基于Mean Shift滤波的织物疵点检测方法

为了实现自动织物疵点检测,提出了一种基于Mean Shift滤波的织物疵点检测方法。该算法首先求取织物样本的熵图像,反映原始图像信息的变化程度,然后对熵图像进行Mean Shift平滑滤波,达到去除噪声和增强织物疵点部分的目的,从而利于疵点的分割,最后对滤波后的图像进行阈值分割,得到二值化检测结果。对6种纹理织物进行处理,共检测出18种疵点,92.5%的疵点可以被成功检测并定位。另外,实验中还将Mean Shift滤波与Gabor滤波的检测结果进行了比较,结果表明Mean Shift滤波对某些类型的疵点的检测效果更为理想。

基于自适应Q-shift滤波的双树复小波变换

为提高对时变信号的分析处理能力,设计了一组同时满足抗混淆、完全重构和正交化的Q-shift滤波器。与传统Q-shift滤波器相比,其权系数可以根据输入信号特性进行自适应调整。将基于自适应Q-shift滤波的双树复小波变换用于对超声缺陷信号进行阈值降噪,实验结果表明,与Q-shift 10/10和DWT两种传统方法相比,去噪后信号的信噪比可以分别提高1.03 dB和1.97 dB。

改进的Mean Shift滤波在砂砾岩图像分割中的应用

砂砾岩图像成分颜色多样、色彩不均,要有效地进行分割,提取砾岩颗粒,图像预处理就显得尤为重要。MeanShift滤波相比传统的滤波算法具有更好的平滑特性,能很好地消除噪声和色彩不均对后续分割造成的影响,但运算速度较慢。针对该问题,提出利用高斯金字塔和像素点赋值方法改进Mean Shift滤波算法速度。采用改进后的Mean Shift滤波算法对砂砾岩图像进行预处理,然后进行分割,提取粒岩,取得了较好的效果。

基于多尺度Harris算法的海上舰船目标检测

海上舰船目标的检测具有重要的研究意义和实用价值,而复杂多变的海面情况使得舰船目标的检测面临一定的困难。为了更加准确的检测舰船目标,本文提出了一种改进的多尺度Harris角点检测算法。首先利用改进的Canny算法求出舰船边缘信息;然后对原图像采用Mean-Shift滤波器滤除海杂波;最后设计不同半径的自适应圆形模板进行非极大值抑制,引入Laplace空间因子使得Harris角点检测算法具备多尺度特性,用该方法对舰船目标的角点进行检测。实验结果表明,本算文法舰船目标的角点分布均匀、定位精度高,同时具有尺度不变性和旋转不变性。

激光主动成像图像噪声抑制方法

针对激光主动成像图像特点及实际应用需要,提出了一种基于同态滤波与双数复值小波变换级联的图像降噪算法。首先通过同态滤波将乘性散斑噪声变换为加性噪声;然后用基于改进Qshift滤波器的双树复值小波对含噪图像进行分解,通过Bayes自适应阈值法修正小波系数;最后再进行相应的逆变换得到去噪图像。该算法具有近似平移不变性、多方向选择性及精确重构性,采用信噪比(SNR)、峰值信噪比(PSNR)和运行时间作为算法去噪性能的评价标准进行实验。实验结果表明该算法能够有效抑制图像中的散斑噪声,计算效率高,且很好地保护了图像细节。

改进的单尺度Retinex及其在人脸识别中的应用

为了提高在光照条件变化下的人脸识别率,提出一种改进的单尺度Retinex算法并用于人脸识别的光照预处理中。该算法通过非线性全局对比度增强对原图像增强,并利用Mean-Shift平滑滤波代替传统单尺度Retinex中的高斯滤波对光照估计,能够明显地消除单尺度Retinex算法中不能解决的光晕现象。在人脸库的实验表明,该算法不仅比直方图均衡化、Gamma校正、单尺度Retinex、多尺度Retinex算法具有更好的光照预处理效果,而且能够有效提高人脸识别率。

基于MSPF的实时监控多目标跟踪算法研究

近年来,实时监控下多目标跟踪作为智能交通系统(Intelli-gent transportation system,ITS)的重要组成部分受到关注.传统多目标跟踪方法通常具有处理速度慢、容易对交叉行进车辆产生误匹配等问题.本文首先对基于贝叶斯规则的车辆视频复杂背景的建模及运动目标的检测进行研究,在此基础上提出一种基于Mean shift粒子滤波(Mean shift particle filter,MSPF)的多目标跟踪算法,首先对每一目标车辆在下一帧可能出现的范围进行预测,对单目标和多目标情况采用不同的检测策略,避免了全局搜索,提高了跟踪速度;通过构造基于最新观测信息的重要性密度函数,提高了MSPF算法在复杂背景情况下追踪部分遮挡及交叉车辆的准确性和鲁棒性.仿真实验结果验证了所提出算法的有效性.

序列图像中彩色目标跟踪的加权颜色分布方法

提出一种基于加权颜色概率分布模型的彩色目标跟踪方法。对目标的颜色直方图进行改造形成目标的颜色概率分布图,同时考虑到了颜色模型的大小及其中像素点的位置对颜色分布的影响,再对颜色分布图进行加权处理成为加权颜色分布图,以此作为目标的颜色模型。与加权直方图相比,加权颜色分布图对区域特征描述更加合理。实验结果表明,本文方法与典型的mean-shift算法相比,提高了目标的定位精度的同时,降低了计算复杂度,而且在快速运动和被大比例遮挡的情况下对彩色目标的实时跟踪有良好的鲁棒性。