国家自然科学基金(50545027)
- 作品数：5 被引量：61H指数：3
- 相关作者：周平汪亚明赵匀钟取发周维达更多>>
- 相关机构：浙江理工大学浙江大学更多>>
- 发文基金：国家自然科学基金浙江省科技计划项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于小波的实时烟雾检测被引量：27
- 2007年
- 传统的离子式、吸气式、光电式等烟雾检测器在大空间中检测烟雾时,会受到发射信号与接收信号之间的距离、平面角度、精确对准等限制,无法对整个空间的烟雾状况进行描述。新的方法通过监测区域的摄像机拍摄的视频图像序列,进行小波变换,分析图像帧在时域和空域的频率特性,来确定被监测区域是否有火灾烟雾的发生。实验证明该方法不受空间高度、热障、易爆、有毒等环境的限制,并且有灵敏度高、抗干扰力强、适用范围广等特点。
- 帅师周平汪亚明周维达
- 关键词：小波
- 自然场景兴趣区的分量组合-压缩快速分割法被引量：1
- 2007年
- 为实现野外自然道路、农田复杂场景或动态纹理感兴趣区(ROI)的快速分割,提出了一种基于RGB颜色分量线性组合与颜色位屏蔽压缩的主动摄像机视觉目标分割新技术.结合含误差带FloodFill算法与提出的RGB色域特征循环学习,获得理想的自然道路场景核心或指定纹理目标.以该ROI为对比模板,快速搜索出进行特定目标实时分割的最优RGB颜色分量组合.大量实验显示:颜色分量线性组合能增强特定目标的显示特性,颜色位屏蔽能压缩色域,提取近似的颜色主成分,同时减弱图像中的噪声影响,并减小干扰引起的纹理分割误差.该方法的计算时间几乎不受目标纹理复杂度影响,能在30 ms内全图分割分辨率为320×240的图像序列中的多目标,对颜色噪声变化和光线波动有较强鲁棒性,在野外自然道路或农田场景、多颜色目标和动态纹理兴趣区的分割速度与稳定性上取得明显进步.
- 周平钟取发汪亚明赵匀
- 关键词：自然场景
- 时-空域多特征证据学习与增强的印染疵点在线检测
- 2006年
- 提出了一种基于时空域多特征证据学习与增强的织物印染疵点在线检测新方法。利用多种类纹理特征在特征表达上的互补性以及可疑图像分块前n帧历史的对应特征,达到多证据印证的特征学习与分类增强,是一种比较通用的表面缺陷实时检测解决方法。检测总体思想是从“已知的”无疵点纹理表面提取特征,根据特征对被测织物进行分类比较,从而检测出“未知的”疵点纹理区域。检测过程分为一次性时空域多特征证据自学习和在线分类检测两阶段。对实际织物图像序列的在线检测显示,对单色织物常见印染缺陷的有效检测速度达到了55帧/s(1 024×393像素分辨率仿真视频图像),动态检出正确率达到95%以上。
- 周平汪亚明朱森勇
- 关键词：颜色特征提取计算机视觉
- 基于典型叶片模板自动匹配的虫损叶面积测量被引量：7
- 2010年
- 为了定量化评估农作物的虫害程度,提出了一种基于典型叶片模板自动匹配的叶片虫损面积测量新方法。先将叶片图像二值化并提取其外轮廓;再对提取的轮廓进行多边形近似,以多边形的顶点为端点将叶片外轮廓划分成若干子轮廓;然后采用形状上下文对完整叶片与虫损叶片之间的子轮廓进行自动配准,找出其间的相互映射关系;最后根据映射关系对虫损叶片进行重建,计算出虫损面积。对10类不同叶片的测量分析表明:该方法平均每叶片耗时0.962s,最大相对误差为8.22%,平均相对误差为4.78%。其中,形状复杂度高的叶片平均相对误差为7.48%,复杂度中等的叶片为5.99%,复杂度低的叶片为1.84%。结果表明,该方法能准确而快速地测量虫损叶面积。
- 钟取发周平付斌斌刘科文
- 关键词：图像处理计算机视觉形状上下文多边形近似
- 基于颜色分量运算与色域压缩的杂草实时检测方法被引量：27
- 2007年
- 提出了一种基于RGB分量运算和色域位屏蔽压缩的杂草实时检测方法。对杂草和作物的大量实验显示:颜色分量运算可增强目标的显示特性,而对色域的屏蔽压缩可在保证实时性的同时减弱图像噪声污染,减小干扰引起的纹理分割误差。该方法的处理时间几乎不受目标复杂度影响,可在30ms内有效分割出320×240分辨率图像中有颜色差异的不同杂草或农作物,对颜色分布波动具有较强的鲁棒性。颜色分量运算的线性组合系数可通过有监督的学习自动确定。
- 周平汪亚明赵匀
- 关键词：杂草识别图像处理实时检测
