿真实验,实验结果表明,基于该模型可有效提升稠密光流在低纹理复杂度时的计算精度。     

一种基于显微图像分析的光波导加工表面粗糙度估计方法

为进一步提高光波导器件加工的可靠性,降低废品率,提出一种非接触式基于共聚焦显微图像分析的光波导加工表面粗糙度估计方法.首先采用共聚焦相机对光波导感兴趣区域进行拍摄,提取非缺陷图像区域;其次,采用粗糙度测量设备测量器件的表面粗糙度,利用图像处理方法计算提取图像区域的纹理特征,并建立二者结果间对应关系;最后,一旦建立上述关系后,便可采用相机拍摄的图像去估计待测光波导器件表面的粗糙度指标.与传统采用精密光学仪器测量光波导表面粗糙度的方法相比,本文方法不需要在线使用光学测量仪器或昂贵的后处理商业软件,具有低成本、使用方便的特点.实际应用证明了本文所提方法的正确性和有效性.     

一种基于光流拟和的航拍视频图像全局运动估算方法

在多分辨率光流估算的基础上,提出了一种基于光流拟和的方法用于对航拍视频图像中的全局运动进行估算。在利用光流对全局运动模型拟和时,针对光流估算的不确定性以及图像中独立目标运动的干扰,提出了一种光流分块拟和与评估的方法用于剔除光流场中不利于全局运动估算的干扰数据,从而有效提高了全局运动的估算精度。航拍视频图像配准与独立运动检测的仿真结果均验证了算法的有效性。     

基于改进Cycle-GAN的光流无监督估计方法CSCD

卷积神经网络为光流的计算提供了一种新的方式,但作为一种数据驱动技术,用于训练网络的大规模光流真值在现实世界中不易获取。为了解决这个弊端,基于Cycle-GAN的循环对抗机制,提出了一种光流无监督估计方法。首先,引入双判别器机制在生成器生成的光流样本的底层和高层特征上进行鉴别,迫使生成器提高光流生成的精度。其次,引入Spynet作为教师网络,在生成器训练前期对其进行指导,防止网络陷入模式崩塌。最后,改进损失函数,提出了光流一致性损失和轮廓一致性损失函数,进一步提升光流估计精度。实验结果表明,与现有的先进算法相比,提出的方法达到与有监督算法相同的精度水平。     

基于条件随机场的遥感图像语义标注

遥感图像包含的信息丰富,纹理复杂,而遥感图像语义标注又为后续的目标识别、检测、场景分析及高层语义的提取提供了重要信息和线索,这使其成为遥感图像理解领域中一个关键且极具挑战性的任务。首先针对遥感图像语义标注问题,提出采用条件随机场(CRF)框架对遥感图像的底层特征和上下文信息建模的方法,将Texton纹理特征与CRF中的自相关势能结合来捕捉遥感图像中的纹理信息及其上下文分布,采用组合Boosting算法进行Texton纹理特征选择和参数学习;然后将Lab空间中的颜色信息与CRF中的互相关势能结合来描述颜色上下文;最后用Graph Cut算法对CRF进行推导求解,得到图像自动语义标注结果。同时,建立了可见光遥感图像数据库Google-4,并对全部图像进行了人工标注。Google-4上的实验结果表明:采用CRF框架与Texton纹理特征和颜色特征相结合对遥感图像建模的方法与基于支持向量机(SVM)的方法相比较,能够取得更准确的语义标注结果。     

无监督深度学习单目视觉里程计研究

针对传统单目视觉里程计存在的尺度漂移和尺度不一致问题，提出了一种基于无监督深度学习的单目视觉里程计。首先，联合使用空间几何约束和图像相似性约束，得到长序列尺度一致的深度估计网络和鲁棒的光流估计网络；然后，对密集光流进行采样，得到精确的稀疏对应关系，减少尺度漂移；最后，根据改进的ORB-SLAM初始化方法，选择最优跟踪方式，结合深度信息进行尺度对齐，从而得到全局尺度一致的视觉里程计。在KITTI数据集上进行大量实验，结果表明，相较于ORB-SLAM2和基于深度学习的端到端的视觉里程计系统，该算法在通用评估指标方面性能有明显提升，验证了该算法的有效性。     

一种基于矩特征和特征光流的运动目标跟踪方法

提出了一种基于矩特征和特征光流的运动目标跟踪方法.首先进行角点特征提取,按照提出的基于矩特征的局部范围内匹配角点的策略,完成了序列图像的角点匹配;然后,按照本文提出的光流聚类准则完成了两个图像目标的聚类.仿真实验表明,本文算法在减少计算量的同时可提高跟踪精度,且可克服目标做小角度旋转时的失跟问题.     

