基于相邻像素差异值的车牌定位算法

为解决交通车辆管理中的车牌定位问题,提出一种基于相邻像素差异值的车牌定位算法。在预处理阶段利用圆弧函数进行处理,提出相邻像素差异值算法提取车牌字符边缘;进行边缘检测、分块处理、高边缘块重组等筛选出候选区域;在候选确认阶段提出R+G通道灰度化方法与自适应均值二值化方法进行候选区域二值处理,结合车牌字符分布特征进行过滤伪候选区并获取车牌区域。实验结果表明,该算法的定位准确度较高,为97.5%,算法运行时间低至0.62s,具有一定实用价值。

基于像素差异的金属腐蚀区域分割仿真研究

研究基于图像的金属腐蚀区域分割问题,提高分割区域的准确性。针对传统基于金属本身与腐蚀颜色的区别,利用像素差异的变化进行腐蚀区域的分割,因当腐蚀颜色与金属的本体颜色相差不是很大,或者在边沿发生像素的混淆时,利用差异边缘像素相减的方法很难完整分割腐蚀区域的问题。为了解决上述问题,提出利用空间像素差异距离聚类的金属腐蚀区域图像分割算法。通过计算差异像素之间的差异距离概率,将差异像素特征进行严格划分,对划分后的结果进行排序计算,详细描述混淆边沿信息,对腐蚀区域进行完整分割。实验证明,改进方法能够对金属腐蚀造成的细微区域完整分割,取得了满意的效果,为金属腐蚀区检测提供了参考。

融合高低层多特征的显著性检测算法

针对单一显著性特征无法全面表达图像显著性致使显著性检测精度不高等问题,本文提出了一种多特征融合的显著性检测算法。算法在高层先验知识基础上,对靠近中心的超像素设置高显著值,利用高斯分布求解中心先验;在底层特征上融合图像的边界稀疏、全局对比度、颜色空间分布和超级像素差异等4种显著特征,利用类间差异最大阈值对高低层特征进行线性和非线性融合,最终得到高质量的显著图。在MSRA-1000、SED、SOD 3个公开的数据集上进行实验,结果表明:本文算法融合得到的显著图边缘清晰、显著区域突出均匀,在有效抑制背景信息的同时所得显著图像视觉感知更好,与其他显著性算法相比查全率和查准率上至少提高3.4%。

图像拼接方法优化及仿真

研究图像拼接优化问题,针对传统的图像拼接方法,在两幅图像像素灰度差距较大的时候,拼接后,图像连接处由于像素差异而造成出现缝隙的问题。提出了一种改进的SIFT特征提取方法,在图像拼接过程中,加入了特征点灰度融合技术,使得在图像拼接的过程中,充分考虑两幅图像的灰度差异。使两幅拼接图像在连接处完成平滑过渡,实现无缝拼接。进行仿真,结果表明,改进方法很好地解决了存在像素差异的图像间的拼接问题,取得了良好的效果。

基于图像增强技术的水利工程隐患识别

研究水利工程隐患准确检测问题,提高监测的准确性受到监测手段限制,而传统水力工程隐患检测是通过雷达成像获取隐患区域图像与正常区域图像的像素特征差异转化后的特征差异信号进行检测,当隐患区域与正常区域差异不明显的时候,转化后的特征差异信号很弱,会发生漏检测,造成检测的准确性不高。为了解决上述问题,提出根据像素差异补偿的水利工程安全隐患检测算法,通过增加隐患区域与正常区域的像素差异的强度,补偿由于外界环境因素造成的像素差异过小的弊端,增强转化后的像素差异信号强度,进而增加检测的准确性。实验表明,改进方法能够很好地补偿像素差异信号的衰减,准确检测水利工程中的安全隐患。

基于代价敏感深度决策树的公交车环境人脸检测

针对公交车环境下的人脸检测具有光照变化、模糊、遮挡、低分辨率和姿势变化等问题,提出了基于代价敏感深度决策树的人脸检测算法。首先,基于归一化的像素差异(NPD)特征构建单个深度二次树(DQT);接着,根据当前决策树的分类结果,利用代价敏感Gentle Adaboost方法对样本权重进行更新,依次训练出多棵深度决策树;最后,将所有决策树通过Soft-Cascade级联得到最终的检测算法。在人脸检测数据集(FDDB)和公交车视频上的实验结果表明,所提算法与现有的深度决策树算法相比,在检测率和检测速度上均有提升。

基于样本错误匹配改进的图像修复算法

Criminisi算法对于含有复杂的纹理结构信息的图像,修复时会出现优先权不合理与匹配块匹配错误的情况。为此提出多样本块匹配的方法。对于优先权,为了使结构信息更先修复,把结构项改进为块结构稀疏度和邻域像素差异度的数值和。对于匹配块匹配不合理的情况,先使用块内距离与块间距离设定阈值,如果破损块与样本块之间的块间距离或者块内距离大于阈值,则用多块匹配的方法恢复当前破损块;否则,用传统的Criminisi图像修复算法修复。结果表明,使用此方法修复结果较好,符合人类视觉原理。

基于聚类分析和灰度值匹配的碎片文件拼接复原

针对同一页印刷文字文件的碎纸机破碎纸片的拼接问题,研究了碎纸片内文字行特征,碎纸片的边缘像素灰度特征,提出了基于聚类分析和灰度值匹配的碎片文件拼接算法。通过matlab仿真实验,结果表明该算法可靠地实现了破碎文件的拼接,效果良好。