一种基于视觉分析技术的试验机检定装置

本文提出一种基于视觉分析的检定装置,解决了检定试验机过程中的数据不同步问题。该装置采用视觉技术分析检定点的力值示值图像,进而获得力值示值误差和测量重复性。研究表明:该装置可降低人为因素对测量结果的干扰,并提高工作效率。

基于改进最大类间方差法的手势分割方法研究

针对手势图像中由于噪声和成像干扰造成的手势模糊和边界不清晰的问题,提出了一种基于改进最大类间方差法的手势分割方法.首先建立手势图像的二维灰度直方图,在二维灰度直方图上确定噪声点位置,在原图的相应区域滤除噪声.然后重建二维灰度直方图将内点区的点集投影到45度线,得到投影灰度直方图.接下来在灰度投影直方图上采用全局Otsu确定局部Otsu的左边界,用高斯函数拟合得到局部Otsu右边界,最后采用局部Otsu分割手势.该方法可以有效地对手势图像进行精确分割,实验结果验证了本文算法的有效性.

一种新的自适应红外图像增强算法

传统的直方图均衡和灰度变换增强算法,不能针对红外图像的目标进行有效地增强。鉴于此,在研究红外图像特点的基础上,提出了一种基于直方图的自适应红外图像增强算法。该算法通过对原始图像的直方图进行自适应双阈值映射和欠采样投影处理,实现了对图像灰度级的重新分配;在减少冗余灰度级的基础上,有效拓宽了目标部分占据的动态范围,既提高了目标与背景间对比度又突出了目标细节层次。

基于颜色和基元特征的图像检索

为了有效地提高图像检索性能,提出一种基于基元特征和颜色特征相结合的图像检索方法。检测彩色图像的边缘梯度,对其进行变换获得基元图像。以基元图像的重心为基准点计算各点到重心的距离,求得基元重心距离直方图。对基元图像中的每一个基元在4个不同方向投影,求得基元投影直方图。将彩色图像在RGB空间量化到64色颜色空间,得到彩色图像的颜色直方图。利用以上3个直方图描述图像特征,并用于图像检索。实验结果表明,该算法的查全率和查准率均有较大提高。

基于改进Hough变换的农田作物行快速检测算法

选取苗期农田作为研究对象,采集了包含行栽作物和土壤背景的农田图像,针对现有作物行定位方法易受外界干扰和处理速度较慢的不足,提出将投影法和直接Hough变换法相结合检测作物行的算法。采用2G-R-B法和OTSU法将图像二值化,通过快速中值滤波算法去除噪声,再利用垂直直方图投影将图像进行水平条划分获取作物垄平均定位点,最后通过Hough变换检测垄定位点,得到作物行中心线。试验结果表明:基于垂直直方图投影的Hough变换检测作物行中心线的算法在保证高定位精度的同时,算法处理速度比直接Hough变换检测法提高了3倍,得到的定位基准线能代表作物行走向。

双阈值映射自适应红外图像处理算法

由于传统直方图均衡(HE)算法和灰度变换算法的局限,提出了一种基于直方图的双阈值映射(BTM)增强算法。该算法通过对原始图像的直方图进行双阈值映射和自适应增强处理,对图像灰度级进行重新分配,减少冗余灰度级,有效地拓宽了目标部分的动态范围,既提高了目标与背景间的对比度,又突出了目标的细节层次。所提出的算法可以有效增强红外图像中目标与背景之间的对比度,拓宽目标的动态范围。仿真结果表明:该算法是一种非常有效的红外图像增强算法。

