深度图像优化分层分割的3D场景流估计

针对现有基于RGBD数据的3D场景流估计方法,在复杂背景、弱刚性运动以及运动遮挡等情况下计算精度与鲁棒性较低的缺点,提出一种基于深度图像优化分层分割的3D场景流估计方法。首先,利用连续图像序列帧间光流信息对场景深度图像进行优化分层分割,提取图像中运动目标与背景的深度信息。然后,根据深度图像分层结果,利用坐标下降法并结合图像分层技术计算RGBD序列3D场景流。最后,分别采用RGBD、Middlebury以及SRSF等测试图像集对方法的深度图像分层和场景流估计的准确性与可靠性进行综合对比试验。实验结果表明:所提方法针对复杂场景、弱刚性运动以及运动遮挡等类型图像具有较高的场景流估计精度与鲁棒性。     

基于全卷积孪生神经网络的复杂监控场景下前景提取方法

由于光照变化、相机抖动和动态背景等因素影响,现有基于传统图像处理方法的前景提取算法并不能在复杂场景下获得良好的分割效果。针对此类问题,本文提出了一种基于全卷积孪生神经网络的前景提取算法,仅需任意2帧图像即可准确提取运动前景。将输入的2帧图像分为背景图像与待提取图像,将其输入全卷积孪生神经网络得到二者的相似性度量图,该相似性度量图中包含待提取图像相对于背景图像的各像素变化情况信息;接着将相似性度量图与待提取图像融合,利用编解码网络以实现端到端的前景提取。在CDnet2014数据集上进行综合评估与测试,结果均证明了该方法的有效性。     

基于区域气球力Snake模型的运动目标快速跟踪方法

提出了一种包含区域信息的Snake模型用于运动目标检测与跟踪。在通常情况下,基于区域信息的跟踪方法对背景光线的微小变化、位置的微小移动较为敏感,而基于边缘信息的跟踪方法则难以对边缘模糊的图像取得满意的跟踪效果。在算法中同时引入这两种信息,边缘信息使得算法快速而鲁棒性好,区域信息可以对边缘模糊的图像取得正确的跟踪效果。使用双差分图像设计了自动初始化的方法来实现视频的自动跟踪。同时,对目标的下一步运动位置增加了一个预测环节来加快主动轮廓模型的收敛速度。该算法的每帧计算时间一般小于0.1S,能应用于实时系统。     

基于粒子滤波算法的非刚性目标实时跟踪

基于颜色的粒子滤波实时跟踪算法主要是利用视频图像的颜色直方图信息,综合考虑运动预测和帧间的相似性来确定目标的位置。针对影响粒子滤波算法性能的关键技术,提出了基于混合高斯模型的粒子滤波算法,并将其用于基于颜色的非刚性目标的实时跟踪相关问题。该算法使用混合高斯模型表示粒子,在每个时刻的修正步骤之后,采用EM算法对粒子进行重新拟合。仿真实验表明,本算法在保证跟踪准确度的同时,可以满足实时跟踪的要求。     

基于区域的GLRT车辆目标检测方法

基于合成孔径雷达(Synthetic aperture radar,SAR)图像的地面车辆目标自动检测是一项重要的SAR军事应用研究。提出一种基于区域的广义似然比法(Generalized likelihood ratio test,GLRT)的目标检测方法,该方法将GLRT目标检测理论与图像分割技术相结合。首先利用普通图像常用的分割聚类方法从SAR图像场景中粗略地分离出陆地杂波区域和目标潜在区域。然后根据分割结果,分别对两区域数据建立合理的统计模型。最后在背景和目标统计特性都已知的情况下,采用GLRT目标检测方法对目标潜在区域的像素点进行逐一检测,获得更为精确的检测结果。对实际SAR数据处理的结果表明,该方法能有效地从陆地场景中检测出地面车辆目标,且具备一定的精确性和快速性。     

