基于动态阈值和差异性检验的自训练算法

针对自训练算法在迭代训练分类器的过程中存在难以有效选取高置信度样本以及误标记样本错误累积的问题,本文提出了基于动态阈值和差异性检验的自训练算法。引入样本的局部离群因子,据此剔除有标签样本中的离群点以及分类标注无标签样本,依据标注分批次处理无标签样本,以使模型更易选取到高置信度的无标签样本;根据新增伪标签样本的数量和对比隶属度的变化,设计一种动态隶属度阈值函数,提升高置信度样本的质量;定义密集距离度量样本间的差异性,分别计算伪标签样本与同类和不同类样本之间的密集距离之和,从而找出不确定度高的伪标签样本,并将此类样本并入下轮训练的无标签样本集中,缓解误标记样本错误累积的问题。实验结果表明,该算法在12个UCI基准数据集上均取得理想效果。

基于区域对比度增强的二值化算法

降质文档图像二值化问题是图像处理领域的一个难点。该文通过分析图像不同区域灰度对比度的差异,为降质文档图像提出了新的二值化算法。首先利用四叉树原理自适应划分区域,再对不同灰度对比度区域采用不同对比度增强法以调整局部区域内的灰度对比度,最后根据灰度值出现的频率确定局部阈值。该文测试了随机拍摄的降质图像及DIBCO(Document Image Binarization COntest)图像集中的50幅图像。与4种经典算法比较,所提算法处理的降质图像具有最高F-measure值和峰值信噪比(PSNR值)。

基于红外弱目标提取的绝缘设备故障检测研究

针对红外图像中背景与目标的复杂性和多样性给变电站绝缘套管状态监测带来的困难,提出基于红外弱目标提取的检测方法。首先进行二维小波分解,将低频分量进行Retinex理论增强,其余高频分量进行局部方差映射,完成小波重构后进行对比度增强,最后实现基于分步双阈值的目标提取。实验结果表明,该方法不仅改善了绝缘套管局部过热区域的红外图像的处理效果,还实现了过热点及其连带过热区域的提取和区分。

基于视觉对比度机制的红外弱小目标检测算法

针对红外图像中空天、海天等复杂背景及像素点噪声容易造成检测虚警的问题,提出一种基于视觉对比度机制的红外弱小目标检测算法。首先,通过新定义的局部对比度算子获取对比度增强的图像,该步骤可抑制背景杂波与像素点噪声对检测的干扰,提高图像的信杂比,增强目标区域的视觉显著性。然后,利用多尺度方法优化图像的显著区域,以增强算法的适用性,从而实现算法对不同尺寸的弱小目标的有效检测。最后,利用自适应阈值分割方法获取待检测的真实目标。实验结果表明,该算法无需图像预处理环节即可实现对不同尺寸的弱小目标的鲁棒性检测,对比常用算法具有快速性、高效性和较强的适用性。

基于局部对比度测量的红外弱小目标恒虚警检测

鲁棒有效的弱小目标检测算法是光电跟踪系统成功的关键。本文针对空中远距离红外弱小目标检测的实际问题,在人类视觉对比机制基础上提出了一种检测率高、误报率低、处理时间短的红外小目标检测方法。首先,利用基于恒虚警率的Top-hat滤波和自适应阈值操作对原始图像进行预处理,得到疑似目标区域,该步骤可大大减少计算时间,同时保持恒定的虚警概率和可预测的检测概率;然后,定义了一种新颖有效的局部对比度测量算子,并引入图像局部的自相似性计算局部显著图,该过程不仅可以增强图像目标的视觉显著性,同时还可以抑制噪声,提高区域目标的信噪比;最后,在显著图基础上,利用简单的阈值操作就可以获得真实目标。定性定量实验结果表明,本文提出的方法与4种现有检测算法相比,具有更高的检测率、更低的虚警率和更少的检测时间,是复杂背景下红外弱小目标检测的有效方法。

