红外序列图像的支持向量机分割方法

红外序列图像的准确分割是自动目标识别的关键,而当图像背景复杂时,传统的图像分割技术往往难以满足要求,为此,提出了基于支持向量机的红外序列图像分割方法。序列图像中的部分帧被作为训练样本,通过选择适合的模型参数,运用支持向量机方法建立学习机器,将后续图像帧中的目标从复杂的背景中识别出来,从而实现红外图像分割。实际红外序列图像分割表明,基于支持向量机的图像分割方法不需要复杂的预处理和后处理工作,分割效果理想,对于小目标的图像,识别正确率可达 99%。     

基于支持向量机的油封缺陷图像检测方法

提出一种基于支持向量机分类的油封缺陷图像检测方法,把油封外观中的有无缺陷看作两种不同的类别模式,应用支持向量机对两类不同的样本采样学习,然后进行分类判断。采集油封各部位图像并进行预处理,利用算法切割出各个检测区域图像,根据油封主要部位的各类缺陷特点,选取不同特征参数。应用径向基核函数建立支持向量机识别模型,并通过实验实现核函数参数寻优。实验结果表明,该方法具有检测成本低、可靠性高、泛化能力强、容易在线实施等特点,具有实用推广价值。     

基于方差和显著性特征的超声图像分割方法研究

针对超声图像对比度小导致的影像上相邻灰度差别很小,人眼有时难于区分的问题,提出了一种基于方差和显著性特征的超声图像分割方法。首先提取图像中已知样本像素点的方差和显著性特征;然后利用支持向量机根据提取的样本像素点方差和显著性特征进行样本训练,得到分类模型;最后根据训练模型对整幅图像上的像素点进行分类,实现图像的有效分割。实验结果表明该方法针对超声图像的分割是有效的。     

实时监控系统中运动人体图像分割

在运用差图像算法进行运动人体检测、噪声消除的基础上,提出了将统计直方图与梯度边缘检测相结合的算法以消除运动人体的影子;同时运用图像扩展模板并配合图像边界处平滑的算法对被分割人体的断裂处进行连接填充。实验结果验证了上述算法对噪声抑制、人影消除以及人体图像断裂处填充的有效性。     

铝镁合金孔蚀形貌图像增强与分割方法研究

对基于图像信息的腐蚀诊断与预测实现过程中腐蚀图像的增强、边缘提取和图像分割的小波分析等技术和算法进行了研究,并以铝镁合金在工业循环水中的孔蚀图像为例,说明了这些方法的应用。结果表明：基于灰度值的图像增强技术可增加腐蚀区域与材料基体的对比,用小波变换可对腐蚀图像进行分解,将腐蚀图像分解为包含主要特征的低频予图像和包含细节特征的高频予图像,相应的小波系数可反映出孔蚀特征,有利于用计算机图像技术实现腐蚀评价和预测。     

采用TMS320C6203的实时图像处理系统设计

针对高帧频、大视场图像中的实时目标检测、识别和跟踪,设计了一种以TMS320C6203为核心运算处理器,FPGA为辅助控制处理器的实时图像处理系统。在对弱小目标检测识别算法的实验分析基础上,开发了实时图像处理软件,使得该系统对弱小多目标的检测、识别和跟踪的能力达到了实际工程的实时性需求。     

基于网格式支持向量机算法的转轴裂纹故障诊断

支持向量机(SVM)是一种对小样本决策具有良好学习性能的机器学习方法。常规SVM算法是从二类分类问题推导得出的,针对于故障诊断这种典型的多类决策问题,研究了一种网格式支持向量机多类算法,每个类别和其他2至4个类别之间采用常规SVM二值分类器进行分类,所需二值分类器总数少,可扩展性强。把转轴上不同位置的裂纹当作不同的故障,运用网格式支持向量机进行转轴裂纹位置故障诊断,结果表明该算法具有计算量小、诊断速度快、故障识别率高、容易扩展等优点,适合于较大规模的多类别故障诊断应用。     

卫星遥感图像中类圆形油库的自动识别方法

油库是典型军事目标之一,对其识别是卫星图像判读的一项重要内容,传统的方法是通过判读员进行人工判读,工作量非常大是其缺点之一。为了克服这一缺点,本文提出了一种类圆形油库的自动识别方法。首先利用Kapur熵法对图像进行阈值分割,得到二值图像：然后对二值图像中的白像素进行最近邻聚类形成团块,并计算其面积以及体态比和矩形度等形状参数;最后利用油库近似圆形和成群分布的特点对油库群进行识别和定位。实验结果表明该方法对于高分辨率卫星遥感图像中的类圆形油库的识别是很有效的。     

