共查询到19条相似文献,搜索用时 156 毫秒
1.
2.
针对传统方法存在适应性差、计算量大等特点,提出一种指纹图像置信极值化的处理方法。采用图像均
衡化与置信阈值极值化结合对图像进行强化,对每个小区域的像素点进行灰度值求均值和方差,并采用Visual C++
平台对算法进行实验验证。实验结果表明,该算法具有处理效果好、适应性强的特点。 相似文献
3.
一种快速识别形体巨大目标的方法 总被引:1,自引:0,他引:1
提出了一种从灰度图像中识别形体巨大的目标的方法。此方法先计算灰度图像的梯度值,再对梯度图像进行二值比,对二值化后的图像先后进行腐蚀和膨胀操作,然后对所得到的图像进行区域分割,从得到的区域中找到目标区域。 相似文献
4.
提出了一种新的基于一维最大类间方差和形状连通性的图像分割算法。它首先选出未经平滑的原始直方图的所有极小值,并用一维最大类间方差法选取出类间方差较大的灰度值;然后再对这些灰度值进行形状连通性值(shape connectivity,SC)的计算。选择SC值最大的一个作为最终分割阈值。文中还在将边缘像素点划分为目标或背景点的方法上也做了一些改进.即使用二维的阅值准则对其进行划分.进一步减小了误分割发生的可能性。理论分析和实验结果都表明:该新算法较一维最大类间方差和基于形状连通性的分割算法都优越.且运算速度快、划分效果好。 相似文献
5.
6.
一种基于点密度和分类约束规则的图像边缘提取方法 总被引:2,自引:0,他引:2
在目标的识别与跟踪处理中,目标图像的边缘提取是一项关键技术。本文提出一种对含噪目标图像边缘进行更准确提取的方法。该方法利用图像上各像素点的点密度信息及分类约束规则对大津阈值法加以改进,将灰度图像二值化,在此基础上提取图像边缘。理论和仿真结果证明:该方法具有边缘定位更准确、运算量小、抗噪能力强等特点,可用于对未知噪声模型的含噪目标图像的识别与跟踪处理中。 相似文献
7.
8.
基于最小二乘支持向量机时域背景预测的红外弱小目标检测 总被引:3,自引:1,他引:2
针对信噪比较低时,如何有效地抑制自然背景对目标检测的影响,提出了一种基于最小二乘支持向量机(LS-SVM)时域背景预测的红外弱小目标检测方法。首先针对前几帧图像中对应同一位置像素点的灰度值序列,利用参数经粒子群优化的最小二乘支持向量机进行函数拟合,并据此预测下一帧图像在该位置处像素点的灰度值;然后将原始图像与预测图像相减得到预测残差图像,利用基于二维Tsallis-Havrda-Charvat熵的阈值选取快速算法进行分割,并根据小目标运动的连续性和轨迹的一致性进一步分离噪声和小目标。文中给出了实验结果及分析,并与现有的检测红外小目标的空域和时域背景预测算法进行了比较。结果表明所提出的算法具有更高的检测概率,明显优于已有的基于背景预测的红外小目标检测算法。 相似文献
9.
对比分析了灰度强烈变化对图像统计特征的影响.针对在灰度强烈变化条件下,基于直方图、灰度矩阵和图像纹理特征的匹配算法的不适应性,提出了一种基于边缘特征的抗区域灰度强烈变化的景象匹配算法.仿真结果表明,该方法能有效地克服灰度强烈变化对景象匹配性能的影响,与基于灰度的积相关匹配算法相比,在匹配时间大大缩短的同时,匹配概率也有了较大提高. 相似文献
10.
11.
基于小波包与模糊自组织特征映射神经网络的图像数据融合,将图像在小波包最优基下展开,利用小波包最优基空间、尺度定位性提高分辨率,获得更好的去噪效果;再采用具有很强聚类功能的自组织特征映射网络进行图像数据的聚类;最后通过计算图像像素点的灰度均值来得到图像数据的融合结果. 相似文献
12.
13.
针对现有异源图像处理方法的不足,提出一种适合于描述异源图像纹理分布特征的改进的LBP特征的匹配算法。通过改进的LBP算子分别得到基准图和实时图的全局纹理分布特征;在此基础之上提取出基准图和实时图分块加权后的联合直方图特征并作为最终特征;并对图像分块加权后得到的联合LBP特征进行异源图像的特征匹配,在基准图上对此特征进行相似搜索得到相似系数图,峰值点即为匹配点。实验结果表明:通过LBP算子提取的纹理特征能够很好地应用于异源图像匹配,且匹配效果稳定优异,具有很好的工程应用价值。 相似文献
14.
根据声纳图像匹配处理的实时性需求,研究了正态分布转换算法。该方法基于对图像中目标点的概率分布进行匹配,不需要提取图像的几何特征或灰度特征,可有效缩短匹配时间。通过对均值滤波法、中值滤波法、小波去噪法、形态学平滑法4种图像去噪和迭代阈值法、最大熵法、一维Otsu法和二维Otsu法4种分割算法,进行仿真并对比,选出符合实时性处理的方法,即中值滤波法和一维Otsui法。基于美国德州仪器公司的数字信号处理芯片,将图像去噪、分割和匹配算法在硬件上实现,硬件实现结果和仿真结果一致,实现了声纳图像匹配的实时处理。 相似文献
15.
红外图像模式识别系统,由图像预处理、特征提取及模式分类组成.基于红外图像模式识别的图像预处理,包括滤波降噪、目标增强、图像分割等处理.滤波降噪有邻域平均、中值和Butterworth低通等滤波方法.目标增强可通过微分及Butterworth高通滤波完成,图像分割可采用阈值分割技术实现.故综合比较各种处理方法,采用两次均值滤波及拉普拉斯算子、阚值分割技术,较好实现了红外图像模式识别的预处理. 相似文献
16.
17.
18.
结合靶场数据处理实际,建立了与遥测信号变化特性相匹配的参数选点方法,实现了选取窗口的自动识别,推导出相应的计算公式.给出了具体的算法,并在试验任务中得到实际应用,取得了良好效果. 相似文献