低质量图像基于散射图SEM估计的MAP像素聚类方法

直方图是最常用的图像灰度统计分布的表示方法,二维直方图包括共生矩阵,灰度－边界值散射图,灰度平均灰度散射图等,本文提出了一种采用ＳＥＭ算法完成对灰－平均灰度的二维正态分布假设的参数估计,然后采用最大后验概率（ＭＰＡ）准则进行像素无监督聚类的图像分割算法,测试结果显示,我们的算法性能良好,尤其是对低对比度,有阴影和重噪声的低质量图像的分效果远优于其他基于散射图的阈值化方法。     

彩色图件自动分层算法研究

在彩色图件输入识别研究领域中,通常采用颜色分层的方法来降低图件识别的难度,文中基于瘢频数直方图和颜色表,分别提出了两种自动分层算法,结果表明,算法不仅可以处理单颜色背景的图像而且可以处理多颜色背景的图像,前者具有较强的鲁棒性,后者具有较经的实时性,实际应用效果良好。     

图像序列拼接算法的研究

针对利用水平摇动数码相机镜头连续拍摄多幅图像拼接全景图像时需要大量的计算,以及相邻两幅图像亮度不一致,容易造成明显接痕的问题,依据相邻两幅图像之间可以用投影变换表示相对关系的原则,提出了利用Moravec算子提取特征点,对图像进行投影变换,进而拼接两幅图像的算法;同时,算法中还引进了直方图规定化方法,以消除亮度不一致造成的接痕．实验证明,算法避免了迭代计算造成的大量处理时间,有效地去除了重叠区域的接痕,可以无缝平滑地拼接全景图．     

Colour Image Indexing Using SOM for Region-of-Interest Retrieval

In this paper, we present a novel approach to image indexing by incorporating a neural network model, Kohonen’s Self-Organising Map (SOM), for content-based image retrieval. The motivation stems from the idea of finding images by regarding users’ specifications or requirements imposed on the query, which has been ignored in most existing image retrieval systems. An important and unique aspect of our interactive scheme is to allow the user to select a Region-Of-Interest (ROI) from the sample image, and subsequent query concentrates on matching the regional colour features to find images containing similar regions as indicated by the user. The SOM algorithm is capable of adaptively partitioning each image into several homogeneous regions for representing and indexing the image. This is achieved by unsupervised clustering and classification of pixel-level features, called Local Neighbourhood Histograms (LNH), without a priori knowledge about the data distribution in the feature space. The indexes generated from the resultant prototypes of SOM learning demonstrate fairly good performance over an experimental image database, and therefore suggest the effectiveness and significant potential of our proposed indexing and retrieval strategy for application to content-based image retrieval. Receiveed: 4 June 1998?,Received in revised form: 7 January 1999?Accepted: 7 January 1999     

基于卷积神经网络的印刷品颜色缺陷检测

目的 提取样本图像颜色直方图特征对卷积神经网络进行训练,达到快速、高准确率检测图像颜色缺陷的目的.方法 将标准图像从RGB颜色空间转换至HSV颜色空间,通过改变图像H,S,V三分量值获取训练样本和测试样本;在HSV颜色空间中非均匀量化图像的颜色直方图,得到所有训练样本和测试样本的颜色直方图特征;利用样本图像颜色直方图特征训练卷积神经网络,然后对测试样本进行检测,研究检测的速度、准确率,并将该检测方法与逐像素、超像素、BP神经网络和支持向量机方法进行对比.结果 对于图片尺寸为512×512的彩色图像,卷积神经网络检测单幅图片的平均检测时间约为57.66 ms,训练样本图像为50000张时,卷积神经网络方法对10000张测试样本进行检测的准确率为99.77％.结论 卷积神经网络方法在保证高准确率的前提下大幅提高检测精度,对于印刷品色差缺陷在线检测具有良好的应用价值.     

特征融合的尺度自适应核相关跟踪算法

针对KCF算法在跟踪过程中面对复杂场景、尺度变化等问题效果欠佳的问题,提出一个采用KCF跟踪器的特征融合的尺度自适应核相关跟踪算法.提出一种方向梯度直方图和颜色直方图特征的特征融合方法;采用一种含有7个固定尺度因子的尺度池,采用响应最大的尺度更新当下尺度;使用平均相关峰值能量作为模板更新的指标,控制响应更新.将改进算法...     

图像处理技术在焊接轨迹提取中的应用

通过CCD成像获取焊接轨迹BMP格式图像,利用计算机图像处理技术将彩色图像转化成灰度图像。通过直方图同高斯滤波相结合的方法进行图像增强,根据直方图求出最佳阈值,将灰度图像转化成二值图像,然后利用八邻域分析法提取焊接轨迹轮廓。     

基于相关聚合直方图的CBIR

在颜色直方图的基础上,结合图像的颜色、形状和纹理特征,提出了一种基于相关聚合直方图的图像检索算法．该算法通过集合聚合度的概念,在图像的颜色统计信息中融人了多粒度的空间聚合信息,具有对图像平移、旋转与尺度变化不敏感及检索性能受数据库大小变化影响较少等特点．为了验证算法的有效性,对该算法进行了性能比较实验．实验数据表明,该算法具有较好的检索性能．     

室内Wi-Fi网络下的被动式运动目标检测算法

传统室内Wi-Fi网络下的被动式运动目标检测方法只提取Wi-Fi信号的均值、方差等粗粒度统计信息,导致系统检测率低。实现被动式运动目标检测的关键是捕获目标对无线链路的影响。探讨了表征原始信号整体分布的方法,构建一种新的相干直方图,并提出基于相干直方图的被动式运动目标检测算法。为解决追踪过程中的位置漂移问题,利用艾伦时间逻辑建立监测区域中不同子区域间的物理逻辑转移关系,对追踪结果进行实时校正。实验结果表明,相较于经典的被动检测技术,该方法基于相干直方图的被动式运动目标检测算法性能更优,综合指标F 1-measure提高近5%。     

基于多尺度灰度直方图的图像增强研究

直方图均衡是图像增强的经典方法,但通常都是简单地对整幅图像做一次均衡,这样势必对细节部分增强得不够。多尺度直方图均衡的方法就是对小波分解的各个子带分别作灰度直方图均衡,再根据均衡后的各个子带重构得到处理后的图像,实验证明该方法对图像增强很有效。本文的小波变换采用基于提升格式的第二代小波变换,实现结构简单,计算量低,适合整数到整数的变换。