基于双阈值运动区域分割的AdaBoost行人检测算法

结合单目摄像机静止拍摄的视频序列使用背景差法或AdaBoost算法检测行人时分别存在易受噪声干扰或检测速度慢的问题,提出一种双阈值运动区域分割的AdaBoost快速行人检测算法。首先建立背景帧,利用前景帧与背景帧的差分图像拟合噪声曲线,提取噪声与亮暗运动目标的阈值,消除噪声,分割出运动区域;然后通过AdaBoost学习算法选择少量有效的Haar-like弱矩形特征构造强分类器;最后在运动区域利用强分类器检测是否包含行人。实验结果表明,该方法迅速缩小了检测范围,加快了检测速度,降低了误检率。

回转窑火焰图像阈值分割的应用研究

提出一种基于多区域双阈值的氧化铝火焰图像分割算法。根据专家经验和实际情况定义"火焰区域"和"物料区域",再分别利用迭代阈值法计算对应的区域阈值,最后应用此双阈值对火焰图像进行分割。应用电荷耦合器件(CCD)和数字图像采集卡对某氧化铝厂回转窑火焰图像进行采集,并进行预处理。实验中分别应用单阈值分割法、FCM分割法和所提出的方法进行火焰图像的分割。结果表明:提出的算法基本能达到FCM算法的分割效果,而处理速度则更快,且二者都要比单阈值分割效果要好。

单一视角下自适应阈值法的纱线毛羽识别及其应用

为更准确测量纱线参数信息,针对图像背景处理和阈值分割算法对纱线图像处理后毛羽信息损失严重的问题,提出自适应灰度增强及线形区域阈值分割算法。并用自制图像采集系统获取6种不同类型的纱线样本,进行图像识别算法的准确性和有效性验证。结果表明:提出的2种算法可明显减少纱线图像信息损失,并且具有良好的鲁棒性,图像法检测的纱线毛羽长度和数量与目测法相近;实现了纱线主体与背景的灰度对比度增强,避免单一阈值导致的图像分割效果差的影响,提高纱线毛羽的识别精度和测量准确性,为后续研究纱线毛羽检测系统提供有效纱线图像分析算法。