基于直方图的热像显示算法研究

给出了PE算法平台值取法的依据和算法用C语言实现的步骤 ,并结合具体的实例进行试验 ,比较和分析了这三种算法能有效压缩信息提高图像对比度的原因 。

基于投影直方图匹配的双目视觉跟踪算法

为了在机器人机械手双目视觉伺服系统中跟踪并精确定位目标的空间位置,提出了一种利用投影直方图匹配和极线几何约束的目标跟踪方法。分别在2个视觉中人工标定目标,并提取目标在多颜色空间的水平、垂直投影直方图作为匹配模板;在一个视觉中利用目标的运动一致性原则和投影直方图匹配搜索并跟踪目标;在另一个视觉中依据双目视觉系统的极线几何原理限定目标搜索范围,搜索并定位目标。该方法利用水平、垂直投影直方图描述目标的结构信息,同时完成了双目视觉系统中的目标跟踪与配准功能,有利于目标的精确定位和视觉测量。实验结果表明,该方法可在双目视觉系统中有效跟踪目标,运算效率高,鲁棒性强。

LBP特征和改进Fisher准则的人脸识别

为了进一步提高人脸识别系统的性能,在LDRC算法的基础上进行改进,并将改进LDRC算法的准则函数应用到Fisher分类器中,提出了一种新的基于LBP特征和改进Fisher准则的人脸识别算法。该算法提取每幅人脸图像的标准LBP直方图特征:把提取到的LBP特征输入到改进后的Fisher分类器中,得到最佳投影矩阵和投票结果矩阵;求解出投票结果矩阵的最大值所对应的类别号,将其作为最终的识别结果;分别在FERET和AR人脸库中进行实验检测,结果表明与传统的特征提取方法相比,给出的方案可以使人脸识别率得到显著提高。

复杂条件下的船舶目标检测的图象预处理

给出了一种复杂条件下基于视频图象的实现船舶目标自动检测的图象预处理方法，其成功运行于长江三峡临时船闸的船舶检测系统中。因在室外环境中，船舶检测受到反光、阴影等的干扰；对干扰区的检测成为提高精度的关键。提出了一种新的基于边缘带周围象素的灰度直方图构造方法．该直方图能同时用于检测极大和极小的目标，用于反光和阴影区域的检测；并分析和使用干扰区的灰度和结构特征，进行干扰区域的进一步确认，提高了检测精度和抗噪性。

基于数学形态学的集装箱箱号分割改进算法

提出了基于数学形态学和直方图投影的集装箱箱号分割改进算法。在箱号定位阶段,运用基于边缘检测和数学形态学的改进算法,能自适应确定形态学结构元素的大小,将箱号区域连通成一个区域,并能解决集装箱文字纵向排列的问题。字符分割阶段用数学形态学方法消除干扰边缘和噪声,通过投影直方图法完成行与列分割。实验表明,该算法简单可行,只需较少的集装箱先验信息,并且整箱分割正确率达到93.33%,证明了算法的有效性。

无约束手写体汉字切分方法综述

汉字切分是手写体汉字识别预处理中的一个难点，切分的正确与否直接关系到汉字识别的准确度。该文对目前无约束手写体汉字识别在行字切分上主要采用的方法作了具体介绍，阐述了各种方法的优缺点，最后根据目前的研究状况，指出今后研究中需要注意的问题和研究的发展方向。

基于滴水算法的验证码中粘连字符分割方法

众多研究表明,如果能将验证码中的字符分割开来,用现有的机器学习算法一般都能取得比较好的识别效果。针对字符粘连情况下的验证码的识别问题,提出了一种粘连字符的分割方法。该方法将字符的宽度统计值和竖直投影直方图中的投影极小值点相结合找到分割点,以这些分割点作为滴水算法的起始滴落点对粘连字符进行分割。实验结果证明,该方法用于分割验证码中的粘连字符具有一般性,能够提高验证码识别率。

眼睛状态检测的组合方法

眼睛状态的检测具有广泛的应用.详细介绍了5种检测眼睛状态的方法,即灰度模板方法、Fisher方法、投影的方法、找眼睛上眼睑的方法、用Hough变换找眼珠的方法.通过对这5种方法进行组合,提高了眼睛状态检测的准确率.通过对396个眼睛进行检测,准确率达到了95.2％.实验结果表明了这5种算法组合算法的有效性,抗光照能力强;同时适中的复杂性也说明了该组合算法的可行性.

