基于改进的MeanShift人体跟踪算法

MeanShift算法是利用特征空间中的密度梯度方向进行迭代搜索，获得局部密度极大值的样本点。由于利用单一颜色特征和整体目标区域建立模型，在目标尺度变化和光线变化情况下鲁棒性较差。传统的MeanShift算法没有模板更新机制，在跟踪过程中跟踪的窗口带宽始终不变，这导致了目标再次变化时易跟踪失败。采用对目标进行分决，利用人体的特征，对人体进行分块，并对每块进行纹理和颜色相结合的方式进行建模，形成改进的MeanShift算法，通过有遮挡情况下的人体跟踪实验，证明改过后的算法大大地提高了跟踪的鲁棒性。     

一种非刚体目标的实时检测与跟踪算法

提出了一种复杂背景下自动、实时地检测和跟踪非刚体目标算法。该算法利用自适应的背景减除方法,在复杂背景条件下提取出运动目标;采用颜色直方图模型为特征的均值平移法作为跟踪算法。试验结果验证了该算法的实时性和有效性。     

基于LTP子模式的人脸识别研究

针对局部三元模式提取到的人脸特征通常具有较高的维数,导致特征的紧致度不高,提出一种新的局部人脸特征提取方法——LTP子模式,并结合线性鉴别分析获得最佳的人脸局部纹理紧致特征的分类投影轴.本文在ORL和AR两个标准人脸库上测试,LTP-SP提取到的人脸特征维数不到原LTP特征的30％,但是识别性能却优于原始算法,因此算法具有较好的应用前景.     

基于Tamura纹理特征的织物组织识别算法

针对目前织物组织的识别主要依赖人工而导致效率低下的问题,研究并设计了一种基于Tamura方向度纹理特征的织物组织识别算法。该算法通过将Tamura纹理特征中的方向度、形态学运算以及高斯模糊有机结合,成功生成经纬组织点分布图以实现织物组织识别。通过计算织物组织图的Tamura方向度特征值提取了纹理信息,利用纹理信息结合数字图像处理技术获得组织点分布。实验证明,针对具有较强纹理信息的织物组织,特别是经纬纱线颜色相近的织物,该算法能够很好地实现识别效果。     

基于颜色特征的筒纱分拣机器人识别定位方法

针对筒纱分拣机器人作业目标的表面纹理复杂、位置随机摆放等干扰因素的问题,课题组提出了基于颜色特征的筒纱识别定位方法。构建了具有视觉感知的4自由度DOBOT筒纱分拣机器人系统,通过视觉系统获取筒纱多目标的图像,采用对图像进行预处理的算法来提高分拣目标的对比度;将作业目标由RGB空间转换到HSV颜色空间,提取各分量的颜色特征,采用区域生长法对不同颜色的多目标区域进行提取;建立基于图像信息的形心坐标,对各目标区域的连通域进行定位。实验结果表明：该方法能够实现对不同颜色的作业目标的识别与定位,并在分拣机器人的手眼标定的基础上,实现了对不同颜色的作业目标进行分拣。     

基于自适应共生矩阵选择的目标跟踪方法

针对单一固定特征无法适应目标及其背景变化的情况,提出了一种基于HSV颜色空间的共生矩阵的自适应特征选择的方法。首先将图像转换为HSV颜色空间,在每个颜色通道内对目标及其背景区域计算不同参数的共生矩阵,选择其中差异最大的前4个共生矩阵作为目标特征模型,通过比率对数矩阵计算的反向投影图,采样均值平移算法跟踪目标。仿真实验验证了该算法的有效性。     

互信息在图像检索中的应用

提出了一种新的相似性图像检索方法,它利用信息熵理论,分别对图像的颜色、形状和纹理特征进行描述,给出一个综合的相似性匹配算法。该方法首先分割图像,把一幅图像划分为若干子区域,抽取图像的主要形状和统计其所含的角度信息;然后利用信息熵计算图像之间的颜色、形状和纹理互信息。试验结果表明与其他方法相比,新的相似性图像检索方法具有更好的图像检索效果。     