基于光流法和模糊控制的扑翼飞行器避障研究（英文）

扑翼飞行器是一种仿生机器人,其翅膀可以像鸟和昆虫的翅膀一样上下扑动。本文提出了一种基于视觉的扑翼飞行器避障方法。首先,使用稠密光流算法计算机载图像传输摄像机拍摄的第一视角视频帧的光流场。基于所获取光流信息作为输入量,设计模糊避障控制器来给出扑翼飞行器的导航指令。实验结果表明,本文所提出的避障方法能够准确识别障碍物,实现扑翼飞行器的避障。     

基于光流法和模糊控制的扑翼飞行器避障研究

扑翼飞行器是一种仿生机器人,其翅膀可以像鸟和昆虫的翅膀一样上下扑动.本文提出了一种基于视觉的扑翼飞行器避障方法.首先,使用稠密光流算法计算机载图像传输摄像机拍摄的第一视角视频帧的光流场.基于所获取光流信息作为输入量,设计模糊避障控制器来给出扑翼飞行器的导航指令.实验结果表明,本文所提出的避障方法能够准确识别障碍物,实现...     

一种自适应的DWT域数字视频水印算法

提出一种基于小波变换域的自适应视频水印算法。算法先对视频信息进行场景分割,然后从各场景中选取待插入水印的帧序列,对各帧图象进行3D—DWT,并对低频子带进行小波块的划分,据小波块的分类结果自适应地调整嵌入水印的强度。     

一种轨道式动态目标跟踪算法

研究了一种轨道式动态目标跟踪的算法,建立轨迹式目标跟踪模型;分析了目标跟踪的基本原理,研究跟踪平台的光学结构和转台角度与轨道目标运动的跟踪算法,给出了物像动态跟踪的计算方法;研究Mean shift跟踪算法,利用它的核密度估计和跟踪图像的帧图像关系,确定目标检索中心位置,以达到动态目标跟踪目的。通过试验验证,提出的算法在外弹道轨道目标动态跟踪系统中是可行的。     

基于相对距离估计的空间非合作目标跟踪方法

在采用光学手段的天基目标远距离跟踪过程中,由于仅有测角信息,存在目标跟踪精度随时间累积下降或目标丢失问题。针对该问题提出一种基于相对距离估计的静止轨道空间非合作目标跟踪方法。首先,以主航天器坐标系为参考,构建非合作目标的相对运动模型,基于Clohessy-Wiltshire (C-W)方程建立跟踪方程;然后,以相对距离作为单位量进行归一化处理,将难以观测的相对距离转化为速度与距离之比,并利用空间目标的坐标估计径向分量,从而得到空间非合作目标的相对运动轨迹。最后,对算法进行仿真验证,以空间目标的实际运动轨迹和预测轨迹的偏差角度为指标考核算法性能。仿真结果表明,在实际工程应用中,该跟踪算法可获得较高精度的运动轨迹,同时便于工程实现。     

一种基于低秩矩阵的车流量检测算法

针对传统车流量检测方法在复杂环境中检测精度较低的问题,提出了一种新的基于低秩矩阵的车流量检测方法。首先利用伊辛模型和鲁棒性主成份分析方法(RPCA)得到非凸的能量函数,然后利用奇异值分解(SVD)并且不断迭代的方法分步解决能量函数非凸性的问题,进而优化能量函数检测出最佳车辆前景,最后利用虚拟检测线圈来统计车流量。实验结果表明:该方法与帧差法和混合高斯算法相比,检测车流量的精度得到显著提高,并且能够较好地分割大雾天气的运动车辆。     

