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

  1. 图像拼接技术研究,TP391.41
  2. 双传感器图像联合目标检测及系统实现研究,TP391.41
  3. 基于嵌入式图像处理单元的运动目标跟踪系统研究,TP391.41
  4. 移动机器人视觉检测和跟踪研究,TP242.62
  5. 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
  6. 结合线性二次放射生物模型的图像配准技术的研究,R815
  7. 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
  8. 基于运动目标轨迹分析的智能交通监控系统,TP277
  9. 基于视频的运动目标检测与跟踪方法应用研究,TP391.41
  10. 基于支持向量机的视频目标检测方法研究,TP391.41
  11. 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
  12. 复杂目标视觉注意模型研究,TP391.41
  13. 高深宽比微纳层次结构仿壁虎脚毛制作工艺研究,TB391
  14. 基于Davinci技术的车辆检测与跟踪算法的研究与实现,TP301.6
  15. 基于GHT的RFID芯片贴装视觉定位技术研究,TN405
  16. 水下目标的视觉检测与识别,TP391.41
  17. 智能视频监控中的目标检测技术研究,TP391.41
  18. 视频监控系统中的运动目标检测算法研究,TP391.41
  19. 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
  20. 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