基于平稳Contourlet变换的极化SAR图像融合

提出一种新颖而有效的基于平稳Contourlet变换的极化SAR图像融合算法。平稳Contourlet变换是一种具有几何信息的灵活多尺度、多方向和平移不变性的图像分解变换,与小波变换相比,对图像分析很重要的沿曲面任意方向反映的细节更容易调整。采用平稳Contourlet变换对多个单极化强度图像进行分解,对于低频系数和方向高频系数采用最优加权算法实现极化图像的融合处理。实验结果表明,该算法与PWF算法相比在保留原始图像边缘和纹理信息同时,可以有效地抑制相干斑噪声的影响,取得较好的融合视觉效果。     

基于车辆前方目标运动模型的主动避撞系统的研究

为提高毫米波雷达在探测目标运动状态方面的精确性,针对车辆前方目标运动特点,基于目标运动模型,采用卡尔曼滤波跟踪方法,根据城市道路车辆行驶的实际情况,选取当前统计模型作为机动目标模型,采用基于当前统计模型的卡尔曼滤波跟踪算法,应用Simulink搭建仿真模型,就匀速运动、匀加速运动及变加速运动3种前方目标行驶工况进行目标跟踪仿真对比试验。仿真结果表明:该算法可用于3种工况的目标跟踪,且误差小,具有良好的跟踪效果。搭建实车试验平台,采用一种安全距离模型,对目标跟踪算法进行实车试验。结果表明:使用该算法后车辆避免了碰撞,所建立的模型是可靠的。     

基于改进ORB算法的特征点匹配研究

针对ORB(Oriented FAST and Rotated BRIEF)算法不具有尺度不变性的缺陷,结合多尺度Shi-Tomasi算法提出了改进的ORB算法:STORB(Shi-Tomasi-ORB)算法。首先在多尺度空间中通过快速预筛选后检测Shi-Tomasi特征点,然后使用ORB算法生成具有方向信息和尺度信息的特征点描述子,最后采用汉明(Hamming)距离对特征点进行匹配,并结合随机抽样一致(RANSAC)算法对匹配结果进行优化,实现图像的准确匹配。实验结果表明,STORB算法不仅保留了ORB算法优良的旋转不变性与实时性,而且当图像发生尺度变化时特征点匹配正确率达到了95.8%,比ORB算法提高了65.2%。     

优化CamShift算法的适应度函数的船舶跟踪改进算法

针对内河船舶对象在动态背景下的目标跟踪展开研究,考虑船舶在内河运行环境的特点,以Cam Shift跟踪算法为基础,对其适应度函数进行优化设计,将期望值最优作为适应度函数的性能参量。设计中以目标区域颜色直方图概率密度和预测区域颜色直方图概率的期望值作为适应度函数,以此适应度作为视频帧中选择目标区域的参量。内河运行船舶实际摄制视频的跟踪分析结果表明:相对于传统的Cam Shift算法,改进后的算法提高了跟踪精度和系统稳定性。     

改进的SLIC算法在彩色图像分割中的应用

针对简单线性迭代聚类(SLIC),仅考虑颜色和空间特征导致分割不准确的问题,提出了一种改进的SLIC分割方法。首先使用双边滤波执行图像增强,可以消除图像中的噪声且保护边缘特征;然后使用结合自适应多阈值LBP纹理特征的SLIC算法将彩色图像分割为超像素块;最后把超像素块通过DBSCAN算法进行聚类合并,以获得分割后的结果图。实验结果表明:所提方法对测试库中的图像分割是快速可靠的,能准确地分割图像边界并提取目标区域。与现有的其他图像分割方法相比,该方法分割的准确度和效率得到了显著提高。     

基于小波隐性马尔可夫树模型的车牌定位

根据小波隐性马尔可夫树模型对车牌纹理特征精确的多尺度描述,提出了一种基于WHMTM的车牌定位方法。该方法首先以小波域的高频滤波作为预处理,再根据车牌纹理的WHMTM参数采取从粗到精多尺度地分割车牌,从而快速、准确地在复杂的背景中定位车牌。实验结果表明该方法是一种速度快且抗扰性强的车牌定位方法。     

