一种基于畸变等效曲面的图像畸变校正

介绍了一种图像畸变的等效曲面模型,用于修正由于光学系统或图像传感器产生的畸变。分析了球形畸变模型的原理,推导出基于球形模型的畸变校正公式,并给出了基于球形模型的畸变校正的具体实现方法,通过实验对这种畸变校正的效果进行了验证。这种曲面畸变模型的校正具有实现简单,不需求解方程组等优点,并可以推广到其他曲面,具有比较广泛的实用性。

基于实时序列图像复杂背景下运动目标的提取

通过对实时序列图像中运动目标的运动规律的分析,提出一种在复杂背景下运动目标的提取方法,详细讨论了这种目标提取方法和原理,给出了具体的实现方法和该方法应用于实际工作的实验结果数据。通过实验证明,该方法对于克服复杂背景的干扰和有效地提取运动目标具有较好的效果。

高频信息矢量匹配实现异源图像配准

介绍了一种通过提取红外与可见图像高频信息形成矢量模型的方法,该模型可用于可见和红外两种不同波段相同场景图像的配准。分析了红外与可见图像的共同特性,即边缘高频特性,并在作为模板的图像中提取这类高频信息。利用人工干预的方法形成矢量模型,该矢量模型可通过实时姿态信息进行实时三维变换,并重新投影为二维图形,据此可在另一图像中进行特征搜索,达到两者匹配的目的。利用实际数据进行了实验分析,结果显示,利用本文算法提取的矢量模型,经变换后能可靠地实现异源目标自动识别;实验证明此方法有效可行,并可推广应用于各种异源图像间的自动目标识别和配准处理。

《图像信息处理技术》专题文章导读

图像信息处理是一门涉及了数学、物理学、电子学、计算机、微电子学、自动控制、人工智能等多领域学科的综合技术，由于其多学科特性和技术挑战性，吸引了大批的科研人员对其进行研究和探索，大量的图像及信息处理技术的研究成果已广泛应用于国民经济各行各业，发挥着越来越大的作用。

用软件实现彩色图像的数字滤光

介绍一种用软件实现彩色图像数字滤光的方法。文中从色度学原理出发,分析了RGB、HSI彩色模型,并基于此给出了软件数字滤光的原理、具体实现方法以及实验结果。软件数字滤光实现简单,成本低,变化灵活,且可以对多谱段同时进行滤光。这种软件数字滤光可以作为彩色图像的预处理,实现光学颜色滤光片的功能。

《图像信息处理技术》专题文章导读

图像信息处理技术是从光学图像中获取所需的信息、识别其中包含的语义,作为后续进一步处理的依据,该技术包含了图像获取、存储、识别、理解、数据提取等,实际上模拟了人类通过眼睛和大脑处理事物的机理,是一种机器智能处理技术。随着计算机、电子学、软件等技术的飞速发展,图像信息处理技术也已逐渐向更高机器智能水平迈进,吸引了越来越多的科研人员在这个领域中探索拼搏。

基于改进MeanShift的目标跟踪算法

针对传统Meanshift算法在某些干扰或遮挡情况下不能保证跟踪的准确性,以及目标模型内的背景像素也会造成定位偏差的问题,提出一种基于MeanShift的改进算法。首先对目标模型进行改进,通过目标与背景的区分度引入权系数,在目标模型中进行加权处理,可达到降低目标模型内背景像素对跟踪定位精度的影响。然后,将跟踪窗进行分块,对各子块使用改进目标模型的Meanshift算法进行跟踪。最后,用匹配度最大的两个子块加权决定目标的最终位置,从而在目标发生遮挡时能有效剔除被遮挡子块对目标定位的影响。实验表明,在复杂背景下,新算法仍然可以有效、准确地跟踪运动目标。

改进的BP算法在多目标识别中的应用

为了实现对多目标的识别,提出了一种改进的BP算法。采用在步长函数中加入变动量因子,即当连续两次迭代其梯度方向相同时,步长加倍;当连续两次迭代其梯度方向相反时,步长减半。由于步长在迭代过程中自适应进行调整,使误差函数E在超曲面上的不同方向按照步长向极小点逼近,实现了对目标函数的优化。给出了在目标函数最优时的BP网络对三种飞机测试集的识别结果,其收敛速度比传统BP算法快4倍以上,表明该方法能够有效地用于多目标的识别。

