基于分散注意力递归神经网络的无人机去雨算法（英文）

户外拍摄的图像常受降雨天气影响,造成图像可见度低等问题。作为一种重要的户外图像采集系统,无人机需要合适的去雨算法来提高雨天所摄图像的视觉效果,并给后续计算机视觉任务提供高质量的初始图像数据。为处理不同尺度和方向的雨纹,本文提出一种利用和融合多尺度卷积的多分支网络结构,并与分散注意力机制结合,实现特征级别的多通道交互,从而利用自适应的感受野以处理复杂背景的恢复问题。本文算法将多尺度分支、分散注意力机制和通道分组机制相结合,在实现多尺度处理的基础上与基本残差块的特征通道数保持一致。另外,为更进一步减少网络模型的参数量,本文算法将每个基本模块递归计算4次,从而在保持去雨效果的同时使模型轻量化。大量实验证明,本文算法在多个数据集上均优于目前主流的传统或基于学习的图像去雨方法。     

SiamADN:用于无人机目标跟踪的孪生注意密集网络（英文）

基于深度学习的单目标跟踪技术在诸多计算机视觉应用中取得了卓越的效果。然而,现有跟踪器在图像目标变形、遮挡、移动等场景下的应用具有局限性。本文提出一种融合注意力机制和密集网络的孪生网络离线跟踪方法(SiamADN),重点针对无人机等小目标的跟踪任务。首先,算法应用密集网络来减少消失梯度,从而加强特征转移;其次,在密集网络结构中引入通道注意力机制,增强感兴趣的关注度;引入高级角点检测网络以改进持续跟踪过程。在OTB-2015、UAV123,LaSOT和VOT等跟踪数据集上进行了广泛的实验。实验结果表明,在UAV123上的准确率为78.9%,运行速度为每秒32帧,具有较好的实际应用效果。     

遥感图像中港口目标识别技术

针对遥感图像中港口目标识别的特点,提出了一种基于纹理特征分类与轮廓识别的高效港口识别算法.该方法首先采用梯度分析方法进行海陆分割,得到水域与陆地的二值图像,并据此提取轮廓,然后利用差分链码标记提取港口轮廓,最后检测与链码拐点有关的三个特性,得到港口基元的识别结果.实验结果表明,该算法能够有效地识别遥感图像中任意方向和任意凹凸的港口目标.     

融合热特征的机场航站楼热成像显著人体检测模型（英文）

弱光背景下的目标检测是航站楼夜间巡检机器人的主要任务之一。然而,那些能够在计算资源有限的机器人平台运行的算法往往难以确保航站楼中人体目标的检测精度。为此,本文提出了一种融合热特征的显著人体检测模型。该模型仍然以U-Net神经网络作为基本架构,但是在解码器模块结构和模型轻量化方面重新进行了设计。一方面,在模型的解码器部分增加了由热特征分支和显著特征分支构成的融合模块,进而设计对图像高温区域更为敏感的预测损失函数,以提升算法在复杂场景下的检测精度;另一方面,通过精简编码器网络结构和控制解码器通道数的方式对模型进行了轻量化改进,以降低算法对计算资源的需求。4个数据集上的实验结果表明,本文方法既能确保较高的检测精度和很好的算法鲁棒性,又能以40 f/s以上的检测速度满足巡检机器人实时检测的需要。     

基于PoolNet显著性和SURF-VIBE模型的林火视频烟雾提取算法

烟雾的实时视频探测可用于早期森林火灾的预警,然而,由于烟雾具有飘动、扩散、闪烁等特性,通过实时视频提取烟雾区域具有极大挑战。本文根据人眼视觉注意力机制,将阴燃烟雾看作视频中湍流和灰色显著的区域,提出了一种基于显著性检测和SURF-VIBE模型的疑似烟雾区域提取算法。首先采用一种基于PoolNet的显著性检测方法获得烟雾显著性图谱,通过VIBE运动检测算法获得视频中运动前景,并使用SURF特征匹配算法消除相机抖动等对运动前景带来的干扰,再由计算出的运动前景构造运动能量函数,对显著性谱进行估计,最终提取出疑似烟雾区域。实验验证结果表明:该算法检测准确率为91.3%,每帧检测速度为0.028 s,可用于实时视频烟雾探测。     

基于人眼视觉特性的车载图像增强算法的应用与研究

通过对人眼视觉的图像亮度敏感特性、掩盖效应和多通道特性的分析,针对车载图像处理需求,提出了小波与Retinex结合的图像增强算法,将原始图像进行小波变换,低频尺度系数采用MSR算法处理,高频小波系数进行非线性增强。运用MATLAB软件进行仿真实验,结果表明该方法能够使人眼观察到的图像更清晰,可有效提高驾驶安全性。     

