基于边缘信息的灰度目标跟踪算法

提出了一种基于边缘信息的跟踪算法,其可以实现对剧烈变化的灰度目标的精确跟踪.首先,利用基于双同心圆窗口算子的非线性边缘检测算法得到高质量的边缘信息;其次,为了解决单一边缘特征空间不能充分表征目标的难题,提出了一种通过组合边缘图像构建特征空间的方法,以便为目标建模提供充分信息;再次,在构建的特征空间中使用核估计方法对目标进行建模;在目标定位阶段,利用Kalman滤波器对目标进行预估后,再由Mean Shift算法在预估位置邻近区域实现目标定位;最后,提出了一种基于形态学的动态模型更新策略,使得算法不仅可以获得精确的目标区域,还可以实现对目标尺寸和形状变化的自适应.实验结果表明,本算法不仅可以有效跟踪剧烈变化的灰度目标,而且跟踪窗口可以实现对目标尺寸和形状的自适应.      

面向空间抓取任务的目标轮廓跟踪方法

在空间抓取任务中,视场背景复杂,光照条件变化剧烈,而且存在相对运动。文章提出了一种新的动态轮廓特征检测跟踪方法。首先在灰度梯度法基础上,引入形状匹配、面积筛选和自适应灰度阈值调整方法,提高了轮廓提取的鲁棒性。随后,基于该提取结果,利用图像序列的时域相关约束辅助GVFSnake算法进行轮廓跟踪,提升了动态检测速度。最后,考虑到空间抓取任务的实时性需求,采用CUDA运算架构对算法进行并行化处理,并对一组序贯图像序列进行了轮廓跟踪实验。实验结果表明,此方法在CUDA平台下轮廓跟踪速率达到了10帧/s,在保证轮廓检测的准确性的基础上,明显改善了检测速度。     

无人直升机自主着舰的计算机视觉技术

采用自主设计特征图案的方法,研究了一种基于视觉导引实现无人直升机自主着舰的快速算法.分析了制约位姿参数估计实时性的瓶颈,提出了一种基于信息分块的图像处理方法.引入选择性坐标变换的方法,获取图像处理的理想区域;采用直线方向粗识别的途径,确定参数区间,缩小了直线hough变换遍历空间,减小了底层图像处理的运算量.对真实图像的测试结果表明:对于768像素×576像素大小的图像帧,完成目标检测和位姿参数识别任务耗时小于30 ms,实现了视频流的实时处理;等效直升机与舰船相距10 m时,位置参数的均方根(RMS, Root Mean Square)误差在 2 cm内,姿态参数的RMS误差小于1.5°.算法能够满足自主着舰控制的实时性和实用性要求.      

亚像素条纹边缘提取技术在型面测量上的应用

三维型面非接触测量在工业领域有着广泛的应用前景.双目视觉是一种有效获取三维轮廓信息的方法,其中对大密度的黑白相间条纹进行精确定位和提取,是基于投影光栅图像的光学三维型面测量的关键技术和难点.利用空间编码技术将被测空间划分为若干区域,每个区域对应一个二进制码.条纹落在区域上与唯一的二进制码相对应,就可以对条纹精确定位.利用边缘提取算法获得像素级条纹后,再利用亚像素技术可以进一步对条纹进行高精度提取.介绍了基于灰度矩的和基于多项式拟合的亚像素边缘检测算法.将空间编码和亚像素条纹提取技术相结合,对光栅条纹进行亚像素级定位和提取的技术,与像素级的定位技术相比,能提高图像的定位精度,有效地改善测量系统的性能.      

空间目标的ISAR成像及轮廓特征提取

空间目标的逆合成孔径雷达（ISAR）成像由于受自身遮挡及噪声干扰等影响,导致生成的ISAR像难以直接进行图像分析及目标识别。由此,以空间目标的ISAR成像建模为基础对ISAR像处理及特征提取展开了研究。首先,分别建立了目标卫星的ISAR成像模型、ISAR信号模型及ISAR图像函数提取模型,并经过旁瓣抑制与相干斑滤波等初步处理得到了目标卫星的ISAR像。其次,采用Otsu算法、canny算子及Hough变换使卫星旋转至最长轴平行于像平面横轴,通过闭运算填充卫星内部孔洞,去除外部孤立噪声,并基于连通域思想分割出卫星所在子区域,实现了卫星的轮廓提取。所设计的图像处理算法能有效改善ISAR像质量,提取的卫星轮廓线能较好地勾勒出目标卫星的外形结构,为进一步展开卫星的识别工作奠定了重要基础。      