基于图像投影直方图法的二维码在线检测与识别

定义了一种二维码 ,并针对这种二维码提出了基于投影直方图法的图像识别方法 ,该方法成功地解决了图像识别中对于此类具有不确定边缘的二维码识别问题 。

复杂背景下基于人脸的自适应肤色检测

针对传统肤色检测在复杂背景下对类肤色像素的抗干扰能力弱,以及光照对肤色颜色特性影响的问题,提出一种自适应的肤色检测方法。通过Adaboost结合Haar的人脸检测,并利用改进后的二值化提取出包含光照信息的皮肤区域。然后利用改进后的直方图反向投影法,结合肤色样本在YCb Cr空间中Y亮度分量训练得到的最佳阈值,对整幅图像进行肤色检测。实验结果表明,该方法在复杂背景下以及光照的影响均有良好的鲁棒性,在准确率、召回率方面较传统的肤色检测方法有提高。

重叠视野域内多摄像机目标交换算法

多摄像机之间重叠视野区域内目标交接问题是实现多摄像机监控系统持续目标跟踪的关键,传统方法是在摄像机重叠视野区域内采用特征匹配方法或基于视野分界线的目标交接算法。但是特征匹配计算量较大,受摄像机参数设置因素影响较大,实用性不高。而基于视野分界线的目标交接算法由于新目标的检测存在延时,仅利用该方法来实现一致性标号容易出错。近年来,出现了利用投影不变量,计算目标在相邻摄像机中的投影位置来进行目标交接的方法,取得较好效果。但在多个目标相距较近的情况下,投影过程中产生的误差会造成目标对应错误。文中提出一种投影不变量和直方图匹配相结合的改进算法,实验表明能较好解决了上述问题。

新的基于分解直方图的三维Otsu分割算法

Otsu是图像处理领域一种常见的图像分割方法。为了解决传统的三维Otsu法时间复杂度高、抗噪性低等缺点,提出了利用直方图投影技术和直方图分解技术对三维直方图降维,将其拆分成一个一维直方图和一个二维直方图,分别用一维Otsu法和二维曲线型Otsu法求阈值,再用获得的阈值确定图像点的归类。实验对比结果表明:该方法分割效果较好,运行时间短,能满足实时性的要求。

直方图反向投影多目标检测优化算法

针对目标检测中图像背景信息复杂以及反向投影方法目标颜色类型单一的问题,提出了一种改进的直方图反向投影目标检测优化算法.在建立多个目标模型弥补一般反向投影方法不能同时检测含有不同颜色信息目标这一不足的同时,通过对目标概率图像进行一系列优化处理以减小复杂背景对目标检测的干扰.实验结果表明,该算法在满足对视频图像实时处理要求的同时可准确检测目标位置,且检测效果及计算效率优于传统反向投影算法及其他方法.

基于可变形卷积神经网络的数字仪表识别方法

目前,对于数显仪表的识别,多采用传统的图像处理及机器学习等方法,在复杂多变的应用场景中,其对字符、数字的识别准确率低,难以满足实时应用的要求。针对以上问题,将传统图像处理技术与深度学习方法相结合,提出了一种基于可变形卷积神经网络的数显仪表示数分割与识别方法。该方法包含图像预处理、字符分割与识别等步骤。首先,使用GrayWorld算法对待识别图像进行亮度均衡,并通过彩色分割提取屏幕区域;其次,对图像进行形态学操作,以便使用投影直方图法完成字符与对应小数点的整体分割;最后,设计并训练了一种可变形卷积神经网络对字符进行识别,优化了卷积神经网络感受野几何结构固定的内在问题。实验结果表明,加入可变形卷积有效提高了图像的识别准确率和网络的收敛速度;该方法的整体识别准确率达到99.45%,检测速度为10FPS,能够满足实际应用需求。