复杂背景下运动目标的提取

提出了在复杂背景以及摄像机运动的情况下运动目标提取的算法。采用了新的局部投影的方法,在图像中合理地划分了投影区域,在求投影偏移量时提出了峰值匹配的算法,合理地检测到了投影偏移量。求得各个局部运动矢量后,采用出现频率最高的局部运动矢量代表全局运动矢量,成功的补偿了背景的运动。实验结果表明该算法在图像背景复杂且由于摄像机运动使背景发生明显变化的情况下,可稳定准确地提取出运动目标,并能有效克服背景中存在的运动干扰。

复杂背景灰度图像下的多特征融合运动目标跟踪

为解决低对比度、低信噪比、目标旋转、缩放等非理想状态给跟踪算法的研究带来的诸多困难,本文提出灰度图像多特征融合目标跟踪算法,保证在满足工程实践需要的条件下,能够对目标进行稳定的跟踪。算法首先对灰度图像利用Sobel算子求出梯度特征,将X、Y双方向的梯度特征与灰度特征相融合得到新特征,新特征在核密度函数下对低对比度,目标轮廓形状变化较大的情况有较高的适应性和稳定性,再利用背景建模的方法对提取的运动目标区域进行加权,降低非跟踪目标的权值,最后对融合后的加权特征目标利用改进MeanShift算法进行跟踪。通过大量的实验表明,该算法适应目标和背景的复杂变化,并且具有较强的鲁棒性,基本满足在复杂背景灰度图像下目标跟踪的工程实际需求。

一种弹孔自动识别算法的研究

提出了在室外环境下从胸环靶图像中实时提取弹孔的算法。采用灰度投影法从靶位图中提取胸环靶有效区域,利用数学形态学突出弹孔特征,排除数字的干扰,并克服弹孔间的部分重叠,最后利用模糊理论准确地识别出弹孔。识别弹孔时利用直方图得到阈值,从而去除不可能为弹孔的点以减少计算。提出判断周围像素分布的方法解决区域内脱靶问题。结果表明,本算法可准确地提取胸环靶图像中的弹孔,对不同环境有着较高的适应能力。对于大小为640×480的图像,计算时间仅约150 ms,并且可以识别部分重叠的弹孔。

自适应权值滤波消除图像椒盐噪声的方法

提出了一种自适应权值滤波算法。该方法利用邻域差分法(ROAD)判定滤波中心点的有效性,若判定该点为噪声,则将邻域像素分别赋予不同权值对该点像素重构,邻域像素权重系数的分配随该点有效程度的增加而增大。一方面抑制了图像噪声,另一方面保留了图像细节。实验证明该方法在滤除椒盐噪声时,无论从视觉角度还是数据恢复角度都比常规滤波方法效果有明显改善。当图像中含有35%的椒盐噪声时,利用该方法恢复数据效果比传统中值滤波提高10 dB。

基于改进Hough变换和透视变换的透视图像矫正

由于成像系统和目标的距离和方位的原因,会导致形成的图像发生透视而不再是正视图,这对于图像的特征提取、识别等后续处理非常不利。对于发生了透视畸变的图像,透视变换解决了一般仿射变换不能改变图像内部点相对位置的缺陷。文章根据透视变换的原理提出了基于改进的霍夫变换和透视变换的透视图像矫正技术,该算法根据摄像机的成像机理进行透视图像矫正,Matlab仿真实验结果表明,该算法可行性高,简单易行,稳定性好,可广泛推广至目标识别等领域。

基于复杂度和方向梯度的红外弱小目标检测方法

为解决天空背景下红外弱小目标检测问题,提出了一种基于图像复杂度和方向梯度的检测方法。利用信息熵对图像复杂度进行描述,引入了图像方差和像素局部变化率对信息熵进行加权,使云内部和云边界区域得到抑制。以复杂度为描述对象,建立多级多方向梯度模型,在背景局部复杂度高于目标复杂度的情况下,仍能够有效分割出目标。实验证明,该方法能够在复杂云背景情况下检测出弱小目标。

多尺度引导滤波及其在去雾中的应用

将引导滤波与提升小波相结合提出了一种多尺度引导滤波方法,以实现在平滑图像细节的同时保持图像边缘不模糊。该方法通过提升小波法对将图像进行多尺度分解,即将信号分解成一个低频子带和多个高频子带。在提升小波重构过程中,利用引导滤波平滑每个尺度的低频信息并保持其边缘不模糊。最后,针对滤波后残余的细节,对提升小波重构后的平滑图像再次进行引导滤波,以便进一步平滑图像细节。将多尺度引导滤波应用于暗通道去雾先验理论并进行了主、客观评价。结果显示:多尺度引导滤波能够深层次平滑图像细节,保持边缘完整性,从整体上提高了图像的对比对和视觉效果,有效恢复了场景信息并保留场景的边缘信息。另外,该方法改善了客观评价指标,其对比度增强系数指标平均提升了0.1以上,场景结构相似度平均提升了1以上,而LOE(Lightness Order Error)参数降低了10以上,满足了去雾应用的视觉需求。