基于边缘与颜色信息的车牌精确定位算法

针对现有车牌定位算法定位率不高和速度慢等问题,结合数学形态学,提出了一种基于车牌边缘检测与颜色信息的精确定位算法.首先对图像进行灰度化、平滑去噪及灰度拉伸等预处理,然后对图像进行垂直边缘检测和二值化处理;再采用线过滤算法滤去干扰边缘线信息,并利用车牌区域灰度变化次数多的特性定位出车牌上下边缘;对经过上下边缘定位后的车牌采用点密度过滤算法滤去零散点,接着采用数学形态学方法寻找连通域粗定位出车牌区域;最后对粗定位车牌在HSV空间进行颜色分割和倾斜矫正,从而精确定位出车牌.实验结果表明,该算法能够实现车牌的快速精确定位.      

基于几何特征的非合作目标相对位置和姿态估计

针对几何参数未知的非合作目标,提出一种基于双目视觉的非合作目标相对位置和姿态估计算法.对目标图像进行滤波去噪、Canny边缘提取并将每条边缘段保存至链表,将边缘段分为直线段和圆弧段;并从直线段和圆弧段中检测出矩形特征和圆形特征;根据平行直线在同一像平面投影具有相同湮灭点的性质设计矩形特征相对位置和姿态估计算法;根据圆在像平面对偶投影几何,设计圆形特征的相对位置和姿态及半径的估计算法;对实际模型图像进行处理验证,结果表明该算法能够很好地识别帆板和对接环,并有效地估计出相对位置和姿态及对接环半径.     

基于边缘对称性的视频车辆检测算法

针对现有视频车辆检测算法受光照、阴影等环境因素影响大,漏检和误检率高的问题,提出了一种视频车辆检测算法.有别于传统算法使用运动特征进行车辆检测,该算法使用边缘特征和对性特征定位车辆.算法首先对图像进行灰度化、平滑去噪等预处理,使用Sobel算子垂直方向掩模计算图像感兴趣区域内的边缘梯度,确定候选区域;而后根据车辆图像垂直边缘具有对称性的特点,分析候选区域的对称性强弱,并计算其对称轴位置和车辆宽度.使用边缘强度、对称性和宽度这3个约束条件对候选区域进行验证.道路实验结果表明,该检测算法有效、可靠,具有良好的鲁棒性.      

空间移动小目标的检测算法

空间序列图像中移动小目标检测与轨迹提取是空间目标监视、跟踪及编目的关键技术之一.为了及时有效地处理星载可见光相机输出的多维海量数据,提出了一种基于四邻域二值量化方法和改进概率Hough变换的目标检测及轨迹提取算法.相较于美国空间目标在轨检测(MTI,moving target indicator)算法,改进算法虚警噪声点及候选路径数目明显减少,计算复杂度降低,运行效率提高.实验结果表明,算法可有效检测序列图像中快速移动的弱小目标并提取其直线运动轨迹.     

整流罩分离过程中运动位姿测量技术研究

针对整流罩分离过程中的空间目标三维位姿跟踪测量,设计了双目视觉测量系统,完成整流罩关键点的空间三维坐标测量。基于各特征点的图像处理、识别及跟踪测量算法,结合极线约束匹配,实现目标点的精确立体匹配,可完成不同目标特征点的三维空间坐标解算,进而获取不同运动姿态时的速度、加速度等关键信息,为整流罩机械设计、动力学设计提供参考依据。     

基于高效注意力和上下文感知的目标跟踪算法

基于匹配思想的孪生网络算法缺乏对目标的整体性感知，容易出现对目标状态估计不够精准和在复杂环境中跟丢的现象。为此，在孪生网络的基础上设计了2个轻量级的模块来实现更精准、更鲁棒的目标跟踪。在提取特征的主干网络之后，嵌入一个高效通道注意力模块，实现高效提取目标特征并增强差异化表示，使网络更注重于目标信息；模板匹配之后的特征通过一个局部上下文感知模块，增强网络对目标的整体感知，以应对跟踪过程中复杂多变的环境；采用Anchor-free的状态估计策略实现对目标的精准估计。实验结果表明:所提算法SiamCC在数据集OTB100、VOT2016和VOT2018上的测试结果均好于DaSiamRPN、ATOM等算法，并且跟踪速度达到了85帧/s。      

