基于核聚类的SVM多类分类方法

对支持向量机的多类分类问题进行研究,提出了一种基于核聚类的多类分类方法。利用核聚类方法将原始样本特征映射到高维特征进行聚类分组,对每一组使用一个支持向量机二值分类器进行分类,并用这些二值分类器组成决策树的节点,构成了一个决策分类树。给出决策树的生成算法,提出了利用交叠系数来控制交叠,从而克服错分积累,提高分类准确率。实验结果表明,采用该方法,手写体汉字识别速度和正确率都达到了实用的要求。

望远镜扩展成像像质方法研究

现有评价方法单独针对噪声或模糊全景图像,不能满足望远镜扩展成像评价需求,为此,结合望远镜成像机理特性,设计并提出了一种对比度与结构相似度下的无参考成像像质评价方法.给出了该方法的基本原理、具体实现流程以及数学模型,并结合仿真图像与实测图像对所提方法进行有效性验证,结果表明:所提出的评价方法可以给出序列离焦图像、噪声图像以及离焦噪声图像的有效定量评价值,评价结果接近于人眼的视觉特性.该方法实现了对同时受到噪声与模糊影响扩展望远镜成像像质的有效定量评价,评价结果具有高的准确性、单调性以及一致性.

社团挖掘的粒计算方法研究

挖掘社会网络中的社团结构是当今一个非常有挑战性和发展潜力的研究领域。粒计算理论具有模拟了人类思考和解决问题方式的一种智能信息处理模型,它通过将问题进行粒化成具有不同粒度大小的粒度空间上,以简化问题的求解。借助粒计算思想,改进了对结点之间的紧密关系的度量方法。基于粗糙集模型的粒计算方法给出了覆盖粒和覆盖粒度空间等概念,提出一种基于粒计算方法的社团挖掘数据模型,得到几个相关性质,并设计相应的基于粒计算社团结构挖掘方法,即将社团挖掘问题转换成在覆盖粒度空间上的粒度转换问题。通过实例在3个标准测试数据集上测试,并对比试验结果,表明所提出的方法是有效的。

基于TOF成像技术的柑橘实时识别与定位

通过分析TOF(time of flight)成像信息,将场景反射光强度与深度信息采用图像表示,应用各向异性扩散与冲击滤波耦合的滤波模型,滤除深度图中的噪声,采用阈值分割、区域生长、区域最小外接圆等算法将柑橘从背景中分割出,并以区域距离极差、距离方差和识别柑橘半径值为约束条件,对识别的柑橘区域进一步筛选,再结合三维数据库信息提取柑橘的基本特征参数,最后实现树上柑橘的实时识别与定位.自然生长状态下柑橘的识别正确率达86.7%,误判率为0,深度误差小于12 mm,实际半径误差小于13 mm,图像实时采集与处理耗时小于100 ms.

基于曲率图小波分解的平面曲线光顺方法

针对在逆向工程的实践中常见的轮廓线的光顺问题,给出了一种先对曲率图进行小波分解,提取其低频部分作为新的曲率图,并利用几何Herm ite插值方法,生成G2连续的分段三次有理Bézier曲线,从而重建出光顺的产品轮廓曲线的新方法。该方法具有可直接处理含噪声的点云数据,插值给定曲率,容易实现局部光顺和整体光顺等优点。算例证明该光顺方法比起现有软件中的方法不仅光顺效果更好,而且执行效率更高。

基于背景差分的一种运动目标检测方法

针对运动目标检测中,传统背景差分法在运动目标和背景颜色相近时不易检测的缺点,提出了一种检测完整运动目标的方法。该方法对YUV彩色空间下的3个通道分别选取独立的阈值进行初次检测,最大化地利用了视频中图像的色彩信息。在包含初次检测所获运动目标的最小矩形区域内进行二次检测,有效地提高了检测精度。实验证明,相比于常规方法,该方法的检测结果更加清晰完整。

基于结构张量特征值的纹理图像分割模型

通过对结构张量的研究和对纹理图像的分析,提出了一种基于结构张量特征值的标量型纹理特征描述,将其和原图像分别嵌入到两相模糊区域竞争模型和CV模型中,给出了一种纹理和灰度相结合的无监督纹理图像分割模型.为获得新模型的全局最优解,采用了Chambolle对偶法加以实现.针对自然和合成纹理图像进行了相关实验,结果表明该模型特征数据维数少,具有较快的收敛速度和更准确的分割效果.

