-
题名单目图像序列光流三维重建技术研究综述
被引量：22
- 1
-
-
作者
张聪炫
陈震
黎明
-
机构
南昌航空大学无损检测技术教育部重点实验室
南昌航空大学测试与光电工程学院
-
出处
《电子学报》
EI
CAS
CSCD
北大核心
2016年第12期3044-3052,共9页
-
基金
国家自然科学基金(No.61401190
No.U1233125
+6 种基金
No.61462062)
江西省主要学科学术带头人培养计划项目(No.201208421)
江西省自然科学基金重点项目(No.20133ACB20004)
江西省科技落地计划项目(No.201408083)
航空科学基金(No.2015ZC56009)
江西省优势学科团队计划项目(No.20152BCB24004)
无损检测技术教育部重点实验室开放基金(No.ZD201529001)
-
文摘
由单目图像序列光流重建物体或场景的三维运动与结构是计算机视觉、图像处理与模式识别等领域的重要研究内容,在机器人视觉、无人机导航、车辆辅助驾驶以及医学影像分析等方面具有重要的应用.本文首先从精度与鲁棒性等方面对单目图像序列光流计算及三维重建技术近年来取得的进展进行综述与分析.然后采用Middlebury测试图像序列对HS、LDOF、CLG-TV、SOF、AOFSCNN和Classic+NL等典型光流算法以及Adiv、RMROF、Sekkati和DMDPOF等基于光流的间接与直接重建方法进行实验对比分析,指出各对比方法的优点与不足,归纳各类方法的性能特点与适用范围.最后对利用分数阶微分模型、非局部约束、立体视觉以及深度线索解决亮度突变、非刚性运动、运动遮挡与模糊情况下光流计算及重建模型的局限性与鲁棒性问题进行总结与展望.
-
关键词
单目图像序列
光流
运动估计
三维重建
困难场景
鲁棒性
-
Keywords
monocular image sequence
optical flow
motion estimation
3 D reconstruction
hard scene
robustness
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名非局部加权邻域三角滤波TV-L^1光流估计
被引量：3
- 2
-
-
作者
张聪炫
陈震
汪明润
黎明
-
机构
南昌航空大学江西省图像处理与模式识别重点实验室
南昌航空大学测试与光电工程学院
-
出处
《中国图象图形学报》
CSCD
北大核心
2017年第8期1056-1067,共12页
-
基金
国家自然科学基金项目(61401190
61462062)
+4 种基金
航空科学基金项目(2015ZC56009)
江西省优势学科团队计划基金项目(20152BCB24004)
江西省教育厅青年科学基金项目(GJJ150706)
江西省图像处理与模式识别重点实验室基金项目(TX201604001)
南昌航空大学博士科研启动基金项目(EA201508003)~~
-
文摘
目的针对非刚性运动、运动遮挡与间断、大位移以及复杂边缘结构等困难场景图像序列光流计算的准确性与鲁棒性问题,提出一种基于加权邻域三角滤波的非局部TV-L^1光流计算方法。方法首先设计非平方惩罚函数L^1模型与梯度守恒假设相结合的数据项,然后引入基于L^1模型与基于图像梯度自适应变化权重相结合的平滑项,并根据提出的鲁棒数据项与图像-光流联合控制平滑项建立TV-L^1光流计算能量函数模型。最后采用基于加权邻域三角的非局部约束项,通过引入图像金字塔分层变形计算策略,在每层图像光流计算时对光流计算结果进行基于加权邻域三角网格的中值滤波优化,提出基于加权邻域三角滤波的非局部TV-L^1光流计算模型。结果分别采用MPI与Middlebury数据库测试图像序列对本文方法和LDOF、CLG-TV、SOF、Classic+NL等代表方法进行实验对比。本文方法光流计算结果的平均角误差(AAE)和平均端点误差(AEE)相对其他对比方法平均下降28.45%和28.42%,时间消耗相对传统方法增长5.16%。结论相对于传统的光流计算方法,本文方法针对非刚体运动、运动遮挡与间断、大位移运动以及复杂边缘等困难场景具有较好的适用性,光流估计结果具有较高的精度和较好的鲁棒性。
-
关键词
光流
加权邻域三角
中值滤波
非局部约束
困难场景
-
Keywords
optical flow
weighted neighboring triangle
median filtering
non-local constraint
difficult scene
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于密集小目标识别算法的港口安全帽与工作服识别
- 3
-
-
作者
祝绍嵩
韩卓成
-
机构
自动化码头技术交通运输行业研发中心
中远海运港口有限公司
中远海运科技股份有限公司
-
出处
《上海船舶运输科学研究所学报》
2024年第5期45-55,共11页
-
文摘
针对采用YOLOv5_6.0算法采集安全帽与工作服图像存在的目标密集、像素点小、像素色差小和检测难度大等问题,提出一种基于改进的YOLOv5_6.0算法的小目标检测算法。通过优化YOLOv5_6.0算法的边界框回归损失函数改善其对密集小目标特征信息的学习效果;通过增加1层特征提取层提升算法对小目标的检测效果;在算法主干部分添加全局注意力机制(Global Attention Mechanism,GAM)提升算法的整体检测效果;增加第二阶段复检算法对安全帽和工作服目标进行二次复验。在港口环境下采用该算法对包含安全帽和工作服的数据集进行训练,结果显示:改进算法相比原YOLOv5_6.0算法能使安全帽和工作服识别精度均值分别提升5.5%和5.3%;改进算法对安全帽和工作服的平均识别精确率分别达到97%和87%。研究表明,增加网络结构检测层和二阶段复验算法能提升密集场景下小目标识别的精确率和置信度,减少误检和漏检情况,有效满足港口环境下的安全帽和工作服检测需求。
-
关键词
YOLOv5_6.0算法
边界框回归损失函数
第二阶段复验算法
港口困难场景检测
安全帽
工作服
-
Keywords
YOLOv5_6.0 algorithm
bounding box regression loss function
second stage verification algorithm
detection in complicated port scene
safety helmet
working clothe
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
TU714
[自动化与计算机技术—计算机科学与技术]
-