基于深度学习的无人机视觉目标检测与跟踪

针对目标检测中小目标物体漏检率及误检率高等问题,提出了一种基于Yolov3-Tiny算法的改进模型。改进k-means聚类方法,增加3×3和1×1的卷积池化层,将第9层卷积输出上采样,并与第8层卷积得到的特征图进行连接,得到新的输出:52×52卷积层,形成新的特征金字塔。基于卡尔曼滤波算法实现目标跟踪,提出融合跟踪算法的检测网络,使用匈牙利匹配算法对检测边缘框与跟踪边缘框进行最优匹配,利用跟踪结果修正检测结果,提高了检测速度,同时提升了检测能力。在ROS、Gazebo和自动驾驶仪软件PX4的综合仿真环境下对所提算法进行了对比试验。试验结果表明:改进算法平均检测速度降低了15.6%,mAP提高了6.5%。融合跟踪算法后的网络平均检测速度提高了34.2%,mAP提高了8.6%。融合跟踪算法后的网络能够满足系统实时性和准确性的要求。      

基于小波变换的多方位角SAR图像融合方法

针对目标散射特性空变效应以及多方位角图像信息冗余的问题,提出了一种基于小波变换和边缘检测的多方位角SAR图像融合方法。首先,将图像进行小波变换,完成低频信息和高频信息的分离,实现图像的多分辨表征及序贯图像多方位角信息的融合;然后,利用改进的Robinson算子增强图像的轮廓特征;最后,融合实验和定量评估结果证明了本文所提融合方法的有效性。     

基于相对最值点的最小二乘直线检测方法

为了解决传统目标检测中遇到的检测速度慢、精度低等问题，本文提出一种新的图像特征——相对最值点，并依据相对最值点提出一种新的最小二乘直线检测的方法。该方法首先搜索Canny边缘的闭合包络，并寻找闭合包络的相对最值点。包络上相邻相对最值点之间长度满足阈值要求的即为疑似直线的两端点，进而利用最小二乘拟合方法获得该疑似直线的拟合方差，最后利用拟合方差与拟合直线长度之比作为直线判定的标准用来检测出图像中的直线。实验表明，本方法与传统方法如PPHT直线检测、LSD直线检测方法等相比，检测直线的精度更高，检测速度更快。     

基于小波的非线性模型的孔探图像压缩

针对涡轮发动机内部图像细节丰富的特点,为了实现在高压缩比下对细节信息的保留,以不影响发动机内部故障检测,采用小波域的非线性表示和建模方法,利用多尺度边缘检测对边缘进行定位,通过轮廓加剖面模型在定位的边缘进行边缘影响区域划分;之后通过阈值将边缘影响区域进一步划分为较重影响系数区域与较轻影响系数区域,在不同区域应用不同的编码质量控制,从而实现了一种基于小波着重于边缘的图像编码系统.实验结果表明,与一般的小波图像压缩方法相比较,在不同的压缩率下,峰值信噪比均得到小幅度的提高,并且从视觉感官上也得到较好的效果.      

空间机械臂抓捕动态目标快速稳定跟踪方法

面向空间机械臂对在轨飞行器、对接舱段等目标进行抓捕的应用需求,对近距离交会对接中的动态目标跟踪问题展开研究,提出了一种基于反向投影模板自适应更新的快速跟踪方法。该方法在分析发光目标灰度特性的基础上,计了一种能够充分表征目标差异的特征选取算法,有效消除了随变性较小的信息对跟踪过程的影响。利用该特征,设计了目标在不同帧之间的相似性比较方法,并制定了目标特征模版更新策略,解决了由于目标姿态和光线的变化而导致的跟踪错误问题。对跟踪过程中可能出现的目标移入移出相机视场问题提出了一种临界目标抛弃、找回策略,避免了目标的局部跟丢问题。最后通过跟踪试验,有效验证了该算法的实时性和鲁棒性,实现了10帧/s以上的稳定跟踪。     

一种高效准确的视觉SLAM闭环检测算法

同步定位与地图构建（SLAM）是视觉导航领域的关键技术之一，闭环检测是SLAM的基础问题。针对视觉SLAM闭环检测准确率不高的问题，提出一种高效准确的闭环检测算法。该算法由词袋模型、图像结构校验、跟踪预测模型3个模块构成。首先，将局部特征与全局特征相结合，设计了词袋模型与图像结构校验模块。词袋模型通过视觉单词比较图像之间的相似性，得到闭环候选帧。然后，图像结构校验模块灰度化、归一化当前图像与闭环候选图像。归一化之后的图像被直接作为局部特征的邻域，计算得到全局描述符，通过全局描述符判断闭环候选帧是否为有效的闭环。最后，针对传统闭环检测算法耗时随图像数量增加而显著增加的问题，设计了跟踪预测模块，以提高计算效率。实验中，与主流的DBoW算法相比，提出的闭环检测算法的准确率提升了20%以上，实时性也有更好的表现。