关键词： 海量图像检索   物体定位   排序  

摘要： 最近几年在计算机视觉以及机器学习领域，基于海量图片的目标检索课题开始备受研究学者们青睐。目标物体检索系统的主要任务是：给定一张查询图像，检索系统可以快速从大量的数据库候选图片中找到包含查询图像中前景物体的所有目标图片。我们熟悉的一些哈希算法由于其执行的高效性在这一领域也颇受欢迎，虽然在赢得检索效率同时会难免丢失一定得准确度，这是因为基于哈希算法的检索框架一般都是建立在底层的判别性相对较弱的特征词典以及相对简单的物体表达模型之上。在本文中，我们提出用一种新的结构化组合特征的物体表达方式，结合最小哈希算法，来构建一个简单的、高效的有良好检索性能的目标物体检索框架。同时，通过引入一个坐标偏移量辅助空间，该系统能够进一步在检索结果中定位出目标物体。 总结本文的贡献有以下三点：（1）我们提出一种新的图像表达特征，称之为几何属性保持的词汇对，该特征可以有效的保持孤立的可视词汇在样本中的空间上下文信息，因此可以增强每个哈希函数输出的判别性；（2）我们进一步通过有监督的检索学习过程选出一系列哈希函数堆，组成一个个函数组，在最小哈希检索框架中称之为哈希函数簇（Sketch）。在学习过程中，我们针对每一个物体类别建立条件随机场模型（CRF模型），最后通过学出的物体表达模型，得到最终优化的哈希函数簇集合；（3）在哈希匹配过程中，我们通过引入一个辅助的偏移量空间来计算两张图像中碰撞元素的坐标偏移量，最后物体定位结果通过在偏移量空间中进行聚类给出。 为了验证算法的效率和性能，我们挑选了三个常用的公共数据集来做实验：Oxford5K，Paris，Kentucky。实验结果显示，与该领域有代表性的算法比较，我们的算法在这些数据集上均表现出了性能上的优势。

关键词： 无线传感器网络   定位   移动目标追踪   DV-Hop   动态分簇  

摘要： 随着物联网的迅速发展，无线传感器网络（WSN）成为多学科交叉的新兴前沿研究热点技术，它综合了传感技术、嵌入式技术、无线通信和网络技术、分布式信息处理技术以及微电机技术等，具有低功耗、多节点分布式协作的特点。在国防军事、交通管理、医疗卫生和反恐抗灾等领域有着非常广阔的应用前景。因此对目标的定位与追踪是首要解决的问题。 虽然目前的定位算法已经比较多，但都存在着很多缺陷，在基于测距的定位算法，需要较高的硬件要求，节点的能耗也较高。而距离无关的定位算法能满足大多数要求，本文重点研究了DV-Hop定位算法，针对该算法在估算平均每跳距离时存在较大的误差，提出一种跳距修正的加权定位算法；针对移动目标本文利用分簇算法思想解决了移动目标追踪问题，取得了较好的效果。 本文探讨了大规模、自组织的无线传感器网络实现定位的问题，虽然一些定位策略已经应用到无线传感器网络中，尚未找到满足无线传感器网络的全部要求，受到定位精度、网络资源和算法的可扩展性等限制因素。针对DV-Hop定位算法的局限性，在计算未知节点与信标节点之间的估计距离时，用跳数乘以平均每跳距离来表示，提出了一种改进算法—WDV-Hop算法。主要创新在于结合了修正加权算法，不仅考虑到节点在平均每跳距离存在误差，还考虑到后期积累值增加，进行加权处理。仿真结果表明，改进后的算法对网络表现出良好的可靠性和鲁棒性，尤其在信标节点网络密度较低的情况下，WDV-Hop具有更为明显的可靠性。 在研究移动目标追踪的过程中，为了使传感器网络具有更长的寿命，采用动态分簇算法，提出了基于动态分簇移动目标追踪算法。该算法合理利用网络节点的自组织性，只需要部分传感器节点工作，形成临时簇，最后通过簇头和汇聚节点的通信，把相关信息传输到监控电脑或设备上。仿真结果表明：该算法分簇比较稳定，具有合理的分簇结构，通过部分节点参与移动目标追踪，延长了网络寿命并提高了节点的能量利用率，在网络规模不是很大的情况下，具有良好的扩展性。