一种适合于多目标检测的图像分割方法

提出一种适合于多目标检测的8邻域图像分割方法,用以获取目标特征量,准确分割图像。在对二值化图像扫描形成目标块的过程中,标记各个目标像素,记录目标的边界点,得出分割目标的面积、周长、质心坐标。利用这些信息,可以选择跟踪一个或多个目标。仿真结果证明了该方法实用可行。     

基于多超平面支持向量机的图像语义分类算法

由于图像的低层可视特征与高层语义内容之间存在巨大的语义鸿沟,而基于内容的图像分类和检索准确性极大依赖低层可视特征的描述,本文提出了一种基于多超平面支持向量机的图像语义分类方法.多超平面分类器从优化问题的复杂度和运行泛化能力两方面进行研究,是最优分离超平面分类器一种显而易见的扩展.实验结果表明,本文提出的方法在图像语义分类的准确性方面要优于诸如采用色彩特征和纹理特征的支持向量机分类器的其它方法.     

一种基于压缩视频的红外图像预处理算法

文章讨论了在DCT域中进行红外视频图像预处理的可能性,并提出了一种基于DCT域的压缩视频预处理算法.该算法通过DCT域低通滤波、系数变换和对比度拉伸实现了红外图像的增强处理.仿真结果表明,提出的算法克服了对视频压缩、解压再处理的弊端,提高了系统的整体性能和响应速度,改善了视频图像的视觉效果.     

VC开发的细胞形态学参数测量系统

采用面向对象的程序设计技术，以Visual C＋＋6．0为开发工具，综合运用了图像增强、图像分割、数学形态学等各方面的最新知识，开发了一个用于细胞形态学参数测量的图像处理系统，具有处理速度快，精度高，扩展性好等特点。     

基于支持向量机分类策略的多晶硅电池片色差检测

针对复杂颜色和纹理特征条件下,多晶硅电池片上的色差检测问题,提出了一种基于支持向量机分类策略的多晶硅电池片色差检测方法。首先对预处理后电池片图像进行颜色模型转换和通道分离,利用Otsu方法对单通道图像进行阈值分割处理,并计算各阈值图像的区域对比度,然后根据区域对比度情况选择合适的阈值图像,利用阈值图像所提供的信息提取图像特征;最后使用支持向量机分类器来判别电池片是否存在色差缺陷。实验结果表明提出的色差检测算法可以实现多晶硅电池片色差高效检测,色差缺陷检测的准确度、误检率和检测时间分别达到96.88%, 5％和109ms。     

基于二叉树的 LS-WSVM早期火灾多类分类研究

针对早期火灾信息特点,提出了一种基于二叉树的最小二乘小波支持向量机（Least squareswavelet support vector machine,LS-WSVM）多类分类方法.该方法首先把主成份分析用于早期火灾信息的特征提取.然后,把二叉树结构和LS-WSVM相结合,提出了基于二叉树的LS-WSVM多类分类模型,不仅避免了盲目分类和不可分情况,而且提高了分类速度和泛化能力.最后,用该模型对特征信息进行处理,从而实现了对早期火灾的多类识别.早期火灾分类实验结果表明,该方法比采用径向基核函数的最小二乘支持向量机多类分类方法具有更好的识别效果和更快的分类速度.     

利用粗糙集和属性直方图的图像增强方法

利用粗糙集理论进行图像增强,子图的划分是关键。属性直方图是对直方图概念的推广,是一种由先验知识约束的直方图;将它用于子图的划分,在此基础上提出了一种基于粗糙集理论和属性直方图的图像增强方法。该方法利用属性直方图的 Otsu 算法确定灰度阈值,根据灰度阈值利用不可分辨关系,将图像划分为背景子图、目标子图和噪声子图,对去噪后背景子图和目标子图进行增强变换,并将它们合并得到增强图像。将该方法用于一种海底小目标图像增强。实验结果表明该方法处理增益为 11dB,明显地增强了图像,且不损害图像的边缘。该方法适用于图像有某种先验知识的场合。