摘要：针对工厂中管道破损位置无法通过机器视觉准确判断的问题,提出一种基于自适应阈值分割改进Canny算子的管道边缘检测方法。该方法从滤波方式、梯度方向以及阈值分割角度对采集图像进行处理,首先采用采样-自适应中值滤波+双边滤波代替传统Canny算子中的高斯滤波,减少图像边缘信息丢失并去除图像中的噪声,然后增加梯度幅值的计算来更好地检测不同方向的边缘信息,最后为避免人工选取阈值效果不佳的情况,采用最大类间方差(OTSU)阈值分割算法进行阈值的自适应选取。实验表明,该方法相比于传统Canny算子的图像信噪比提升28.22%,边缘点数提升39.97%,四连通道数提升11.52%,八连通道数提升5.92%,提取特征完整且连续性较好,实现了对管道图像中破损情况的有效检测。

摘要：针对标准粒子滤波跟踪在复杂环境和光照变化下的缺陷,提出了融合颜色和梯度方向特征的粒子滤波跟踪算法,以克服单一颜色特征跟踪鲁棒性不高的问题。设计了特征融合的粒子重要性评判模型,使得单纯依靠颜色特征不能很好适应环境变化的情况得到了改善。同时通过目标模式自适应更新模型,提高了算法对复杂变化的自适应能力。实验表明,所提算法能比较可靠地实现复杂场景下的目标跟踪。

摘要：为避免常规构建词袋模型在选取梯度方向离散精度时存在的盲目性,以及解决不恰当离散精度构造出的词袋模型分类率不高的问题,研究在词袋模型中提取图像特征时梯度方向离散精度是否存在明显的阈值,使选取该阈值时能构造出最佳的词袋模型。基于面向稠密特征提取可快速计算的局部图像特征描述,选择不同的梯度方向离散精度分别进行大量实验,实验结果表明,存在一个明显、统一的阈值24,选择该阈值构造的词袋模型能够得到最高正确分类率。

摘要：针对多光谱滤光片阵列成像采样率低,原始(Raw)数据稀疏所导致的重建图像模糊,高频信息丢失等问题,提出了一种新八谱段滤光片阵列分布方案,利用基于邻域梯度延伸方法对光谱Raw图像进行重建.首先基于二叉树生成法,在重复排列的4×4阵列中设计了一种等空间概率比的八谱段滤光片分布方案;然后针对传感器直接获取的稀疏Raw图像,计算各谱段采样点的梯度信息,在保持图像结构特征和纹理信息的基础上,利用邻域采样点的像素值和梯度值对未采样点进行重建,从而获得完整的光谱图像信息;最后,基于已重建的八谱段光谱图像,采用伪逆矩阵法重构各像素位置的31波段光谱值.结果表明,相对于主流图像重建方法,本文算法提高了重建八谱段光谱图像的峰值信噪比、复合峰值信噪比,降低了光谱均方差,更好地保留了图像的纹理和边缘,有效降低了多光谱滤光片阵列成像中的颜色伪影和图像模糊等现象.

摘要：低对比物体在颜色或纹理等外观上与图像背景相似,使得鲁棒单目位姿跟踪难度较大,另外,噪声、动态光照、杂乱背景等干扰因素进一步降低了目标物体与背景之间的差异,鲁棒单目位姿跟踪的难度进一步增大,因此,低对比物体的鲁棒单目位姿跟踪仍然缺乏有效的解决方法.针对此问题,本文创新地利用目标轮廓特征,提出一种新的基于轮廓部件模型的鲁棒单目位姿跟踪方法:首先,依据Shi-Tomasi角点响应值将目标投影轮廓自适应分割为若干具有一定长度的轮廓段,建立目标轮廓部件模型;然后,针对每一轮廓部件,利用梯度方向信息,通过模板匹配的方法在输入图像中搜索最佳匹配位置,建立投影轮廓与输入图像中目标轮廓之间的对应关系;最终,依据建立的对应集合,采用PnP算法求解目标位姿参数,实现鲁棒单目位姿跟踪.在公开数据集及半仿真图像序列上的实验测试中,本文方法实现了低对比物体的鲁棒单目位姿跟踪,并对噪声、动态光照、杂乱背景等干扰具有较强的鲁棒性,性能优于已有算法.