基于基础矩阵与HEIV模型的双目相机标定

双目相机标定的精确与否很大程度上决定了立体匹配三维重构的完成质量。提出一种基于相机基础矩阵的一维标定方法。该方法较之传统的张正友一维标定法,无需对标定杆进行任何的运动约束即可完成。并提出一种基于变量含异质噪声（heteroscedastic error-in-variables,HEIV）模型的优化方法对测量数据与标定参数均进行优化,该模型利用测量数据的估计值与测量值之间的误差和构造代价函数,通过迭代最小化代价函数进行求解,实验表明本文算法较之传统优化算法精度更高,且在测量数据较少的情况下优化数据更接近真实值。

一种新型X射线安检图像增强算法

针对X射线安检图像噪声大、对比度低和边缘不清晰等特点,提出一种基于对比度受限自适应直方图均衡化(CLAHE)变换和图像灰度最大值融合的双重能量X射线图像增强算法。首先,应用CLAHE变换分别对高能和低能X射线图像分别进行处理得到初步增强结果;然后采用空域灰度值最大融合算法融合经过CLAHE变换后的高能和低能X射线图像从而得到最终增强X射线图像。实验结果表明该算法能更有效地提高双重能量X射线图像的对比度,显著改善图像质量。

一种航拍图像中水上桥梁的实时识别算法

桥梁识别在军事上和民用上都有重要的意义,国内外已有的一些研究虽然取得了一定效果,但大多数都对目标图像有些限制要求,使用范围不广.而且都是基于PC机的仿真算法,不能用于实时处理的场合.本文提出了一种基于FPGA和DSP的知识基桥梁目标自动识别算法,本算法对桥梁形状没有特别要求,能够对航拍或遥感图像中的桥梁进行实时识别.不仅能够对近景图像进行识别,也能对远景图像进行识别,而且能识别一幅图像中的多个桥梁.

基于多特征融合的道路交通标志检测

在道路交通标志的检测中,针对自然实景情况中拍摄到的图像存在的交通标志大小和位置不确定等困难问题,本文提出一种基于实景图像的多特征融合的道路交通标志检测方法。论文把样本分为了训练和测试样本,首先对训练样本图像进行盲复原处理;其次对复原处理后的图像进行自适应性的形状区域裁剪,提取裁剪区域图像的颜色、纹理和形状特征;再次分别对颜色、纹理和形状特征进行SVM分类检测,从而获得颜色、纹理和形状三个分类模型;最后对模型的权值进行自适应性计算,得到加权的特征融合模型。通过测试样本对模型的检测,结果表明特征融合识别方法有很高的准确度,另外对比实验得到的数据显示融合模型提高了道路交通检测的准确度和鲁棒性。

基于微分压缩感知的图像去模糊技术研究

尽管图像去模糊是一个病态问题,但是只要对需要恢复的图像作适当的假设就能得到唯一的稳定解。考虑了一个缺乏先验条件的图像去模糊问题,从而将图像的恢复转换为一个盲去卷积问题。作为一个特殊的应用,现有文献大多集中在受到大气扰动影响的短曝光图像的重建问题。大气扰动会使得光波产生随机偏离,从而使得光学系统的PSF产生随机变化。一种处理办法是采用自适应方法,如Shack-Hartmann干涉计。在该系统中,光波重建的准确率与干涉计所采用的透镜数成正比,从而使得计算非常复杂。采用微分压缩感知的方法,可降低透镜的数目,从而使得计算的复杂度大大降低。另一方面,利用压缩感知理论,降采样不会造成数据的丢失,从而使得光波重建的准确率能够与常规方法相同。仿真表明,采用微分压缩感知的方法能够准确地实现光波的重建,大大提高了系统的效率。

基于区域纹理的运动目标检测方法

针对混合高斯和多模态均值模型在阴影、噪声、扰动、计算量和存储空间等方面的优缺点,提出一种基于区域纹理的目标检测方法。该方法分析场景纹理分布,制定区域复杂度分类准则,对复杂区域采用混合高斯,对简单区域采用基于运动历史的多模态均值进行目标检测。实验表明,该方法能在多模态环境中克服噪声与扰动,实时转换前/背景,优化速度和存储量,准确检测出目标。

