为了满足热像仪在不同场景下自动对焦的功能需求，对现有多种自动对焦实现方案的优劣势进行了评估分析，并选择了一种基于角点检测算法的对焦方案。通过检测图像中的角点数量来实时判断图像的清晰度。根据热像仪FPGA图像处理系统的性能对该算法进行了改进与优化，并提出了多阈值角点检测实时对焦方法。根据当前场景的对焦状态，热像仪可自主判断是否执行对焦操作，以适应不同检测场景的需求，最终实现其在不同场景下的实时自动对焦功能。

四足动物行走的运动特征自动识别在动物的仿生学、行为识别、疾病预测，以及个体身份识别等方面都有着非常广阔的应用前景。基于计算机视觉技术，结合深度学习方法，针对四足动物的行走运动，建立了一种四足动物行走步态参数自动提取方法。利用视频帧分解技术对采集的四足动物行走视频进行处理，得到各帧四足动物行走图像；基于改进DeeplabV3+语义分割模型提取运动目标；在此基础之上，结合四足动物行走步态及其时空特性分析，以目标体轮廓中心点-边界距离曲线为基础实现运动角点的检测及匹配。为有效地解决四足动物运动特征参数提取的问题，建立了一种基于四肢运动角点至参考点距离变化曲线的运动特征分析方法。实验结果表明，所提方法能较好地实现四足动物运动角点的检测，对犀牛、水牛、羊驼运动角点检测的最大误差分别为32，27，19 pixel，运动角点匹配关系准确，步态周期、步态频率的计算误差小于2%，步态顺序输出正确，步幅的计算误差最大为2.85%。

针对各向异性高斯方向导数滤波器运算量大、耗时长的问题,利用盒式滤波器拟合出各向异性高斯方向导数滤波模板,并结合积分图像,提出一种性能优良的快速角点检测算法。利用盒式滤波器设计了6个方向的导数滤波模板,并结合积分图像,快速计算输入图像在各个方向上的导数响应;基于角点的稀疏特性,提出一种候选点粗筛选机制,快速筛选出候选角点区域像素以减少后续运算所涉及的像素数量;针对每一个候选像素,利用各个方向的导数响应构建多方向结构张量积,生成角点测度。将提出的算法与9种经典的检测器在仿射变换、高斯噪声干扰等条件下进行性能评估,在尺寸不同的测试图集上进行耗时对比。实验结果表明,新提出的算法具有优良的检测性能,耗时少,满足实时处理的需求。

针对同轴内啮合的大尺寸齿形结构手动装配模式中测量困难且精度不易保证的问题,提出一种面向齿形结构装配的视觉测量方法。该方法通过构建单目视觉测量系统,利用其图像特征解算空间位姿实现高精度测量。首先基于自适应核与自适应阈值的最小核值相似区算法提取齿顶角点,并采用大津阈值改进的Canny算法检测辅助圆离散弧段;然后结合随机采样一致思想,运用基于几何距离及Levenberg-Marquardt优化的椭圆拟合算法获取椭圆参数,并给出了齿形结构测量模型及其位姿解算原理。最后进行实验验证,结果表明该方法的测量精度可达0.050 mm,满足齿形结构装配的高精度测量要求。

图像非线性畸变降低图像检测和分类的准确率,因此畸变校正是图像处理的一个重要预处理步骤。为此,提出一种基于自适应角点检测的非量测畸变校正方法来更好地解决图像畸变问题。首先,以畸变棋盘格图像作为研究对象,以自适应角点检测获取亚像素级角点坐标作为输入信息,基于直线投影不变性建立畸变损失函数并设置基于曲率半径的权重系数调整各曲线的畸变量。然后,采用非线性优化方法标定畸变系数和畸变中心实现畸变校正。设计两组实验:标准图像仿真实验和真实图像实验。标准图像实验中噪声值σ=1时,本文方法的畸变系数k₁相对误差为0.733%,畸变系数k₂相对误差为4.933%,接近真值。真实图像实验中,本文方法的平均直线度仅为0.5152 pixel,表明校正精度高,平均运算时间约为8.4 s,表明校正效率较好。两组实验结果表明,本文方法可行、准确、高效。

针对现有棋盘格角点检测算法存在精度不足的问题,提出一种基于Hough变换和圆形模板的高精度棋盘格角点检测算法:首先,利用Hough变换和棋盘格直线分布特征获取有效直线,构建棋盘格角点,实现角点的粗略定位;其次,构建圆形模板,使其在粗略定位的角点周围移动,搜索相关点并获取其图像坐标及其观测距离;最后,最小化多个相关点坐标的实际距离与其观测距离的差值并求解,实现角点的精确定位。实验结果表明,本文提出的棋盘格角点方法与现有方法相比,其标定误差明显减少;在光照不理想时,本文方法可以实现精确检测。该方法为实际摄像机高精度标定应用提供了有力依据。

精确标定能够发挥出聚焦型光场相机在场景重建和非接触测量等方面的作用。而标定精度提升的关键之一在于精确的特征提取算法。为了提升特征检测的精度和效率,提出一种基于原始图的棋盘格角点检测算法。利用稳健的角点检测算子对原始图角点进行检测,并利用二维角点与三维光场圆域特征的对应关系进行角点筛选。然后,利用图像一致性对角点进行亚像素优化。进行了仿真角点检测实验和仿真标定实验,并基于R29聚焦型光场相机得到的重建角点进行了距离测量实验。实验结果表明,所提角点检测算法的精度高于现有算法,并证明了基于所提角点检测方法的标定算法能够得到更加精准的结果。

加速稳健特征算法在多模核磁共振成像(MRI)肿瘤图像配准中,存在特征点偏少且配准精度低等问题。使用Harris角点检测法对参考图像、浮动图像的特征点进行提取和检测,接着使用圆形64维向量法生成特征描述符并进行欧氏距离匹配,来增强特征点的提取。通过设置配准图像初始化参数,确保粒子在最优值附近搜索,利用互信息作为粒子群优化算法的测度函数,增强目标函数全局最优解,通过引入平均最值,防止算法陷入早熟现象。仿真结果表明,与现有的算法相比,所提优化算法可以使多模MRI图像特征点增多且精度更高。

现有的指静脉识别方法通常以包含静脉分布的灰度图为对象进行算法设计。但由于采集装置的局限性, 光照强度的不确定性, 手指血管周围组织的复杂性等, 原始图像即使经过图像预处理过程, 得到的灰度图中依然会存在不规则的阴影和非静脉特征, 这可能使得被提取出的静脉特征不具有很好的代表性和区分性, 从而降低识别结果的准确性。因此, 本文提出以包含指静脉分布的二值图为对象进行算法设计, 从而在识别过程中尽可能减少非静脉因素的干扰。在特征提取上采用了适于二值图特征点检测的加速分割测试特征提取算法, 提取出静脉纹理边缘中符合要求的像素点作为特征点, 进而对检测到的特征点进行向量化描述。同时为了提高匹配的精度, 提出了基于圆形邻域的匹配算法, 使用加权匹配距离描述图像之间的相似程度。采用山东大学公开的手指静脉数据库进行算法性能测试, 平均识别率为0.993, 等误率为0.0196。上述结果证明了算法的有效性, 为指静脉识别算法设计提供了新的思路。