融合颜色与纹理特征的图像内容检索研究

随着信息技术的快速发展,视频、图像等媒体网络信息取代了传统的文本网络信息,基于内容的图像检索成为当今研究的热点问题.本文在分别对基于HSV空间的颜色直方图方法与基于共生矩阵的纹理方法比较的基础上,提出了一种融合颜色与纹理特征的图像检索方法,实现了多特征检索.实验结果显示,当两特征的权重值分别为0.5,0.5时,检索效果大幅度提高.     

基于小波变换的汽车前照灯图像边缘检测

用改进的基于小波多尺度变换的数字图像边缘检测算法,提取汽车前照灯近光图像的边缘,完成图像的初步预处理,从而为车灯的近光检测奠定基础.采用小波分解算法进行图像增强,针对小波模极大值在不同尺度下传播的特性,检测出图像在两个方向的极大值,之后通过边缘跟踪补偿和平滑细化得到图像的边缘.对比几种经典的边缘检测算子,小波变换的数字图像边缘算法对汽车前照灯近光图像的处理结果较好.     

当前统计概率数据关联算法

目标跟踪领域的一个研究重点是如何解决在密集杂波环境下机动目标的跟踪问题。机动目标跟踪的关键是解决目标模型的不确定性,而密集杂波环境则使这个问题变得更加复杂。针对这一问题,提出一种当前模型概率数据互联算法。该算法将当前模型算法与概率数据互联相结合,在使用概率数据互联算法的同时,利用当前模型算法对目标出现的机动进行自适应滤波。最后,给出了算法的仿真分析,仿真结果说明该方法能够有效地跟踪杂波环境中的机动目标。     

基于差分和肤色图像的人脸检测算法

提出并实现了一种基于差分和肤色图像的人脸检测算法。该算法利用视频图像的运动信息,在帧间差分的基础上进行二值图像边缘提取,确定目标在原图像中坐标位置,然后设计肤色模型表征人脸颜色,采用彩色图像的色系坐标变换进行人脸的准确定位。该算法的优点是可将运动信息序列图像中与人脸肤色相似的固定区域删除,在目标跟踪和运动检测上,不仅能有效地抑止背景噪声,减少误检率,而且还能缩小人脸检测范围,加快检测速度。实验表明,该算法可行、有效。     

基于窗口法的彩色特征提取

为了有效的利用彩色信息,本文用直接用彩色特征描述待识别的目标,提出了目标主色调和目标颜色杂散度的概念,并采用窗口算法来确定目标的主色调。实验结果表明所提取的彩色特征能对目标进行有效的区分,提高了目标识别的准确率。     

Harris-SIFT算法及其在双目立体视觉中的应用

为了降低尺度不变特征变换(SIFT)算法的复杂度,提高算法的实时性,克服算法提取的特征点不是角点的缺点,该文提出了一种新的Harris-SIFT算法。该算法首先用Harris算子提取图像的特征点,然后为每个特征点定义主方向,最后将特征描述子的坐标旋转到与特征点的主方向一致,计算出每个特征点的特征向量描述子。双目立体视觉图像匹配实验结果说明了该算法的有效性。     

无线传感器网络下的并行粒子滤波目标跟踪算法

针对无线传感器网络环境下目标跟踪问题,提出一种基于分布式并行粒子滤波的目标跟踪方法。在建立了网络动态分簇模型和目标运动模型的基础上,将并行粒子滤波算法应用于动态目标进行跟踪。算法通过多个感知节点并行的运行局部粒子滤波器,得到每个节点对目标状态的估计,动态成簇的簇头节点对簇内每个节点的信息进行融合,形成动态目标的状态估计,提高了目标跟踪的精度。同时通过动态簇头之间的目标状态信息的交换,实现了运动目标的动态连续跟踪。仿真结果表明,算法实现了运动目标协作跟踪,与集中式结构目标跟踪相比,跟踪精度提高了30%。