基于共生概率特征量的行人检测

人体目标检测研究是近年来计算机视觉领域的研究热点。针对行人检测中出现的检测精度较低的问题，文中提出了一种有效的行人检测算法。具体而言，选取不同类型的局部特征量HOG与LBP，通过第一段的Real Ada-Boost算法进行特征的筛选，筛选后的特征通过两两配对计算共生概率特征量；最终通过第二段的Real AdaBoost算法将弱识别器转化为强识别器来进行行人检测。实验以OpenCV和VS2010为测试环境，通过与OpenCV自带的算法程序比较得出该算法能更好的检测行人，从而提高了行人检测的准确率与鲁棒性。

基于改进Hough变换的印刷电路板定位配准

电路板自动光学检测中常通过检测电路板的边缘直线来确定其旋转角度和平移量从而完成定位配准,存在运算量大、精度不高的问题。对传统Hough变换检测直线方法进行改进,从图像金字塔、约束投票角度、约束搜索点的区域3个方面提高Hough变换的效率,并利用最小二乘拟合法提高检测精度。定位配准时,先运用改进的Hough变换求取电路板边缘直线的近似参数;然后在原图上对边缘直线进行拟合求取电路板的精确旋转角度和平移量,完成定位配准。实验表明本文方法能准确完成电路板的定位配准,对大小为1 920×1 080像素的电路板图像,定位时间约为60 ms,定位误差小于1个像素。

小波融合技术在运动模糊图像复原中的应用

由于物体和成像装置之间会产生相对位移,通常使获取的图像变得模糊不清。提出将改进后的小波融合技术运用在运动模糊图像复原中,运用该思想来进行图像复原。即利用Radon变换来获得模糊角度,运用微分自相关法估计出模糊尺度,接着选取两种经典复原方法进行图像复原,最后用小波融合技术对复原图像进行融合实验。从实验结果可以看出,相较于经典复原方法,该方法得到的客观评价更好,并且能保留一定的融合图像的边缘细节,具有实际参考价值。

结合位置先验与稀疏表示的单帧人脸图像超分辨率算法

提出了一种结合位置先验与稀疏表示的人脸图像超分辨率算法,可对单帧输入的低分辨率人脸图像基于训练集进行超分辨率重建。利用压缩感知理论中的信号分解方法,,将稀疏表示与人脸位置先验信息相结合,使用经过分类的超完备冗余字典,来分别稀疏逼近输入信号的块向量结构。利用最佳的K项原子,线性组合重建出高分辨率图像块。最后按照图像块最初在人脸的位置,将它们拼接为整体人脸。在CAS-PEAL-R1人脸图库上的实验结果表明,该算法使用相对较少的原子,就可以重建出质量较好的高分辨率人脸图像。

Matlab在数字图像处理中的应用

针对数字图像处理中程序编写复杂且调试过程繁琐易出错的问题,介绍了一种可用于图像处理的语言—M atlab语言,并通过实例讨论了M atlab在图像处理和研究中的应用.

基于数学二值形态学的车牌定位与字符分割

本方法是基于数学二值形态学的车牌定位和字符分割的方法。在车牌定位中,首先提取图像的边界,腐蚀非车牌边界,用矩形结构元素连通剩下的区域,去除最大面积以外的其它区域。最大的连通区域即为车牌所在的位置。在字符分割中,首先用双线性插值将车牌图像调整到固定大小,确定字符的上下边界,然后逐个判断字符的具体宽度,用于分割字符。通过matlab 7.0的验证,该方法解决了车牌褪色,车牌开裂,非连通字符和连续的数字1等对自动识别系统的影响问题。

基于序列图像的车型识别研究

研究提出了一种应用于车型识别系统中的基于序列图像的图像处理方法。该方法对采集的彩色序列图像进行灰度化、平滑去噪、序列图像差分、Sobel边缘检测、横/纵向填充、图像修正、边缘提取等一系列的图像处理,并最终识别车型。其中,与传统的车型背景分离法相比,序列图像差分对汽车从实际背景中分离出来起着重要的作用,达到了很好的分离效果。通过利用Matlab进行了实际检验,结果表明,该一系列的车型识别方法是可行的,并对低质量和背景复杂图像有着良好的处理效果。