基于联合检测-描述的火星表面特征提取方法

针对火星着陆光学导航过程中,传统的图像特征点提取算法在相机角度变化、光照条件变化等情况下,序列图像间的特征点提取与匹配鲁棒性差的问题,提出了基于卷积神经网络的联合检测-描述特征提取方法。首先,通过Blender获取模拟火星着陆过程的视频,使用稀疏重建方法,对模拟视频的图像和火星真实图像进行三维重建,建立了神经网络可用的训练数据集。然后搭建了卷积神经网络以处理图像数据,通过改进损失函数,联合特征描述符和特征检测器双重作用,获得了更准确的匹配结果。仿真结果表明,该方法在处理多视角、光照条件多变的火星表面图像方面,具有更好的特征提取结果,并在匹配测试阶段具备优于传统算法的性能。     

顾及动态物体感知的增强型视觉SLAM系统

传统的同步定位与制图（Simultaneous localization and mapping, SLAM）系统在复杂环境下工作时，无法分辨环境中的物体是否存在运动状态，图像中运动的物体可能导致特征关联错误，引起定位的不准确和地图构建的偏差。为了提高SLAM系统在动态环境下的鲁棒性和可靠性，本文提出了一种顾及动态物体感知的增强型视觉SLAM系统。首先，使用深度学习网络对每一帧图像的动态物体进行初始检测，然后使用多视图几何方法更加精细地判断目标检测无法确定的动态物体区域。通过剔除属于动态物体上的特征跟踪点，提高系统的鲁棒性。本文方法在公共数据集TUM和KITTI上进行了测试，结果表明在动态场景中定位结果的准确度有了明显提升，尤其在高动态序列中相对于原始算法的精度提升在92%以上。与其他顾及动态场景的SLAM系统相比，本文方法在保持精度优势的同时，提高了运行结果的稳定性和时间效率。     

基于线结构光的坡口特征尺寸检测算法研究（英文）

机器视觉经济高效,在焊缝检测中得到广泛的应用。基于线结构光技术,本文提出一种坡口特征尺寸检测方法。首先,针对激光光条灰度和宽度分布不均的问题,介绍了一种基于二次加权灰度重心法的自适应中心线提取算法。其次,为滤除图像噪声,设计了一种基于感兴趣区域划分和图像差分的预处理算法。接着,本文提出了一种亚像素特征点提取算法以计算坡口特征尺寸并识别坡口类型。最后,实验结果表明,坡口特征尺寸检测的绝对误差为0.031～0.176 mm,相对误差为0.2%～3.6%。     

基于ARG模型识别局部被遮挡物体

在计算机视觉中，局部被遮挡物体的识别有着重要的意义。本文提出了一种基于ARG（关系属性图）模型识别局部被遮挡物体的新算法。由于关系属性图对图像遮挡、噪音或者二维几何引起的变形都是稳定的，所以用ARG模型能够识别那些由于局部被遮挡或其它原因引起的丢失特征的物体。该算法如下：首先，根据模型和图像特征之间的局部和整体的对应性约束，在图像中选出有限数量的侯选子图。其次，基于在关系向量空间中的误差分析，使用投票方案对丢失的特征进行迭代检测，丢失的特征全部被检测出后即可进行匹配。最后用实例进行了验证，结果表明该算法是有效的。     

重排算法在多目标雷达信号分辨中的应用

本文使用１５年前由柯德锐等人首次在谱图中使用,并经弗朗克斯等人改进并推广的重排算法,对多目标雷达信号进行架次识别,此重排算法简单且极易实施,在重排后失支双线性时,却保持了其他许多可取特性,并换回了Ｃｈｉｒｐ信号和冲击信号的准确定位,针对编队多目标雷达信号的线性调频特点,利用此重排算法在权衡能量聚集性和消重排振荡的同时,实现了对编队多目标雷达信号的分辨。     

空间距离变换的彩色图像目标识别方法

研究了彩色图像的分割算法,提出了运用彩色图像的颜色特征相似性进行图像的分割;然后将分割的目标进行检测,运用无监督网络,即竞争网络学习训练聚类,将图像中不同的目标提取出来。在识别方面,研究了一种运用空间距离变换方法来识别的算法,计算出区域半径测试样本点在区域内还是区域外,以达到识别的目的。实验结果表明,本文提出的分割算法和识别算法可以很好地运用到实际中,识别率可达90%以上。     