关键词： 类圆物体   粘连分割   圆Hough变换   中心定位   棒材图像  

摘要： 随着计算机技术和机器视觉的不断发展，采用数字图像处理技术进行目标统计的应用越来越广泛，其中类圆物体的计数问题已经成为目前图像处理领域的热点之一。通过计算机技术对物体进行自动计数，可以减轻人的劳动强度，提高工作效率和计数准确度，具有很大的研究意义。 本文以捆扎棒材的端面图像为研究目标，改进了一种类圆物体的中心定位算法，目的即是为了根据检测出的中心点个数来统计物体的数量。本文首先详细分析了棒材端面图像的特征，利用目标边缘在各个方向上具有对称性而背景边缘分布没有规律可循的特点，采用一种基于方向滤波和方向检测的感兴趣区域提取与阈值化相结合的图像分割方法，并对本文所设计中心定位系统中所采用的图像预处理技术进行了阐述。 其次，本文对几种常用的类圆形图像的粘连分割方法进行了研究和分析。根据类圆图像的实际特点，改进了一种基于圆Hough变换的棒材图像目标分割与中心定位识别算法。该算法首先采用边缘检测算子获取目标边缘点的梯度信息，然后对圆Hough变换的算法进行改进，该方法对重叠粘连类圆物体的分离取得了很好的效果。 在中心点的判定过程中，本文设计了一种中心点判断准则，利用中心区域亮度值较大的特点和目标半径范围内只有一个中心的特点，去除虚伪的中心点。该方法实现简单，效果良好。 最后，利用本文提出的类圆形物体的中心定位方法，基于Visual Studio2010和OPENCV设计了图像处理软件，并用棒材端面图像进行试验，试验结果表明该方法定位准确，相对于基于圆环的改进Hough变换的算法，计数准确率有所提高。

关键词： 图像相似度   边缘检测   物体轮廓定位  

摘要： 图像识别属于人工智能的一部分,是当前学术前沿,诞生了众多的研究分支。本文选择了对图像识别的基础算法加以研究,分别为图像相似度、边缘检测和物体轮廓定位方法,并提出了新的计算方法。本文研究内容如下所示： (1)图像相似度是图像检索的基础,从海量图片中检索特定的相似的图片不仅需较高的准确性,更重要的是要达到很快的计算速度。本文提出了一种在HSV颜色空间中计算两幅图像距离的新方法。首先,将图像分块并计算每个图像块的主颜色直方图。然后,使用二次式距离函数(能充分利用HSV颜色之间的相似度)获得主颜色直方图之间的距离。这里,提出了一种新的计算HSV颜色相似度的方法。最后,使用最佳匹配策略,通过加权每对图像块之间的距离计算出图像的相似度。算法的有效性和性能在模拟和真实的图像集上得到了充分的验证。 (2)边缘检测是图像识别的关键,涌现了一批经典的检测算法,如Sobel算子、Roberts算子、Prewitt算子、Kirsch算子、Canny算子、SUSAN算子等。其中Canny算子达到了最佳的效果,但其检测到的边缘有些粗糙,为了便于进一步处理。本文提出一种边缘去杂及连通性增强算法-蠕虫算法,首先通过Canny边缘检测算法得到待处理的边缘图像,然后使用该算法去除边缘图像中的杂边、毛刺(伪边缘)等因素同时保持边缘的连通性。实验结果表明,本算法有良好的性能,使得边缘图像简洁清晰,较之边缘细化算法能更简单有效地去除杂边,且在一定程度上去除了椒盐噪声对边缘图像的影响。 (3)物体轮廓定位可以归属于图像分割算法,用来获得物体的边缘外形。为了达到实时性要求,综合各种算法,本文提出了一种快速定位物体轮廓的方法。首先,将RGB图像转换为YCrCb图像并在待识别物体上选取一个候选点；然后使用SUSAN检测核(mask)检测该点是否属于边缘点,不是边缘点则将mask朝八个方向平移,移动过程中使用盒子码本模型(Box-based Code Book Model, BCB)统计核覆盖的所有像素,建立物体的特征模型；最后,当mask到达边缘点,综合利用mask和特征模型,采用广度优先遍历找到所有相互邻接的轮廓点便得到了物体轮廓。最后将算法应用到了一个实时手势识别系统来验证其性能。