低信噪比图像目标检测技术研究——Ⅰ.数据流程与背景感知

提出了一种将背景区域感知与目标特征分析相结合的自动提取图像目标的层次化数据处理流程;探讨了线性预测估计和非线性均值滤波两种常用背景估计技术和自适应空间滤波的形态学背景感知方法。实验测评表明,形态滤波算法对背景的自适应感知能力强,能真实贴切地反映图像背景的起伏变化规律。     

基于约束序贯M估计的时空域融合红外杂波抑制

针对红外弱小目标检测中的强背景杂波干扰抑制问题进行研究,提出了一种基于参数约束序贯M估计的时空域融合自适应杂波抑制算法.该算法首先在分析序列图像帧间失配的基础上建立了一种改进的时空域融合背景预测模型,结合二维离散傅里叶快速变换图像配准和双线性插值方法进行灰度值估计;然后,基于约束序贯M估计方法进行模型参数的自适应估计,...     

基于模糊核均值聚类优化的光流测速方法CSCD

光流算法作为一种载体速度测量方法,易受光照变化、物体相对移动影响,最终导致速度信息获取不准确。为了提高载体运动速度解算精度,提出了一种基于模糊核均值聚类算法优化的金字塔Lucas-Kanade光流测速方法(FKCM-金字塔LK)。该方法首先通过金字塔LK光流算法得到稀疏光流,然后使用模糊核均值聚类算法对稀疏光流数据进行聚类处理,最终建立光流与实验平台运动参数之间的关系,并得到准确的速度信息。实验结果表明,提出的基于模糊核均值聚类算法优化的金字塔LK光流测速方法不仅可以有效地减少物体相对移动对光流测速的影响,而且与现有其他光流测速方法相比,速度测量精度得到显著提高。     

图像序列中机动目标三维运动和结构的计算

综合视觉运动分析中的2类处理方法,选取图像中的角点作为特征点,在理论上证明了图像序列的光流场可以近似地用角点的位移场代替。利用已有文献中的建模思想,详细推导出递归计算机动目标三维运动和结构的非线性计算模型,采用广义卡尔曼滤波(EKF)递归地计算图像序列中机动目标的三维运动和结构。合成图像序列和真实图像序列实验结果表明该算法能取得较好的效果。     

几何代数域内的光流场改进算法

提山了一种新的光流场计算方法：首先,在几何代数域内推导了光流约束方程的新形式;然后,在速度场平滑的基础上,通过求解关于初值问题的热传导方程求解光流场;最后,给出光流场的数值解和仿真结果。实验证明此方法是有效的。     

基于多项式聚焦矩阵的宽带信号到达角估计性能分析

对宽带信号采用基于多项式聚焦矩阵的方法进行到达角估计,并进行了计算机仿真。计算机仿真表明,多项式聚焦矩阵具有计算量小、抗噪性好、能对相干信号进行到达角估计的优点,但需要满足阵元间距远小于信号半波长的条件。当阵元间距不满足该条件时,会引入较大的估计误差。     

基于惯性/偏振光/光流的六足步行机器人自主导航方法研究

针对惯性/卫星组合导航系统易受干扰或自主性不足等问题，引入偏振光传感器和光流传感器，分别建立航向角和速度量测方程，以辅助惯性导航系统，提出了一种基于惯性/偏振光/光流的自主导航方法。同时，为实现惯性传感器、偏振光传感器和光流传感器等多传感器的融合，设计了无迹Kalman滤波器。为验证该方法的有效性，以六足步行机器人为对象开展仿真和实验验证。结果表明，在没有卫星信号源的情况下，仅依靠机器人自身感知，可实现较高精度的机器人位姿估计，实现了不依赖于卫星导航信号的自主导航，提升了导航系统的自主性。     

基于改进容积卡尔曼滤波的惯性/光流组合自主测速方法

针对容积卡尔曼滤波算法在惯性/光流组合测速数据融合时出现由于各系统输出数据频率不一致导致融合精度有限的问题,提出了一种基于多速率残差校正的改进容积卡尔曼滤波算法.通过当前时刻误差估算组合导航系统残差,再使用估算后的残差对速度估计值进行补偿,最终实现惯性/光流组合系统速度测量值的数据融合.实验结果表明,通过提出的改进容积卡尔曼滤波对惯性/光流数据进行融合后,东向速度均方根误差为0.2964m/s,北向速度均方根误差为0.06m/s,与现有其他卡尔曼滤波算法相比,此方法可显著提高惯性/光流组合系统的速度测量精度.     

高均匀扫描电机轴面不平行度动态测量方法研究

为了解决高均匀扫描电机转动轴位置未知时与反射镜面不平行度的测量问题，提出了一种动态的光电测量方法；在激光测量光路中，利用扫描电机在位置敏感传感器（PSD）上的扫描曲线，并根据光学成像原理和扫描曲线的外形特征，设计了一个光学实验系统；利用实验方法建立了轴面俯仰角度与扫描曲线形状的关系式，最后对扫描电机轴面不平行度的特性进行了测试分析。实验表明，此种测量方法能够很好地解决动态测量扫描电机轴面不平行度的问题。