一种改进的灰度图像二值化方法

通过分析OSTU算法的基本原理,提出了一种改进的灰度图像二值化方法.该算法克服了在整个灰度级上搜索最佳阚值的缺点,减少了计算方差的次数.实验表明上述方法能够得到比较理想的二值化图像.     

一种改进的退化文本图像二值化方法

文本图像二值化是文本图像识别的重要步骤,由于光照不均或文档水渍等原因导致文本图像退化,增加了文本图像识别的难度。本文对一种局部阈值算法进行了改进,首先对图像进行水平投影,根据直方图的极小点对版面进行简单划分,再利用全局阈值法估算出更为准确的各区域字符笔画宽度,从而自适应地得到适当的窗口尺寸,再利用对比图和局部阈值进行图像二值化,并结合OTSU图像消除原算法产生的伪轮廓。实验与分析表明,改进后的方法能够明显消除因笔画粗细不均、字符大小不同而产生的前景像素误识问题。     

基于改进型局部二值模式的人脸识别方法研究

局部二值模式在人脸识别领域应用广泛，但是该算法阈值为中心像素，对噪声比较敏感，文章采用小波变换首先对图像进行压缩，降低数据量，然后利用均值和方差的线性组合作为动态阈值进行纹理特征的提取，最后采用最近邻算法进行分类识别。实验结果分析表明改进后的算法的识别率有了一定的提高。     

一种用于图像二值化的细胞神经网络模型

本文提出了一种用于图像二值化的神经网络模型，它们称它为数字式细胞神经网络。它基于蔡少堂等提出的细胞神经网络概念，但采用了神经元离散时间的数字动力学技术，利用这个模型，只要通过简单的整数运算就可以并行高速地对灰度图像进行二值化，对于不同邻接和权值的选择得到了比传统二值化方法更自然的二值图像。另外，所提出的神经网络模型非常适合于数字ＶＬＳＩ实现。     

彩色车牌图像转换成可识别的二值化字符的一种新的算法

现有的在显示设备上的数字图像处理系统上进行的,是将连续的模拟图像变成离散的数字图像后,用建立在特定的物理模型和数学模型基础上编制的程序（软件）控制,运行并实现种种要求的处理。提出了一种新的算法可以更好的将彩色车牌图像进行处理并将其变成可识别的二值化图像。     

二值图象结构特征的提取

本文提出几种不同的用于表示二值图像的、同心圆结构特征,并将其应用到图像识别上。圆心的选择有外接圆法、重心法、结构圆法等。特征有同心圆与图像相交的次数和相交的长度,还有表示其相交位置的空间分布的特征量。应用到图像识别得到了满意的效果。     

基于二值化的边缘图像滤波方法

图像经过边缘提取之后常会带有各种噪声,提取的边缘还不能满足我们的需要。讨论了对边缘图像的滤波方法,先对图像进行二值化,再进行区域标记,处理后的图像再与边缘图像进行与运算。实验结果表明,该方法对提高边缘图像的质量是非常有效的,并且具有非常高的实用性。     

一种红外图像的二值化分割算法研究

红外图像二值化分割是对红外图像进行分析和理解的关键,图像二值化分割的质量,直接关系到图像的后期处理,结合红外图像对比度低、分辨潜力差、分辨率低等自身特点,提出一种基于局部灰度梯度值和全局化阈值面相结合的二值化分割算法。     

一种融合二值边缘特征和灰度特征的人脸识别方法

 光照变化是影响现有人脸识别算法性能的主要因素之一.基于边缘特征的方法能获得较好的光照鲁棒性,且易于实现,但它对表情变化的鲁棒性较差.本文提出了一种融合二值边缘特征和灰度特征的人脸识别方法,并首次将二阶互信息相似性测度引入人脸识别中.在AR图像集和Yale图像集上的实验表明,本方法对含有光照变化和表情变化的图像能获得比现有其它方法更好的总体识别率,具有较好的实用价值.     

采用局部二值模式与深度信念网络的人脸识别

针对人脸维度过高和人脸局部特征提取易忽略的问题,提出了一种将多尺度局部二值模式( LBP)算法与深度信念网络( DBN)算法相结合的人脸识别方法。首先采用多尺度LBP算法提取人脸纹理特征,进而将LBP提取的纹理特征作为深度信念网络的输入,最后通过逐层网络训练,得到网络的最优参数,并在ORL人脸库中进行测试,识别率可达95.2%,比使用Gabor小波和主成分分析(PCA)算法的人脸识别高2.6%,说明该算法具有很好的人脸识别能力。     

一种改进的QR码图像二值化算法

对光照不均的QR码图像进行全局二值化处理后,会出现全白或全黑的误差区域,在局部二值化过程中会出现伪边界情况,并且计算时间也会变长。针对光照不均的QR码图像提出了一种改进的基于背景灰度的二值化算法。首先,根据二维码源图像大小进行分块处理,使用灰度估算公式对分块的灰度值进行计算。其次,使用联合插值算法产生背景灰度水平图像,然后用背景灰度水平图像替代源图像得到校正图像。最后,采用Ostu算法对校正图像进行二值化。实验结果表明,该算法能有效的校正光照不均的QR图像,并得到一个良好的二值化图像。     

去雾图像质量客观评价方法研究

针对目前去雾图像质量客观评价方法少和已有评价方法存在局限性等问题,提出一种去雾图像的客观质量评价新方法.针对去雾图像中存在的Halo效应,采用边缘加权结构相似性测度的方法,将雾化图像和去雾图像的整体轮廓信息与局部纹理细节信息加权来描述图像的结构相似度.从人类视觉感知的角度出发,定义了图像归一化灰度差,用来描述图像的亮度.将彩色图像转换到HSV颜色空间,利用S分量的信息熵和直方图相似度来描述图像的色彩还原能力.最后综合边缘加权结构相似性测度、图像归一化灰度差和色彩加权还原度建立去雾图像质量评价模型,并进行客观评价和比较.实验结果表明,与已有评价方法相比,所提出的评价方法能够获得与主观感受一致的结果,并具有较好的有效性和可靠性.     