关键词： 非夹持物体   摩擦驱动   定位   超声电机   运动控制卡   ADAMS  

摘要： 在极端环境下，如复杂电磁、高温、强辐射环境，对于那些易破碎、易变形的物体，无法使用传统夹具夹持来移动，因此设计一个能够驱动与定位这类物体的机构是本课题研究的主要内容。 通过分析“匹萨铲”的动力操纵机制，设计制造了超声电机驱动，基于摩擦原理的非夹持物体驱动机构的样机，分析并选择了具体的摩擦模型，对样机进行了运动学分析，得出了物体的运动方程；并用ADAMS软件对虚拟样机进行了运动学仿真，分析了摩擦系数对物体运动的影响，并对物体进行了运动规划。 在运动控制卡和计算机视觉系统的基础上，搭建了系统的硬件控制平台。在这个硬件控制平台上，选择C#编程语言开发了非夹持物体驱动机构的控制系统软件，通过分析具体的软件需求，详细阐述了单个超声电机的PID控制、计算机视觉系统的标定和物体定位模块的实现，最终完成了系统控制软件的设计。 最后，对样机系统软件做了调试，并进行了具体的实验研究，分析了实验数据，得出了物体的运动规律。

关键词： Kinect   法向量   3D点云   计算机视觉  

摘要： 通过Kinect设备获取物体所在场景的3D点云图像,再用积分图像计算场景中点云的法向量,根据法向量Y方向分量与XOZ平面所成角度的正切阈值滤除放置物体的平面,同时利用坐标输出阈值的设定滤除其它背景点和噪点。随机采取物体点云图中任意法向量不同的两点,根据它们的法向量和坐标,用异面直线公垂线的计算方法得到圆柱体的中心轴。再用点到空间直线的距离公式计算圆柱型物体的半径。最后通过计算物体点云X,Y,Z方向坐标的取值范围,实现对物体的定位。使用采集的场景点云图对算法结构进行测试,结果表明,算法结构可以可靠提取放置物体的平面和平面上的圆柱形物体,可以为机器人抓取提供准确数据信息。

关键词： 乳腺肿瘤   新辅助化疗   乳房肿物体表定位膜   尺膜标记法  

摘要： 目的探讨乳房肿物体表定位膜（简称乳房尺膜）标记法在乳腺癌新辅助化疗中乳腺肿瘤病灶定位的应用价值。方法对120例乳腺癌患者新辅助化疗前同时采用乳房尺膜对乳腺肿瘤病灶的位置和边界进行标记。对于非隆起性乳腺肿瘤病灶，将尺膜直接贴在乳房上，正向标记；对于边界不清楚的肿瘤病灶在超声引导下确定边界。对于隆起性乳腺肿瘤病灶，尺膜贴在肿瘤病灶以外的正常乳房皮肤上，反向标记。应用TEC方案2个疗程后再次标记，结合超声、钼靶及核磁共振结果综合判断临床疗效，决定手术或改为TP方案继续化疗。术前复位第一次标记结果，按标记的乳腺肿瘤病灶的位置和边界手术。结果完全缓解26例，部分缓解76例，稳定10例，进展8例。其中，完全缓解的24例按尺膜标记的肿瘤病灶位置和边界行保乳手术，部分缓解的18例按尺膜标记的肿瘤病灶位置及残余肿瘤病灶边界外1．5～2．0cm行保乳手术；其余78例，按尺膜标记的肿瘤病灶边界，行简化根治术，其中局部晚期皮缘不充足的13例，采用腹部全厚游离皮瓣覆盖创面。结论乳腺癌新辅助化疗的肿瘤病灶定位应用乳房尺膜法准确且无创，有效节省了肿瘤病灶周围正常的乳腺组织及皮肤，患者依从性好，明显优于传统的坐标法、体表纹身法以及金属标志物法。乳房尺膜标记法操作简单，尺膜价格低廉，便于普及和推广。

关键词： 彩色图像   主动形状模型   RGB色彩空间   目标定位   多分辨率搜索   主成分分析  

摘要： 为提高彩色图像中目标物体的定位精准度和鲁棒性,改善传统主动形状模型采用的灰度模型单一搜索,提出了一种新的基于RGB色彩空间三通道的局部搜索策略。根据彩色图像的特点,充分利用目标的颜色信息,把一维灰度模型扩展成RGB空间彩色模型。结合该模型,提出一种基于各颜色分量所占比重权值的自适应综合匹配函数,并通过由粗到精的多级搜索,实现了彩色图像中运动物体的定位。实验结果表明,该方法降低了模型陷入局部最优的概率,并且提高了目标物体定位的精度和收敛速度。

