雾霾天气下交通标志的检测与识别

针对我国当前交通环境的多变性,尤其是雾霾天气的出现,提出了一种在雾霾天气下快速实现交通标志分类识别的算法.首先,将图像从RGB颜色空间转换到HSV空间,对S通道图像边缘检测,计算标志牌的圆形度、矩形度等,判定标志牌的形状,定位提取标志牌所在的区域,根据标志牌的颜色和形状的匹配唯一性,对标志牌进行初步分类,然后提取标志牌所在的区域进行模板匹配,读取标志牌的具体含义.实验结果表明:该算法能有效地提高雾霾等恶劣天气下交通标志的检测率,并能满足实时性需求.     

基于二分查找判定树的蔗糖结晶颗粒分类器设计

在仔细研究煮糖过程蔗糖结晶环节的基础上,对结晶颗粒图像经过处理后所提取的特征值进行分析,针对其中的颗粒面积和形状指数特征值,提出了基于二分查找判定树的结晶颗粒分类器的设计和分类算法,并根据其分类数据对煮糖结晶阶段进行控制,经实验证明该分类方法简单实用且效率高,对于煮糖过程自动控制的实现有着重要意义.     

一种基于SVM的刹车蹄块片摩擦块表面裂纹检测法

针对刹车片外观裂纹检测需求,通过构建刹车蹄块片图像采集系统,提出了一种基于支持向量机SVM的刹车蹄块片摩擦块表面裂纹检测法.该方法首先利用灰度图像的梯度模值信息,投影提取摩擦块所在区域; 然后以局部窗口子图像为单位,计算灰度共生矩阵并提取相关特征量; 最后采用分类样本对支持向量机分类模型进行训练,对摩擦块表面裂纹缺陷和正常区域进行分类预测.实验表明:该方法能较好地实现摩擦块表面裂纹缺陷和正常区域的分类,对表面裂纹缺陷存在与否的判定准确率可达98.33%.     

植物叶形状与纹理特征提取研究

对于植物叶的分类介绍了一种基于叶片图像的形状与纹理特征提取的方法.该方法首先对叶片图像进行预处理提取出叶片轮廓,得到形状与纹理特征参数,然后对形状参数分析进行粗分类,最后对于形状相似叶片利用BP神经网络进行分类.实验对20种叶片进行分类,平均识别率达到了92％.     

基于深度神经网络的车辆特征识别方法

提出了一种基于深度神经网络的车辆特征识别方法,通过车辆特征智能检测识别实现交通智能监控和管理.采用三维区域轮廓扫描方法进行车辆图像采集和几何形状判断,对采集的车辆图像进行边缘轮廓检测和信息增强处理,突出车辆的类别属性特征点,在仿射不变区域对车辆角点分布信息进行直方图均衡化处理,实现车辆像素特征点的提取.对提取的像素特征点采用深度神经网络进行分类训练,实现车辆特征的智能识别.选取大量交通视频图像进行实验,仿真结果表明采用该方法进行车辆特征识别的成功率较高,输出车辆特征点正确的像素总数较多,对目标车辆的准确检测定位性能较好.     

基于组合核支持向量机的图像边缘检测

基于支持向量机在分类上有很好的效果,提出了一种新的边缘检测方法--基于组合核支持向量机的图像边缘检测。该方法利用支持向量机分类对较多的训练样本数据进行训练,从而实现了图像边缘定位。通过实验验证了该方法比传统的边缘检测算子效果好。     

基于I-RELIEF和SVM的畸形马铃薯在线分选

在提取的RGB图像的R分量图像上提取二值图像和边界图像,计算马铃薯图像的偏心度、矩形度、圆形度以及边界图像的10个傅立叶描述子等共计13个形状特征。其次把样本的形状特征输入到I-RELIEF模块中,求出各个形状特征在分类中的影响程度,即各自权值。然后把带权值的样本形状特征输入到支持向量机算法模块中进行训练,从而得到分类器。最后用分类器实现畸形马铃薯的在线分选。试验结果表明:该方法每秒钟可以检测4个马铃薯,可以满足分选设备的实时性要求,并且畸形马铃薯的识别率高达98.1%。     

基于Zernike矩的米粒形状模糊分类

根据米粒形状的特征,运用Zernike矩描述目标边缘的形状,采用模糊模式识别方法,实现按形状分类.为增强适应能力,对Zernike矩及模糊分类方法作了适当调整.对300颗同一品种的米粒进行实验,结果表明,本方法的检测结果与人工检测结果高度一致.     

