基于機(jī)器視覺(jué)的自然目標(biāo)特征學(xué)習(xí)與即時(shí)檢測(cè).pdf

1、本文研究分為自然目標(biāo)的特征學(xué)習(xí)與即時(shí)檢測(cè)兩部分，其在機(jī)器視覺(jué)中是具有挑戰(zhàn)性的工作，提出的方法具有較普遍的適用性。針對(duì)自然目標(biāo)特征學(xué)習(xí)問(wèn)題，主要取得以下研究結(jié)論： 1)實(shí)驗(yàn)驗(yàn)證了顏色壓縮中的自適應(yīng)特征學(xué)習(xí)方法，其實(shí)質(zhì)是一種聚類壓縮過(guò)程，可進(jìn)行部分紋理圖案的提取，有利于提高圖案的提取質(zhì)量。高斯混合模型的1、2維自適應(yīng)EM聚類學(xué)習(xí)方法，帶自相交數(shù)據(jù)點(diǎn)集的主曲線學(xué)習(xí)跟蹤方法，均具有學(xué)習(xí)導(dǎo)向作用，然而取得結(jié)果的速度較慢，均在1500ms以

2、上。 2)提出了一種基于宏塊特征量化的視覺(jué)自適應(yīng)實(shí)時(shí)監(jiān)控方法。其宏塊特征空域關(guān)系判斷和類似競(jìng)爭(zhēng)學(xué)習(xí)分類的消除干擾策略獲得了可比較的優(yōu)勢(shì)結(jié)果。在動(dòng)態(tài)圖象序列中，能有效消除日光燈頻閃光線、部分運(yùn)動(dòng)陰影，以及局部小擾動(dòng)帶來(lái)的區(qū)域干擾。 3)提出了一種針對(duì)紋理表面質(zhì)量視覺(jué)檢測(cè)、以滾動(dòng)學(xué)習(xí)方式增強(qiáng)的多證據(jù)特征學(xué)習(xí)方法，使得自動(dòng)獲取的分類特征證據(jù)更真實(shí)、可靠。 4)提出了一種基于RGB色域特征環(huán)形學(xué)習(xí)的含誤差帶Floodfi

3、ll方法，以及通過(guò)有教師的學(xué)習(xí)來(lái)獲得RGB各顏色分量的最優(yōu)組合系數(shù)(對(duì)于1280×1024分辨率的圖像，參數(shù)學(xué)習(xí)計(jì)算時(shí)間≤10s)。該方法實(shí)現(xiàn)了對(duì)一些野外紋理狀非結(jié)構(gòu)化道路的有效提取。 5)在研究早期煙霧檢測(cè)中，提出了一種可避免背景污染的臨時(shí)背景一永久背景的雙層背景學(xué)習(xí)模型。對(duì)1443幀圖像的野外道路車(chē)輛視頻序列，以及3個(gè)野外動(dòng)態(tài)煙霧視頻(約1370幀圖像)擾動(dòng)的背景學(xué)習(xí)實(shí)驗(yàn)結(jié)果表明本方法的有效性和實(shí)用性。 針對(duì)自然目標(biāo)

4、的即時(shí)檢測(cè)，主要取得以下研究結(jié)論： 1)提出的橢圓模型生物目標(biāo)數(shù)數(shù)分割方法，實(shí)現(xiàn)了高相似顏色前景與背景，如：菌落、種子圖像的自動(dòng)檢測(cè)與計(jì)數(shù)分析，對(duì)40張復(fù)雜分布目標(biāo)圖像分析后獲得96.5％以上的檢出正確率。單粒數(shù)數(shù)的分割方法可以減小目標(biāo)相互之間的干擾影響。 2)采用時(shí)空域多證據(jù)的方法無(wú)參化地實(shí)現(xiàn)了對(duì)印染織物和紋理狀織造織物的表面缺陷即時(shí)檢測(cè)仿真。對(duì)此類紋理表面常見(jiàn)缺陷的仿真檢測(cè)速度達(dá)到了55幀/秒(1024×393像素分

5、辨率圖像)，7個(gè)序列的檢出正確率達(dá)到了95％。 3)基于主動(dòng)攝象機(jī)視覺(jué)的動(dòng)態(tài)圖象序列分析，提出了兩種比較有效的高相似自然紋理表面分割線自動(dòng)提取算法(行增強(qiáng)多證據(jù)分割法MEFE和多行最適應(yīng)步距分割法MR-BFS)，實(shí)現(xiàn)了自然紋理兩類邊緣線的在線跟蹤，自主決策出作業(yè)機(jī)的理想移動(dòng)方向。無(wú)參化地實(shí)現(xiàn)了園藝草地、水稻等割過(guò)與未割過(guò)自然紋理邊緣的兩類分割，對(duì)相似顏色圖像的分割誤差可控制在≤5％。5個(gè)野外視頻序列(約1200幀圖像)的自動(dòng)提取

6、實(shí)驗(yàn)表明：MEFE法的識(shí)別策略能取得較快的目標(biāo)線分割(分割320×240圖像的耗時(shí)≤70ms)，MR-BFS法可兼顧目標(biāo)線分割的速度和穩(wěn)定性。 4)提出了一種簡(jiǎn)化的攝像機(jī)主姿態(tài)角一次性自動(dòng)標(biāo)定方法(耗時(shí)≤0.5s)和一種自然紋理邊緣兩類分割線參數(shù)的實(shí)時(shí)透視變換方法。為獲得動(dòng)態(tài)圖象序列的平滑分割點(diǎn)，用了一種短暫記憶式多證據(jù)增強(qiáng)方法，來(lái)增強(qiáng)判別決策的有效性和提高邊緣線分割的即時(shí)跟蹤魯棒性，減小在控制上可能產(chǎn)生的行為振蕩。 5

7、)提出了一種基于RGB顏色分量運(yùn)算與色域壓縮的圖像處理方法，可進(jìn)行田間作物條帶、野外非結(jié)構(gòu)化道路、農(nóng)作物或雜草、菌落/種子等自然目標(biāo)的即時(shí)提取，并可應(yīng)用在紡織品圖案提取、煙霧檢測(cè)上。6個(gè)野外動(dòng)態(tài)視頻序列(約2300幀圖像)的自動(dòng)目標(biāo)提取實(shí)驗(yàn)表明：該方法的處理時(shí)間幾乎不受目標(biāo)紋理復(fù)雜度影響，對(duì)波動(dòng)的顏色分布具有較強(qiáng)的適應(yīng)魯棒性，可在≤30ms內(nèi)有效實(shí)現(xiàn)320×240像素圖像的全圖分割，在主動(dòng)攝像機(jī)視覺(jué)的目標(biāo)鎖定應(yīng)用中具有優(yōu)勢(shì)。 6