关键词： 工业环境   装配方法   抓取技术   工作原理   定位精度   三维物体   机器人  

摘要： 现代柔性生产要求工业机器人能够在复杂多变的工业环境中自主完成多种不同的操作任务,例如检测定位不同尺寸、任意放置的不规则工件,灵活稳定抓取多种工件,实现零部件的高精度装配等。视觉系统的引入提高了机器人对环境的感知能力,并在特定零件分拣、规则工件搬运中得到应用。但是工业环境中存在的噪声干扰,以及工件堆放时的相互遮挡和投影变形,对工件检测定位方法提出了新的挑战。另一方面,高精度装配是大多数制造中的关键环节,已有的机器人装配方法主要是基于力觉传感器或柔性手腕。然而,力觉传感器购置维护成本高且传感信息易受干扰,柔性手腕容易损坏且操作过程存在不确定性,使得这些方法尚未得到广泛应用。此外,工业中常用的平行机械手一般针对特定抓取任务设计,只能抓取有限的几种工件,为了抓取不同类型的工件,往往需要设计多个不同的平行机械手。同时,由于工件定位的误差,以及机械手手指不能单独控制准确到达规划的位置,导致机械手的实际抓取操作常常与理想的抓取规划存在偏差,影响工件抓取的稳定性。\n 针对上述问题,本文对工业环境中三维物体的视觉定位,利用有限信息实现机器人高精度装配,以及平行机械手的优化设计方法和稳定抓取策略展开了研究。论文的主要研究工作和贡献总结如下:\n 1.针对工件表观图像受多种因素耦合影响的问题,本文提出了一种基于表观因素分解的工件位姿估计方法,利用Chamfer距离变换检测工件的平移位置,利用随机投影空间里的双线性模型从工件表观的低维表示中分离姿态变量并估计工件的准确姿态,提高了工件位姿估计的实时性和准确性。\n 2.针对堆放工件存在的相互遮挡和工业环境中存在的噪声干扰,提出了子模式双线性模型和岭回归参数估计算法。子模式双线性模型把全局表观图像划分为若干子模式集,在每个表观子模式上分离姿态因素,融合每个子模式的姿态估计结果而得到最终的姿态估计,提高了遮挡下的工件姿态估计性能。岭回归参数估计算法通过岭回归技术限定矩阵的条件数,使矩阵求逆稳定,确保了噪声干扰下参数估计的稳定性。\n 3.提出了一种高维环境约束域的分解方法,把系统变量划分为控制变量和柔顺变量,分别基于这两组变量构建构形子空间中的环境约束域,并利用两组变量之间的隐式映射关系建立了两个子空间的联系。基于环境约束域的分解设计了利用有限信息的多种工件高精度装配策略,并实现了汽车发动机活塞-连杆-销的高精度装配,和高精度曲柄轴-轴承装配。\n 4.针对现有工业平行机械手结构简单、只能抓取特定物体,以及实际抓取操作与理想的抓取规划存在偏差的问题,构建了可变宽度平行机械手抓取工件的构形空间,提出了基于环境约束域的机器人稳定抓取策略。提出了一种归一化四指平行机械手优化设计方法,并给出了工件初始位姿允许的最大误差范围,提高工件抓取的稳定性和容错性。\n 上述工作被应用于机器人平台,实现了复杂场景下的工件视觉定位,利用有限信息的高精度装配和工件的稳定抓取。

关键词： 像素点   动态检测   事件建模   异常检测   物体定位  

摘要： 计算机技术与信息技术在人工智能、数字图像处理、模式识别等领域的突飞猛进的发展，使人们可以利用摄像机来得到转换后的场景中物体图像的数字信号，然后用计算机对它进行信息处理，实现对视频信息的自动监视。如此，从某种程度上来说就替代了人类繁琐的监视工作，从而大大减轻了劳动强度，提高了工作效率。 本文提出了一种基于运动背景相减法的视频异常事件检测方法，该方法利用像素点的时空特性，不需要先对目标进行标签，识别，归类和跟踪，需要的计算量和内存消耗较少，实时性良好。后续处理中采用改进后的运动历史图像的方法，提高了物体连通性，有利于物体结构化分割，实现了对异常物体的准确定位。 文中对异常事件的检测，没有针对特定类型，而是将偏离模型一定阈值范围之外的事件都作为异常进行处理。异常事件检测系统主要分三个步骤完成：运动目标检测、异常事件检测和异常物体定位。首先，在运动目标检测阶段，我们将利用背景减除法获得的差分图像经二值化操作检测出视频中的运动目标。然后在异常事件检测阶段，对每一像素点通过时空共生模型进行建模，利用训练过程取得的正常概率，经阈值比较判断该像素点是否正常。最后，采用改进后的前后向MHI方法对异常检测输出结果在进行图像结构化时产生的不足进行弥补，定位我们的异常运动物体。 文中的仿真实验通过具体实验效果选择最佳参数值，每一处理步骤都截取了多幅图像来显示实验效果。通过实验证实，论文中讨论的方法在视频异常检测过程中实时性准确性良好。