学位论文 > 优秀研究生学位论文题录展示
工业应用中的目标检测与精确定位技术
作 者: 田雨
导 师: 王林
学 校: 上海交通大学
专 业: 模式识别与智能系统
关键词: 目标检测 霍夫变换 图像配准 ICP Graph Matching
分类号: TP391.41
类 型: 硕士论文
年 份: 2012年
下 载: 28次
引 用: 0次
阅 读: 论文下载
内容摘要
计算机视觉是上世纪七十年代兴起的学科,在工业界,由于视觉传感器的简单易用,信息丰富以及成本低廉,使得基于视觉的工业任务越来越多。基于视觉的目标检测需要从图像中提取出不变的元素,这通常通过稳定的点特征或对图像模板进行编码来实现。目标定位是和目标检测密切又不一致的任务,虽然在目标检测的同时就可以完成粗糙定位,但工业应用中往往对精度有苛刻的要求,高精度的目标定位属于图像配准范畴,由于噪声,光照等因素的存在,也为图像配准带来了挑战,衍生了不同角度的图像配准算法。本论文对常见的目标检测及图像配准算法进行了回顾和总结,对现有算法进行了改进,设计并实现了面向工业应用的快速,鲁棒的目标检测方法以及精确的图像配准算法。论文的主要研究内容和成果如下:1.面向工业应用的快速目标检测算法。总结了基于特征和模板匹配的流行算法,针对工业应用中目标纹理较少的情况,本文改进了前人的工作,提出了快速同时检测多个目标的算法,通过引入训练步骤学习鲁棒模板,结合鲁棒模板的投票机制,能够在100毫秒内检测图像内的多个物体。2.面向工业应用的亚像素配准算法。总结了基于图像灰度的Lucas-Kanade框架与基于图像空间信息的ICP框架,针对工业应用中的速度要求,本文引入不同的距离度量和优化目标函数,为ICP算法中的数据点引入新的维度,结合KD-tree编码加速图像配准,实现了少纹理物体的亚像素检测。3.基于前人的Graph-Matching算法,提出新的数学模型,并用于目标检测。总结了传统的GA算法和最近基于优化算法的框架,结合投影矩阵对SMAC算法提出了改进,并实现了基于Graph-Matching算法的目标检测系统。
|
全文目录
摘要 5-7 ABSTRACT 7-11 第一章 绪论 11-15 1.1 引言 11-12 1.2 研究背景与现状 12-13 1.3 研究内容与创新 13-14 1.4 论文组织结构 14-15 第二章 目标检测算法与面向工业应用的快速目标检测 15-43 2.1 常见运动模型 15-17 2.2 基于特征的目标检测 17-25 2.2.1 特征检测 19-22 2.2.2 特征描述 22-25 2.2.3 特征匹配与目标识别 25 2.3 基于模板匹配的目标检测 25-30 2.3.1 生成模板 28 2.3.2 模板描述 28-30 2.4 不同目标检测算法的比较 30-31 2.4.1 HoG 算法和 DOT[15]算法 30 2.4.2 霍夫变换和 RANSAC 30-31 2.4.3 基于特征和基于模板匹配的目标检测算法的区别 31 2.5 面向实时应用的工业多目标检测 31-42 2.5.1 DOT 算法的问题和局限 32-33 2.5.2 本文提出的改进算法——PDOT 方法 33-37 2.5.3 本文算法实验结果 37-41 2.5.4 复杂背景对检测的影响 41-42 2.6 本章小结 42-43 第三章 图像配准算法与面向工业应用的亚像素图像配准 43-63 3.1 L-K 框架的原型算法(LUCAS-KANADE ) 43-46 3.1.1 误差度量 43-44 3.1.2 Lucas-Kanade 算法的推导 44-45 3.1.3 关于原型算法的讨论 45-46 3.2 L-K 框架原型方法的变体 46-49 3.2.1 逆向-组合算法 46-48 3.2.2 牛顿法 48 3.2.3 关于牛顿法的讨论 48-49 3.3 对 EMS 算法的另一种解读 49-52 3.3.1 Jesm的计算 50-52 3.3.2 ESM 方法的讨论 52 3.4 图像配准的另一框架——ICP 算法 52-54 3.5 本文提出的一种面向工业应用的 ICP 改进算法 54-62 3.5.1 问题描述 54-55 3.5.2 点到平面修正 55-56 3.5.3 速度及精度改进 56-58 3.5.4 流程图 58 3.5.5 实验结果与分析 58-62 3.6 本章小结 62-63 第四章 基于 GRAPH MATCHING 的目标检测 63-72 4.1 GRAPH MATCHING 算法综述 63-67 4.1.1 原始问题及约束 63-64 4.1.2 算法分析 64-67 4.2 本文提出的基于 GRAPH MATCHING 的目标检测算法 67-71 4.2.1 SM 算法的改进 67-69 4.2.2 利用改进的 SMAC 算法进行目标检测 69-70 4.2.3 讨论 70-71 4.3 本章小结 71-72 第五章 总结与展望 72-74 5.1 全文总结 72-73 5.2 研究展望 73-74 参考文献 74-79 程序测试环境(附录 1) 79-80 致谢 80-82 攻读硕士学位期间已发表或录用的论文 82
|
相似论文
- 图像拼接技术研究,TP391.41
- 双传感器图像联合目标检测及系统实现研究,TP391.41
- 基于嵌入式图像处理单元的运动目标跟踪系统研究,TP391.41
- 移动机器人视觉检测和跟踪研究,TP242.62
- 机器人自动巡检系统中图像配准与图像匹配问题的研究,TP242.62
- 结合线性二次放射生物模型的图像配准技术的研究,R815
- 三十种中成药元素含量分析及基于元素含量的中成药分类研究,R286.0
- 基于运动目标轨迹分析的智能交通监控系统,TP277
- 基于视频的运动目标检测与跟踪方法应用研究,TP391.41
- 基于支持向量机的视频目标检测方法研究,TP391.41
- 基于改进光流场模型的医学图像非刚性配准算法研究及实现,TP391.41
- 复杂目标视觉注意模型研究,TP391.41
- 高深宽比微纳层次结构仿壁虎脚毛制作工艺研究,TB391
- 基于Davinci技术的车辆检测与跟踪算法的研究与实现,TP301.6
- 基于GHT的RFID芯片贴装视觉定位技术研究,TN405
- 水下目标的视觉检测与识别,TP391.41
- 智能视频监控中的目标检测技术研究,TP391.41
- 视频监控系统中的运动目标检测算法研究,TP391.41
- 医学图像配准平台及结合灰度与几何信息的新配准测度,TP391.41
- 无线传感器网络分布式目标检测研究,TP212.9
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|