小波分解图像数据的矢量量化

文章在对小波分解图像数据特性讨论的基础上提出了一种新的数据压缩编码方案，该方案利用小波分解后各子带数据之间的相关性，使用基带数据检测实现对其它子带数据的分类和提供分类数据的位置信息，通过对分类数据进行分类矢量化，实现数据的高效压缩的获得较好的恢复图像。     

基于卷积神经网络的深度线段分类算法

为解决单目图像中冗余像素点不利于深度神经网络快速完成深度信息检测的问题,提出一种基于卷积神经网络的深度线段分类算法。对NYU-Depth数据集使用线段检测算法进行线段检测得到原始图像的线段特征图,通过数据预处理结合深度数据得到表征深度信息的线段集合及其标签,提出适用于线段特征的卷积神经网络,实现单目图像中深度线段的分类。通过在不同线段数目上进行多次多组对比试验,深度线段分类准确率达到73.50%。试验结果证明了利用卷积神经网络实现深度线段分类的可实施性,有助于更好的利用图像几何特征解决深度估计问题。     

Aurora images classification via features salient coding

The change of the form of the aurora reveals the atmospheric activities and the degree of the influence of the sun on the earth. The research on aurora image classification is an effective way to study the aurora phenomenon. In this paper, an image classification method for auroras is developed. According to the characteristics of aurora images, the SIFT features of aurora image are extracted. Then the clustering centers of all SIFT features are obtained by the fuzzy C-means clustering method. Further, the weights of those clustering centers are calculated by the Salient Coding method and they are regarded as the final features for final aurora classification. Finally, the support vector machine is used to classify the 3200 aurora images. Experimental results show that the proposed method has a good performance not only on arc shape aurora images but also on complicated crown shape aurora images.     

基于方向差异场的指纹图像粗糙对齐

基于指纹方向场特征,在指纹识别早期阶段实现指纹图像的粗糙对齐,进而分割出两幅指纹图像之间的重叠区域,减少了后续特征提取和匹配阶段需要处理的数据量,并提高了指纹图像匹配准确率。定义了指纹方向差异场,将指纹方向场转换为指纹方向差异场,然后基于指纹方向差异场对齐指纹图像,有效降低了指纹方向场相关性计算过程的计算开销,同时抑制了指纹图像中非线性形变对指纹方向场可能造成的影响。实验结果验证了所提出方法的有效性。     

基于低尺度词袋模型的图像快速分类方法

提出一种新的框架用于改进传统词袋模型效率较低的问题。该方法建立在通过小波变换获取的低尺度图像表示上,利用在低尺度图像上提取单尺度的SIFT特征,建立低尺度视觉词典。由于大幅度减少了图像初始特征维数,该方法可以快速建立视觉词典,并且有效地降低后续图像分类所花费的时间。通过对Caltech101数据集全部8 677张图像的分类测试显示,该方法可以在保证分类性能的同时,有效地提升基于传统词袋模型的图像分类效率。实验结果表明,该方法可以全面提升金字塔匹配的词袋模型分类性能和分类效率,普遍用于传统词袋模型及其衍生方法。     

Linear feature detection based on ridgelet

Linear feature detection is a foremost problem in image processing and pattern recognition. An image is composed of a number of points, lines and planes. Effective detections of these com-ponents play an important role in simplifying feature model in pattern recognition and pattern match. Wavelets[1—3] perform very well for objects with point singularities in one and two dimen-sions and are shown to be optimal basis for representing discontinuous functions in one dimension and functions with …     

一种通用的基于抛物面模型的鱼眼图像校正算法

鱼眼镜头具有较大的视场,但所拍摄图像会产生严重的桶形畸变,使用时需要进行校正。提出一种新的基于抛物面的透视投影模型,分析了此模型下图像的投影特征及抛物面参数对校正效果的影响,利用鱼眼图像中的特征点拟合出抛物面的最佳参数值,最后通过拟合后的抛物面模型将鱼眼图像映射成透视投影图像,实现了对鱼眼镜头畸变的校正。实验表明,与传统的球面投影模型相比,该模型有更好的校正质量。     

