过渡区和图象分割

过渡区是实际图象中介于目标和背景之间的特殊区域，本文介绍过渡区的特点和确定过渡区的方法。本文还提出了一种自动基于过渡区的新分割算法，并把该算法与常见的阈值选取算法进行了比较，分析和实验结果表明新算法运算简单并有较强的抗干扰能力。     

二项分布—拉普拉斯边缘检测算子

本文提出了一种用二项分布序列作为滤波模板,并相继进行拉普拉斯运算和零交点检测提取图象边缘的新的边缘检测算法。推导了二项分布——拉普拉斯边缘检测算子及实现卷积运算的快速算法。即使当尺度空间常数n较小时本文提出的算子亦具有较理想的带通特性及高频抑制性能。利用均方误差最小原理对被检测点邻域九点进行平面拟合可以成功地检测零交点,适当选择拟合平面斜率的检测阀值可大大消除噪声并有效地提取出图象边缘。     

图象目标识别图形的自适应步级检测

建立图象目标识别模型，用形状、灰度和运动特征描述图象目标。基于目标建模，把目标识别、门限及目标图形区域步级检测、虚漏警调节和目标空域条件有机地结合起来，给出牵引式跟踪系统中图象目标识别图形的自适应步级检测算法。该算法用于检测具有识别特征的图象目标图形，并成功地应用到实际的实时跟踪系统中的图象目标识别和跟踪。对实际图象的处理结果和在实时跟踪系统中的实验说明本文研究的技术的有效性和适用性。     

FCM算法用于灰度图象分割的研究

模糊Ｃ均值（ＦＣＭ）算法用于灰度图象分割是一种非监督模糊聚类后再标定的过程，适合灰度图象中存在着模糊和不稳定性的特点，但是这种算法存在着一些不足，如类数目无法自动确定，运算的开销太大等，因而限掉了这种方法的应用，针对这些问题，本文利用直方图分析的方法，自动确定算法的聚类数目和各类的类峰值，并针对ＦＣＭ算法和灰度图象的特点，提出了一种适用于灰度图象分割的快速ＦＣＭ算法（ＱＦＣＭ）使得运算了开销降低，     

复杂图象序列的自适应目标提取和跟踪方法

本文根据视知觉原理研究了提取和跟踪复杂图象中运动目标的计算模型和算法，分析和检验了改变模型有关参数对图象分割门限的影响。与某些常规算法不同的是，新方法综合考虑了目标一背景条件、视觉非线性、帧间相关性和差异性，目标提取作为一个完整瓣两步过程包括三个准则和一个快速寻优算法，目标跟踪使用二值模板匹配，给出了在可见光图象序列上的实验结果。     

复杂场景中的红外目标图象分割算法

针对复杂场景中的红外目标图象，本文提出了一种基于自适应阈值面的目标图象快速分割算法，文中详细地介绍了算法的设计思想及其实验方法，并给出了实验结果，其实验结果与理论相符。     

复杂场景中的红外目标图象分割算法

针对复杂场景中的红外目标图象，本文提出了一种基于自适应阈值面的目标图象快速分割算法。文中详细地介绍了算法的设计思想及其实验方法，并给出了实验结果，其实验结果与理论相符。     

序列图象编码中位移估值新算法—二维遗传优化算法

本文分析了块匹配算法中几种快速搜索算法存在的问题,基于全局最优化思想提出一种新的位移估值算法——二维遗传优化算法。对帧间差值信号采用相同的编码方法时,该算法和二维对数搜索算法比较,所需编码比特数减少,恢复图象信噪比有所提高,运算复杂度也得到下降。     

复杂背景小目标实时检测技术

针对ATR系统小目标识别实时性的需求,提出了一种快速的小目标检测算法,该方法在分析形态滤波的基本运算即膨胀、腐蚀后发现:形态滤波计算量大、实时性差的原因在于膨胀和腐蚀的计算过程中存在比较运算的冗余,即当新像素进入结构元中时,需要重新比较所有像素的灰度值,而提出的形态滤波算法则仅需把新像素的灰度值与前一次的结果值相比较而得到该次运算的结果,这样就大大减少了比较次数而提高了算法的速度.最后将算法移植到以TSM320C6203为核心的硬件平台上实现了目标检测的实时处理.实验表明:该快速算法较一般算法的计算时间减少70%.     