飞机部件调姿测量点激光检测可视化定位程序设计

为了使用激光跟踪仪进行飞机机身段数字化自动高精度测量,必须将激光引向目标点,而传统的引光方法都存在各种不便和缺陷。本文将机器视觉技术运用于激光引光,利用CMOS工业摄像头,基于OpenCV开发了一套激光自动跟踪目标点的程序。首先利用专门的图像采集开发包采集图像;然后根据激光光斑的特征,提出了相应的光斑检测与分割方法,并提取出光斑的质心坐标;最后通过对每一帧图像的迭代操作,使激光不断向目标点靠近,完成对目标的实时跟踪。除此之外,为了实验的方便和节约成本,设计了一套模拟激光跟踪仪的激光发生实验台,用以在实验室内进行模拟操作。本文设计的程序实现了自动化引光,不仅解决了引光的不便,而且提高了整个飞机机身段数字化自动高精度测量系统的自动化程度和精度。     

基于选择样本自相关阵的高光谱图像约束能量最小化算法

约束能量最小化算法是一种经典的高光谱图像目标检测算法,其在检测大目标地物时,背景自相关阵易受目标信息的干扰,从而影响算法的检测性能。针对此问题,提出一种基于选择样本自相关阵的CEM算法。通过比较高光谱图像每个样本像元与目标信号的光谱相似度,引入光谱相似性阈值,选择与目标信号光谱差异性较大的部分样本像元参与背景自相关阵的构建,使背景自相关阵更好地对背景的统计性进行描述。对AVIRIS获取的两幅真实高光谱图像进行了目标检测实验,结果表明,本算法的检测率有了明显提高,更适合于检测占据一定像元数目的大目标。     

基于MATLAB的点状目标检测

对低信噪比图像的预处理,是运动弱小目标检测问题中非常重要的一个环节。本文根据大量数据分析了天空背景红外图像的统计特征,利用得到的分析结果对红外图像进行归一化处理,并根据实际红外光学系统的成像特性,用椭圆抛物面来拟合红外图像中实际的点目标。处理结果表明,该方法可以大大提高信噪比,使后来的检测环节中,用相对简单的方法就可以检测出真正的点目标。     

智能机器人视觉中的人脸识别研究

通过对智能机器人视觉中的人脸识别过程进行研究,提出了采用MB-LBP纹理特征结合径向基函数作为核函数的SVM进行人脸识别,并在常见的Yale和ORL数据集上进行了多项对比实验,实验结果表明,算法能够很好的完成智能机器人视觉的人脸识别。对于光照变化较大的人脸图像,对于人类识别正确率有较大的提升,另外,通过减少迭代次数减少了人脸识别的时间复杂度。该算法对智能机器人视觉中应用人脸识别过程具有较强意义。     

小型无人机电视引导撞网回收中的电视图像测距方法

以撞网方式回收无人机是符合现代无人机发展方向的回收方式。以此方式回收无人机对近场无人机测距提出了更高要求。本文研究了双摄像机绑定跟踪测距的方法，它结合传统光学测距技术和数字图像分析技术．与传统的光学测距相比，提高了测距速度和精度。本文介绍了双摄像机测距原理，给出了空中飞机图像捕捉和目标匹配算法，并介绍了测距误差的校正。实物地面实验结果证明这种测距系统可安全引导无人机撞网回收。     

机械加工表面粗糙度的视觉检测

为了快速地进行机械加工表面的粗糙度的检测 ,提高检测自动化水平 ,本文提出了一种视觉检测的方法 ,该方法通过对不同类型不同粗糙度的表面功率谱的比较研究 ,提取机械加工表面的纹理分布信息特征 ,再把特征矢量输入神经网络进行训练及测试 ,结果表明 ,该方法能成功地实现机械加工表面的粗糙度的检测。该方法与一些采用图像统计特征进行粗糙度检测相比较 ,具有快速 ,识别误差小的特点     

基于线结构光的焊缝特征尺寸检测方法

随着机械加工与制造行业的迅速发展,焊接已被广泛运用于结构件的成型连接中.目前多采用人工方式进行焊接和焊缝质量检测,生产效率低下,产品质量不稳定.本文针对焊缝特征尺寸视觉检测需求,以焊缝为研究对象,搭建了基于线结构光的焊缝特征尺寸视觉检测系统,提出了一种自适应的光条亚像素中心提取算法和一种焊缝光条的特征点提取算法.实验结...     

面向飞行机械臂的实时目标检测与定位算法

飞行机械臂要完成自主抓取的任务,对目标物的识别与定位尤为关键.当前飞行机械臂视觉识别算法多采用传统的特征提取等方法.为提升目标物识别及定位的精度和效率,本文设计了一种基于YOLOv5深度学习目标检测算法和RGB?D传感器的视觉识别与定位算法,该算法可以实时检测目标物并对其位姿进行估计,为飞行机械臂的抓取工作服务.同时针...