点击查看原图


1.图像处理

图像处理主要应用于医学、航空航天、军工等方面,它已在人们的生活中占据了举足轻重的位置。人类视觉系统(HVS)在处理一个较为复杂的场景时,首先将其视觉注意力集中于该场景少数几个对象(称为感兴趣区域,Region of Interest 简称ROI)。这种处理机制可以使得处理能力有限的大脑能够对这些显著对象进行优先处理,并对非显著部分进行舍弃或者暂时忽略,以便对场景的高层语义内容进行快速分析、了解与认知。场景语义分析是机器视觉和模式识别中基础的且具有挑战性的课题,它是将图像(或视频图像)划分成有语义意义的区域,并且为其提供一个语义标注(tag or label)。语义分割应用于基于图像的检索技术、机器人视觉和视频等。本课题小组成员主要对图像、视频进行检测和识别等相关工作。对于图像方面,包含感兴趣区域的自动检测和场景语义分析即对图片场景贴标签。对于视频方面,包含智能监控中人群中异常行为检测和单人交互动作识别。

2.纺织图像处理


随着计算机技术的发展及其应用的不断推广,计算机技术越来越多地运用于纺织工业。与传统技术相比,图像处理与识别技术的应用提高了纺织产品检测鉴别的效率、自动化程度和精度。计算机图像处理技术已经应用到纺织工业中的各个领域,如对纤维、纱线、织物的结构与性能服装等进行鉴定、评价与分析。总之,计算机图像处理技术在纺织工业应用方面的研究已经取得了较好的效果,以前靠人工来完成的检测和鉴别的工作现在可以用计算机数字图像处理技术快速、准确地完成。但是,由于受软硬件的限制,目前国内很多技术还没有直接大量普及到工业的生产应用中,研究成果还不能完全满足纺织品分析测试的各个方面,在商检执法现场还不能实现快速准确的检验,与在线质量控制及动态检测还有一定的距离。相信随着计算机技术和数学理论的不断发展,计算机图像处理技术将向更深度和广度发展,从而带动我国传统纺织行业向高技术领域发展。

3.医学图像处理

3.1 眼底图像处理

糖尿病是最常见的慢性病之一。据统计,全球有2.46亿糖尿病病人,而我国患者人数几乎占据半壁江山,成为世界糖尿病第一大国。因此在我国,糖尿病防治更刻不容缓。糖尿病性视网膜病变(DR)是糖尿病的严重并发症之一,也是引起失明与视觉障碍的主要原因之一。但目前对于视网膜病变的检测主要依赖人工筛查,且耗时长、效率低,不能满足医生及病人需要。为实现DR的自动检测,本课题组通过与专业眼科医生的深入交流,以强大的图像处理背景为依托,研究分析微动脉瘤、出血点等DR病变在眼底图像中的病理特征及规律,利用图像处理手段实现病变的精确自动检测。并设计一套较为完整的检测系统,更好地辅助医生对DR进行筛查并做出正确诊断。同时,将图像处理技术应用到医学领域,实现了图像处理与医学的有力结合。


3.2 脑部图像处理

随着科学技术的发展,各种医学图像应运而生,并得到迅速的发展,医学图像处理和分析作为医学图像研究的一个关键环节受到了世界各国的广泛关注。医学图像分割是医学图像处理的前提和基础,而医学图像融合可以提供更加全面的有用信息具有重要的实用价值。其中磁共振成像是现代医学成像技术的重要组成部分,脑部MRI图像可以很好的识别大脑白质、灰质和脑脊液等密度相近的软组织。在临床应用中想在脑部MRI图像中精确分割出任何一部分脑组织都是一件比较困难的任务,一方面是由于脑部图像本身比较复杂,另一方面则是因为低对比度和噪声等对分割的影响。本课题组对脑部MRI图像进行研究,并针对其临床表现,利用图像处理技术中的蚁群算法优化PCNN,对脑部MRI图像自动分割,并利用小波变换将脑部CTMRI图像进行适当的融合,能使骨骼信息和软组织信息有机地结合起来。

4.机器视觉

机器视觉检测技术是建立在机器视觉理论基础上的一门新兴检测技术,一种适合现代制造技术发展的检测方法。广泛应用于工业、生物医学、军事与国防、机器人导航、交通管理、遥感图像分析和农业等领域,在制造业中零件检测上也越来越引起研究者的重视。传统的机械零件尺寸测量方法主要是通过人工利用专业测量工具或者特定的零件尺寸标准模板来进行对比测量的。但测量精度不高,所测得数据易受人为因素影响,而且一些测量工具往往与零件产生造成磨损。三坐标测量机测量精度很高,但价格昂贵且对环境要求高,不能实现工业现场测量。由于机器视觉检测技术具有非接触、柔性好、精度高、速度快、自动化和智能化水平高、易于同设计信息与加工控制信息集成等优点。因此本课题开发具有自主知识产权的零件尺寸机器视觉检测系统。并且可应用在微型、大型、复杂、多曲面工件检测识别中,能够和结构光组合起来从而对物体实现全方位测量。

5.散斑偏微分方程

偏微分方程(Partial Differential Equation,简称PDE)是图像处理领域中的一个重要分支,目前在很多图像处理与计算机视觉的应用领域,对该方法的研究逐渐丰富与成熟。它继承了数学物理方程大量的研究结果,迅速发展成为一种理论上严谨、实用上有效的方法,并且近几年在图像处理领域得到广泛应用。电子散斑干涉测量技术(Electronic Speckle Pattern Interferometry,简称ESPI)是一种全场非破坏性光学测量技术,可实现准确提取相位,对物体的位移、应变、振动等测量。本课题组通过求解偏微分方程实现了图像滤波、对比度增强、骨架提取、图像分割。而电子散斑干涉测量技术具有实时显示、灵敏度高、全场测量等优点,并利用偏微分方程进行预处理、增强等操作,利用该技术可对粗糙表面的变形进行精确测量和无损检测。

6.视频分析

当今社会,汽车在人们日常生活中所发挥的角色越来越重要,几乎不可或缺。但是,随之而来的却是愈来愈严重的交通安全问题。据世界卫生组织统计,在人类死亡的各种原因中,车祸排第九位,全球每年约有120万人在交通事故中丧失生命。而由于疲劳而导致的精力不集中,是发生事故的主要原因之一。通过以上研究背景可以看出,对驾驶员的疲劳状况进行实时监控非常重要,所以就有了疲劳检测系统的课题。本课题组对输入视频用图像处理的方法进行处理和分析,获取驾驶员的疲劳特征,以及其它能反映出驾驶员疲劳状态的特征,以达到在驾驶员出现疲劳反应时及时提醒的目地,从而有效减少交通事故的发生。本课题组将图像处理和实际应用紧密结合,具有非常重要的现实意义。

7.机器人测量

目前机器人视觉系统在工业生产、自动化控制、遥感测量、医学诊断等方面都有较广泛的应用。机器人借助摄像机获取场景图像,感知并恢复三维环境中的物体的几何信息、姿态、相对位置。同时对客观物体进行描述与解释,并根据要完成任务制定机器人运动路径及动作规划。但机器人视觉系统仍存在一些问题待解决。本课题小组根据工业生产中遇到的实际问题进行研究,利用机器视觉及图像处理等方法对机器人视觉系统加以完善。机器人课题小组的主要研究方向是使机器人二维图像认知与三维环境信息恢复。改善三维特征点的提取与匹配算法,有效获取机器人图像中的重要信息,并能够实现特征点间的精确匹配,根据二维图像中的相关数据实现目标三维重建以及环境参数的精确测量。