低虚警率的红外弱小目标检测算法

针对远距离复杂场景下红外弱小目标信噪比低导致目标检测虚警率高的问题,提出了一种时域与空域滤波相融合的红外弱小目标检测方法。采用相对局部对比度算法(Relative Local Contrast Measure,RLCM)增强目标信噪比,抑制高亮度背景;利用目标的时空相关性,运用时域局部差分算法(Temporal Local Difference Algorithm,TLCD)增强目标,消除固定噪点。融合空域和时域的检测结果获得时空相对局部对比度图(Spatial-Temporal Relative Local Contrast Map,STRLCM),通过自适应阈值分割提取待检测的真实目标。实验结果表明,与现有算法相比,所提算法可以极大地降低虚警率同时保持较高的检测效果。

不可控光照下的LNMCP人脸识别方法

局部二值模式(LBP)在人脸识别领域取得了显著成效,但由于没有考虑像素之间的对比度,导致部分重要纹理特征被丢弃。采用粗粒度分区算法求取各人脸分块对比度值域区间的动态阈值点,并借鉴LMCP算法思想利用上述阈值点分别对各人脸分块编码,得到结合光照变化信息的局部非线性多层对比度特征LNMCP作为人脸特征。实验结果表明,该方法识别率高,特别是在户外人脸库上提高了2.91%,方法在不可控光照变化环境下具有极强的自适应性。

结合局部对比阈值与光晕移除的亮场细胞图像分割方法

针对亮场细胞图像存在对比度差、光晕破碎、细胞粘连,难以精确分割的问题,提出一种结合局部对比阈值与光晕移除的分割方法。首先,利用局部对比阈值检测并分割出含有细胞区域,再采用梯度迭代法进行光晕移除;然后,通过形态学操作与设置面积阈值进行优化处理,得到全局分割结果;最后,提取粘连细胞区域实现更精细的局部分割。实验表明:本文提出的方法能够移除细胞边缘的光晕伪影,解决粘连细胞的分割问题,实现亮场细胞图像的准确分割。

基于改进局部自适应对比法的织物疵点检测

为提高织物疵点检测的准确率和检测效果,采用了一种基于最相似邻域的背景估计法来进行检测。首先,利用同态滤波对图像进行预处理;然后,以滤波后图像每个像素点为中心点,以11像素×39像素的窗口大小为中心区域,通过计算中心区域与周围邻域的相似度,利用最相似的邻域进行背景估计;最后,利用背景差分原理获得目标图像,并采用阈值分割和形态学方法对图像进行处理,最终获得检测结果。实验结果表明:此方法优于传统的检测方法,不仅能够检测到复杂背景下的疵点图像,而且对不同组织及光照因素影响下的织物疵点图像同样具有很好的检测结果,检测准确率可达98%,具有较高的适用性与检出率,也具有一定的抗干扰性。

铁轨表面缺陷图像增强与分割算法

铁轨表面缺陷严重影响铁路系统的运行质量和安全,但是因采集的铁轨图像光照不均匀且变化的表面反射率使铁轨表面缺陷检测成为视觉检测系统的难点。提出了局部对比度测量法和改进的最大熵法来对铁轨图像进行对比度增强和自动阈值分割。实验结果表明,局部对比度测量法可以使缺陷区域明显突出于背景区域并使背景均衡化;改进最大熵法所得阈值比普通最大熵法更小,消除更多的噪声且保持了必要的缺陷信息;最终铁轨表面缺陷检测的准确率和检全率都有较大的提高。

基于HVS的空中红外小目标快速检测算法

针对传统目标检测算法实时性较差且在面对复杂云层干扰时虚警率高的问题,提出一种基于人类视觉系统的小目标快速检测算法。利用局部对比度测量方法计算候选目标,根据拉普拉斯高斯尺度空间理论,计算候选目标处的多尺度滤波响应,进而通过自适应阈值分割获取真实目标。实验结果表明,该算法的检测率高达97%,虚警率低于3%,且能够在5 ms内完成目标位置计算。