任意运动变形边界流场测量PIV算法的研究:薄膜涡激振动

提出了一种精确测量任意运动变形边界流场的粒子图像速度场PIV算法,能智能识别强流固耦合问题流场测量中任意运动变形的边界信息,然后生成贴体自适应的图像互相关计算窗口,计算获取运动变形边界附近的速度场数据。这一算法可大大提高任意运动边界附近流场的测量精度,为流固耦合问题的理论分析和数值计算验证提供可靠的高质量实验数据。针对数字合成给定流场的粒子图像序列,采用所发展的PIV算法对粒子图像区域中的运动变形边界进行了精确识别,高质量地复现了原始流场信息。最后,对低速闭式循环水洞中的钝体尾流柔性薄膜涡激振动现象进行了PIV实验测量,获得了柔性薄膜大变形运动状态下的瞬态流场特征。     

基于视频像素点阵的交通参数检测方法

本文介绍一种基于视频触发像素点阵的交通参数检测方法。该方法找出车辆图像中因与背景帧不同而触发的像素点,通过分析这些触发像素点所组成的像素点阵进行对车辆的自动识别和追踪。该方法具有适应性好,计算量少,识别结果准确等优点。     

一种月面采样量的在轨自主测量方法

月面采样量的在轨自主测量是实现月面自主采样的必要环节。本文设计了一种月面采样装置,根据图像信息实现对月面采样量的在轨自主测量。针对图像中目标与背景灰度差较小、背景区域噪声较多的特点,采用了改进型最大类间方差法与连通标记自适应去噪方法,实现了采样区域较为准确的分割。针对单目相机无法直接获取采样区域尺寸的特点,利用已知物体尺寸进行在轨自主标定,结合图像中提取出的采样区域,完成了采样区域尺寸的计算,实现了采样量的在轨自主测量。试验结果表明,在轨自主测量结果与实际结果吻合,本文提出的在轨自主测量方法有效。     

复杂背景下磨粒显微图像分割

针对DMAS系统中复杂背景下磨粒图像的自动分割问题，根据磨粒图像的相关特征，充分利用领域知识，基于图像分割和边界跟踪的思想，选取了适合磨粒图像分割的最大类间方差阈值法，并结合腐蚀、膨胀等图像处理技术，实现了复杂背景下磨粒图像的有效分割和目标提取。最后算例表明了本方法的简洁有效性。本文研究将对进一步展开磨粒识别和机械设备故障诊断研究工作提供前提和依据。     

基于特征点运动矢量估计的动态序列图像运动目标跟踪

提出了一种改进的特征点运动矢量估计方法,用于动态序列图像中的运动目标跟踪。首先利用改进的最小亮度变化算法提取特征点;然后通过自适应的十字模式搜索法确定这些特征点的匹配点。在RANSAC方法的基础上,利用运动背景的仿射变换参数实现运动背景的补偿。最后利用合理的形态滤波技术,运动目标将完整地从背景中提取出来并实现准确跟踪。实验结果表明,改进的方法可以成功完成运动背景的补偿,并为动态序列图像的运动目标跟踪提供了保证。     

增强现实中的直线边缘对象位姿跟踪

改进了增强现实中跟踪直线边缘对象位姿的方法.首先用扩展卡尔曼滤波器预测对象位姿并限制隐式边缘搜索的区域;然后利用M估计子与权重直线拟合得到图像中直线边缘的方程系数;最后利用平面的标准正交基构建关于对象位姿的目标函数,并用奇异值分解法加以求解.实验表明本文位姿跟踪方法的旋转角最大的平均偏差为0.29°,绝对偏差为1.90°,跟踪速度大约为10帧/s,综合性能明显优于基于LM的跟踪算法.     

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。     

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。     

新的激光测速光路布置及其应用

在目前国际通用的三束双色激光测速仪光路系统的基础上，将绿光（λ＝５１４．５ｍｍ）与混合光交换位置，使蓝光（λ＝４８８ｎｍ）与混合光同布于聚焦透镜的直径上，构成新的测速平面的激光测速光路，特别适用于测量二平行壁面间深宽比大、缝隙狭窄的流场，如环隙科特流、叶片机械内流场等，实现一次测量，即可获得二壁面间相当完整的流场信息。