四元数引导滤波彩色图像细节增强

为了使彩色图像细节突出,可视性强,提出一种基于四元数引导滤波的彩色图像增强方法.首先将传统引导滤波推广到四元数域中,推导得出基于四元数的引导滤波;其次将彩色图像以四元数矩阵的形式建模,通过四元数引导滤波对图像的四元数矩阵进行滤波处理;再采用图像分层方法将待增强彩色图像分成一个平滑图像和一个细节图像,并对细节图像进行自适应增强处理;最后将平滑图像和增强后的细节图像重构,得到最终的增强图像.实验结果表明,该方法增强效果显著,不仅使图像边缘明显突出、纹理更加清晰,同时颜色保真,其视觉效果优于传统的图像增强方法,客观评价指标也有较大幅度的提升.

基于SIFT算法的多表情人脸识别

目前人脸识别系统在识别表情变化的人脸图像时识别准确率会降低,多表情人脸识别在人脸识别领域仍是一个热门的研究方向。本文采用SIFT算法对多表情人脸进行识别,在多表情人脸库上进行了两类仿真实验:实验一中对比了同一个人的不同表情的识别效果,实验二中对比了两个不同的人的相同表情的识别效果,实验结果表明SIFT算法能够克服不同人脸间的整体相似性并能有效提取出人脸的局部细节特征。对Jaffe表情库进行仿真实验,取得了当阈值T=0.35时对多表情人脸图像的正确识别率95.69%,实验结果表明,将SIFT算法应用于多表情人脸识别有巨大的潜在科研价值。

自适应窗口选取的Mean-Shift目标跟踪

当目标尺度发生变化时,传统Mean-Shift跟踪算法因跟踪窗口尺寸不变容易导致跟踪目标丢失,为解决此问题,本文提出一种带宽自适应算法对目标尺度变化进行检测,从而实现模板更新.该算法分别将模板图像与当前帧目标图像分割成等间隔半径的若干同心圆,通过计算模板图像与当前帧图像不同环层之间相似性度量,根据相应环层之间相似性度量关系确定当前帧模板带宽更新参量,最后利用kalman滤波完成模板尺度更新,从而实现目标稳定跟踪.实验证明,当目标尺度发生变化时,目标模板自动更新,能够实现目标稳定跟踪;相对传统Mean-Shift跟踪算法,目标跟踪可靠性能得到了提高.

一种利用Gabor小波特征的目标跟踪方法

小波特征跟踪是一种新的目标跟踪方法。这种方法利用Gabor小波提取目标的边界特征来组成特征模板,并由小波滤波器系数组成特征向量。在跟踪过程中不断优化特征模板的旋转、尺度及平移等几何变形参数,使得小波特征向量值在最小平方和的意义上与初始值相匹配,从而实现目标旋转、尺度及平移等几何变形时的自动跟踪。实验表明,该方法能够有效地跟踪飞机、车辆等目标,并且能够抵抗全局亮度的变化和局部遮挡的干扰。

多示例深度学习目标跟踪

为解决多示例跟踪算法中外观模型和运动模型不足导致跟踪精度不高的问题,该文提出多示例深度学习目标跟踪算法。针对原始多示例跟踪算法中采用Haar-like特征不能有效表达图像信息的缺点,利用深度去噪自编码器提取示例图像的有效特征,实现图像信息的本质表达,易于分类器正确分类,提高跟踪精度。针对多示例学习跟踪算法中选取弱特征向量不能更换,难以反映目标自身和外界条件变化的缺点,在选择弱分类器过程中,实时替换判别力最弱的特征以适应目标外观的变化。针对原始多示例跟踪算法中运动模型中仅假设帧间物体运动不会超过某个范围,不能有效反映目标的运动状态的缺点,引入粒子滤波算法对目标进行预测,提高跟踪的准确性。在复杂环境下不同图片序列实验结果表明,与多示例跟踪算法及其他跟踪算法相比,该文算法具有更高跟踪精确度和更好的鲁棒性。