Genetic algorithm and mathematical morphology based binarization method for strip steel defect image with non-uniform illumination

In order to precisely extract the image shape feature for the defect detection and classification, the strip steel image needs to firstly be binarized effectively. In this paper, the intelligent information processing, including mathematical morphology and genetic algorithm, is introduced to the strip steel defect image binarization. In order to eliminate the effect of non-uniform illumination and enhance the detailed information of the strip steel defect image, an enhancement operator based on mathematical morphology (EOBMM) is proposed firstly. And then, the binarization method based on genetic algorithm (BMBGA) is applied to the binarization of the strip steel defect image processed by EOBMM. The experiment results show that our method is effective and efficiency in the strip steel defect image binarization and outperforms the traditional image binarization methods, Otsu and Bernsen.     

改善数字全息再现像质量的背景强度补偿法

为了完全消除CCD背景噪声和杂散背景光对数字全息再现像质量的影响,在全息图强度分别减去参考光波和物光波强度相减法和全息图强度分别减去参考光波和物光波强度及CCD背景噪声相减法的基础上,提出了改善数字全息再现像质量的背景强度补偿法。介绍了背景强度补偿法的原理,并实验对比了全息图的直接再现像及应用背景强度补偿法对不同背景强度下获得的全息图处理后的再现像。结果表明,背景强度补偿法显著地改善了再现像质量,降低了对数字全息图记录环境的要求。     

基于微粒子群优化算法的数字散斑图像相关方法

为了能够通过一步搜索同时得到数字散斑图像中所测点的整像素和亚像素位移信息,采用灰度插值的方法构造了亚像素子区,改进了基于微粒子群算法的数字图像散斑相关方法。对含有平移信息的模拟散斑图和具有应变的模拟散斑图进行相关计算,验证了该方法的适用性;在对具有微小面内位移转动的试件进行测量时,比较了整像素的微粒子群算法和不同量级的灰度插值下的亚像素微粒子群算法。结果表明,基于微粒子群算法的亚像素数字散斑图像相关方法在测量小位移方面具有一定的优越性。     

离轴数字全息零级像的空域滤波预处理消除法

基于离轴数字全息记录特点和数字图像处理技术,提出了一种消除离轴数字全息零级像的有效方法。该方法只需记录一幅数字全息图,无需增加实验装置的复杂性,直接对数字全息图在空域进行预处理,就可消除数字全息再现时的零级像。与一些消除零级像的现有方法相比较,该方法具有算法简单,处理速度快的优点,所提出的方法通过实验得到验证。     

数字图像处理与识别系统的开发研究

信息技术的快速发展为各行业领域注入新鲜的活力.以当前数字图像处理技术、识别技术等为例,其本身以计算机技术为依托,能够完成信息传输、处理、存储等工作,应用范围极广.然而从现行计算机感知能力角度看,仍需将相关的理论与实践经验作为指导,如人脸识别、纸币识别等,要求做好图像处理与识别系统设计.本文将从数字图像处理、图像识别方法在人脸图像识别中的应用以及图像识别系统在识别残损纸币中的应用角度,对系统开发思路进行探析.     

基于机器视觉的齿轮缺陷研究

本文主要研究了在直齿圆柱齿轮的缺陷检验中，采用计算机图像技术的相关理论和方法，对提取到的齿轮图像进行灰度直方图变换、图像分割和数字减影等数字图像处理技术进行处理，以获得减影图像。通过对减影结果进行分析，可以获得齿轮缺陷的相关信息，实现了对齿轮缺陷的快速、准确的检测判断，具有一定的工程实用价值。     

基于特征点的快速匹配算法

为了实现快速、高精度的图像匹配,将基于灰度的图像匹配技术与基于特征的图像匹配技术相结合.定义了一种灰度值特征.并提出一种基于图像灰度值特征点的快速匹配搜索算法.该算法利用得出的灰度值特征点作为搜索依据,改变了传统匹配方法遍历性质的搜索策略.由于特征点的选取对噪声和灰度值的线性变化具有一定的"免疫性".因此对灰度值不均匀的图像匹配问题同样适用.该算法在大大提高匹配速度的同时兼顾了匹配精度,实现了高效率、高精度的图像匹配.通过实验,证实了该算法的快速性和准确性.     

图像处理技术用于批量产品数量自动统计

几何形状相同的批量产品数量自动统计是实现生产自动化的重要课题之一.分析工程背景的需求,将CCD摄像头拍摄的产品图像进行灰度变换和二值化后,可以得到数据压缩后的产品预处理图像.根据产品几何形状相同的特点,优化设计面积法统计目标像素并建立有效的算法模型,自动计算出批量产品的数量,实现实时计数.从而改善劳动环境、提高生产效率,进而拓展了数字图像处理技术在工业生产监测中的应用领域.