二值纹理图象重建的平均场技术

根据平均场神经网络，本文提出了一种二值纹理图象重建算法，纹理图象用马尔可夫随机场模型描述。重建算法是一个自适应过程，递归地进行模型参数估计和图象重建。平均场方法将图象搜索中基于模拟降温的统计松驰方程转化为一组确定性方程，从而有效地提高了计算效率。计算机实验结果证实了重建算法的有效性。     

复值核结构元数学形态学二值图像实时光学并行处理

用光学实时并行图像处理与计算机的灵活特性相结合可实现数学形态学实时并行图像处理。提出了采用实时光学处理系统和复值核结构元光学频域滤波方法实现二值图像数学形态学实时并行处理     

基于DSP的两帧差分和改进半因果弱小目标检测

针对工业现场镁熔液中弱小目标实时检测的难题,提出一种基于DSP的两帧差分和改进半因果支持域相结合的弱小目标检测新方法。该方法以DSP图像处理平台为核心,DSP集成开发软件Code Composer Studio 3.3为辅助,首先采用改进的半因果支持域模型对两帧原始图像进行背景预测,背景预测图像与原始图像相减得到残差图像;其次残差图采用两帧差分和自适应阈值分割处理得到二值图像;最后对二值图像形态学处理,获得真实弱小目标。实验结果表明：在相同实验条件下,该方法对序列图像的检测性能与已有文献进行对比,可以快速有效地检测到弱小目标,同时检测到的目标面积增大1.3倍,预处理时间减少34%,检测总时间减少20%,为工业现场镁熔液弱小目标实时检测奠定了基础。     

基于LabVIEW Vision的车牌识别系统设计

文中设计了一种基于LabVIEW Vision的车牌识别系统。该系统根据车牌颜色在HSL色彩空间上的特征,采用色彩阈值分割、腐蚀等图像处理方法将车辆图像转化成二值图,并在二值图中进行边缘检测,再根据检测到的车牌与背景间的边缘线的信息组建方程组,求出车牌边缘特征点的坐标,以确定车牌在图像中的位置。然后,以车牌在图像中的位置是否在指定区域内作为是否进行车牌识别以及当前车辆图像是否保存为车牌识别输入图像的触发条件。如果条件不满足,则系统将重新采集车辆图像,否则会根据车牌位置抓捕车牌,并采用均匀性度量法等方法对抓捕到的车牌进行二次处理,并将其转化成车牌二值图,再由OCR函数对该图进行字符识别。经实验验证,该系统具有较高的识别精确度与稳定性。     

New fuzzy model for morphological colour image processing

Mathematical morphology is a powerful tool for image processing and analysis of binary, greyscale and colour images. An efficient new fuzzy model for morphological colour image processing is introduced. A new vector-ordering scheme that uses fuzzy if-then rules is proposed, and then the basic morphological operations of erosion and dilation are defined. The morphological operators presented, which are vector preserving, are less sensitive to image distortion and perform significantly better in noise removal problems than other reported morphological operators. Experimental results demonstrate these advantageous characteristics on real images. Additionally, illustrative examples that exhibit the applicability of the proposed framework to edge-detection problems are given.     