摘要：针对传统Gabor特征在表情识别上的局限性,提出一种基于梯度Gabor直方图(GGH)特征的表情识别方法.首先对预处理后的人脸图像进行Gabor特征提取;然后将相同尺度、不同方向的Gabor特征按照梯度方向构造Gabor特征融合图,再对融合图进行分块并计算每个子块的直方图分布,从而构成人脸的GGH特征;最后采用支持向量机对GGH特征进行人脸表情分类.在JAFFE库与Pain Expressions库上进行交叉验证的结果表明,在保证较高识别率时,GGH特征比传统的Gabor特征实时性更高.

摘要：为了处理不可解析求导的目标函数,并克服传统方法对图形绘制解像度敏感,易陷入局部极值的问题,提出一种基于模拟求解的三维注册优化方法.以首先定义基于轮廓特征的目标函数,并采用LM(Levenberg-Marquardt)算法进行求解;在每次迭代过程中,根据位置与姿态参数特征的不同自适应地调整方向导数计算,并分别采用解析式增量估计和随机采样式估计方法计算相应梯度方向,为目标函数模拟出光滑的表达.定量和定性的实验结果表明,文中方法可以快速收敛,很好地克服了局部极值问题.

摘要：当前的直线段检测算法均针对灰度图像设计和实现,在处理彩色图像时会抛弃其色彩信息,不利于获取高质量检测结果。为此,提出了一种针对彩色图像的直线段检测算法。对三个色彩通道分别应用DiZenzo算子计算出其梯度矢量,并基于平均梯度强度和方向提取出图像中的边缘;再对边缘线段上的像素点进行跟踪、链接或分裂,以生成候选的直线段。最后,基于候选直线段上各点的梯度信息,利用Helmholtz准则排除由噪声形成的虚假直线段,从而得到最终的直线段集合。实验结果表明,与现有算法相比,新算法充分应用了图像的色彩信息,显著提高了直线段检测的性能,在York城市图像数据库上可将当前算法的最高精确率从0.2207提升为0.2687,并获得了更高的F-得分。

摘要：针对传统Sobel边缘检测算法需要人为指定阈值而且检测出的边缘较宽等问题,提出一种自适应阈值和非极大值抑制相结合的边缘检测算法。引入中值滤波的思想生成自适应动态阈值,将该值作为二值化处理的阈值,并采用非极大值抑制的方法细化梯度图像,同时通过增加梯度检测方向提高了算法对复杂纹理的识别能力。将改进后的算法在FPGA平台上实现,实验验证了其有效性。

摘要：为了增提高业机器人的智能水平,需要加装视觉系统,但因其工作环境复杂所以需要对现有机器视觉算法进行改进才能满足工业机器人的实际需要。边缘检测中广泛采用Canny算法,但因为其本身存在一些天然的缺陷不能直接应用于工业机器人上。第一,在进行高低阈值选取时需要人为设定,适应性差并且依赖人的经验。第二,在判断经非极大值处理后处于两阈值中间点是否为边缘点时,判断依据单一,容易混入更多的假边缘。通过研究现有机器视觉成果提出了相应的解决方案。第一,将迭代式自适应阈值法应用于Canny算法中,使算法有自主选择阈值的能力。第二,因为相邻边缘点处于相似的梯度环境中因此,使用梯度方向和(Sum of Gradient Direction简写为SGD)进行辅助判断边缘点。经仿真改进的方法,其结果表明改进的方法在检测精度和自适应方面要优于Canny算法,满足工业机器人对视觉方面的需求。