基于PC-LDA的交通标志形状特征识别方法

针对PCA方法所提取的特征分类效果较差,而LDA方法通常不能直接应用于图像特征提取的问题,提出了一种基于PC-LDA的交通标志形状特征识别方法.通过对交通标志图像进行归一化和二值化处理,得到交通标志形状特征.将PCA方法与LDA方法相结合用于交通标志二值图像特征提取,可以得到既有最佳描述性又有最佳分类效果的PC-LDA特征子空间.利用标准交通标志图像数据库进行验证,并采用最小距离分类器对所提取的特征进行识别,结果表明,该方法能够快速有效地进行维数约减,提高了交通标志识别率.     

基于图像分类方法滑坡识别与特征提取——以归州老城滑坡为例

目前遥感滑坡地质灾害解译主要是通过目视解译和人机交互式解译,根据遥感图像的影纹、色调、地形、地貌等特征,辅以软件对图像进行增强处理和叠加DEM来识别滑坡灾害,但是这些解译方法并没有充分挖掘遥感图像的光谱信息。论文以三峡库区归州老城滑坡为例,利用遥感专业处理软件ENVI对灾害点遥感影像分类,探索滑坡灾害的光谱识别与特征提取。得出图像分类方法不但可以去除一些与滑坡灾害解译无关的或干扰信息,还可以通过感兴趣区选择进行监督分类将图像划分为滑坡解译所需要的简单几种类型,有助于滑坡特征提取与统计、滑坡识别和圈定滑坡边界。     

微阵列图像降噪和自动定位

针对基因芯片实验中存在的数据处理效率低、数据分析质量差等问题.将一种新的小波降噪技术和自动样点定位方法用于cDNA微阵列图像处理.研究表明:基于小波分解的降噪方法,对微阵列图像的噪声滤除非常有效,平均峰值信噪比可达到65dB.利用一种允许高吞吐量分析的全自动划格方法,对微阵列图像进行自动定位,对于基因表达微阵列图像精度可达到97%.     

基于样本的棉花异性纤维识别算法

异性纤维在棉花中虽然占得比重很小,但危害很大,直接影响着纺织品的质量.传统的异纤检测识别算法多采取固定阈值法,但是由于检测对象是高速运动的棉花流,光照易产生波动,采集的图像也会相应变化,因此误识别率就会增加.而有样本识别算法采集适量的分类样本库,识别结果稳定,可以消除这一缺陷.分析棉花中异性纤维的图像特征,对重要图像特征进行增强,提取异纤的特征,识别算法引入欧几里德距离,采用K近邻分类,从而识别出异纤,并进行仿真实验,实验结果表明该识别算法识别效果好、速度快.     

基于残差卷积与多头自注意力的CXR图像分类

为了提高新型冠状病毒肺炎（COVID-19）检测的效率和准确性,本文提出一种自动识别COVID-19胸部X射线（Chest X Ray,CXR）图像的网络模型（MHRA-RCNet）。在ResNet50的基础上,首先采用残差卷积对CXR图像中形状复杂的感染区域进行局部特征提取;其次选择在ResNet50的二、三阶段引入多头关系聚合模块,以增强对全局信息的建模能力;为了进一步将局部信息和全局信息进行融合,以提高特征的表达能力和特征之间位置的相关性,本文还在ResNet50的最后阶段引入了空洞视觉Transforme模块,有助于识别CXR图像中复杂的病变区域;最后将融合后的特征以串联方式输入全局平均池化层进行全局空间信息整合,通过多层感知机进行图像分类并进行可视化分析。在公开访问的COVID-19 Radiography Database数据集上进行图像分类,实验结果显示,MHRA-RCNet模型在多项指标上均优于其基础模型ResNet50和其他分类模型,其整体准确率、精确度、灵敏度、特异性和F1分别提高到98.12%、97.36%、96.60%、98.47%和96.98%,证明了MHRA-RCNet模型在图像分类任务上的有效性。另外,MHRA-RCNet模型对新冠肺炎识别的精确度、灵敏度和特异性分别为98.32%、97.64%和99.59%,具有较好的识别效果和分类性能。