基于偏振图像的低照度场景多目标检测算法

偏振光反射信息可直接反演目标本征特性,且在传输过程中具备较强的抗干扰特性,因此偏振成像技术可适用于多种复杂环境中的智能监控、交通监察领域。近年来使用深度学习判读图像检测目标的方法迅速发展,已经广泛应用于图像处理的各个领域。本文提出了一种基于偏振图像与深度神经网络算法的行人、车辆多目标检测算法YOLOv5s-DOLP。首先,通过实时获取到偏振图像进行偏振信息解析,获取目标偏振度图像。其次,为增强偏振度图像中检测目标与背景存在高对比度的特性,在主干网络中引入通道注意力与空间注意力,提升网络特征进行自适应学习的能力。此外,使用K-means算法对目标位置信息进行聚类分析,加快网络在偏振度图像的学习速度,提升目标检测精度。实验结果显示,该算法结合了偏振成像和深度学习目标检测的优势,对于低照度复杂场景中的车辆、行人目标检测效果好、检测速度快,对于道路车辆的目标检测、识别与跟踪具有一定的应用价值。     

形态学增强的连接相对熵在自动目标检测中的应用

提出了一种基于多尺度形态学和连接相对熵的红外图像自动目标检测方法;它首先对目标红外图像进行多尺度形态滤波,消除背景和杂波的影响同时增强目标的对比度,然后采用连接相对熵准则确定区分目标和背景的最佳门限,最后对得到的二值图再进行形态滤波,得到精确的目标分割图像.实验结果表明该方法具有一定的鲁棒性和自适应性,能够实现目标的自动、非参数化的有效检测,且效果良好,便于下一步的目标识别和跟踪.     

基于最优阈值的叶类中药边缘检测算法研究

提出了一种利用最优阈值分割和形态学处理相结合的边缘检测方法,首先通过Otsu最优阈值算法分割数字图像,然后利用形态学腐蚀运算腐蚀图像,最后利用分割后图像与腐蚀过的图像的相减获得边缘.该方法实现了对叶类中药显微图像效果更优的边缘检测,同时对比了传统边缘检测算法对叶类中药显微图像的图像边缘检测效果,为下一步的叶类中药显微图像的分割与自动识别奠定基础.     

视频图像中的运动目标检测

运动目标检测,是指从视频图像中将运动变化区域提取出来的检测技术,是图像处理技术的基础。在军事公安、交通管理、视频监控、医学检查等领域应用广泛。为了改进单独采用帧差法或背景减法进行运动目标检测时存在的不足,本文提出一种利用边缘信息的三帧差法与基于混合高斯模型的背景减法相结合的运动目标检测算法。该方法对视频图像中连续的三帧图像两两差分,对3个差分图像取均值,二值化,再经过形态学处理,并对中间帧进行Canny边缘提取,将二者进行"与"运算,即得到运动目标的边缘,用背景减法提取中间帧的前景,二值化,将其和目标的边缘进行"或"运算,经过形态学处理便可得到运动目标。实验结果表明,使用该方法目标检出率提高了9.7%~72.1%,误检率降低了0.090%~2.900%。这种二者相结合的方法相对于单一的检测算法能够有效、可靠地提取出运动目标。     

图像识别在目标自动识别系统中的应用

图像处理系统主要包括采用摄像机、图像采集卡、计算机等硬件设备,进行实时图像采集,用灰度直方图方法从摄取含背景图像的目标图像,采用多种分割技术和多个简单识别器融合方法进行目标图像识别,不仅大幅提高了识别率而且缩短了识别耗时。本文以车牌自动识别系统设计为例。     

基于图像融合的运动前景检测方法

提出了一种有效的运动前景检测方法。该方法根据图像融合思想,将背景帧与监控视频的当前帧在R,G和B颜色通道分别进行融合,形成包含背景帧和当前帧视觉信息的单一融合图像。之后根据背景区域与前景运动目标在饱和度上存在较大差异的现象,使用大津算法分割融合图像的饱和度分量图,形成运动前景二值图。经形态学处理后,形成了目标区域较完整、背景干净的运动前景检测图。实验结果显示,该算法具有较好的前景检测性能,解决了背景减法过分依赖背景帧的缺陷。