彩色图像分形维数的计算方法

分形维数是描述图像复杂性的一种重要测度,广泛应用于图像特征提取及图像分类、分割和检索等方面。多种黑白图像和灰度图像的分形维数计算方法已被提出,但其中很少有适用于彩色图像的分形维数计算方法。把计算灰度图像分形维数的差分盒维法扩展到欧氏五维空间,提出了一种简单且易实现的计算彩色图像分形维数的方法。实验结果表明,提出的方法能够捕捉到彩色图像纹理的复杂性,在识别彩色图像粗糙度变化和计算精度方面优于其它算法。     

基于高亮模型匹配的SAR建筑物高度反演方法

针对高分辨率SAR图像中的建筑物高度提取问题,提出了一种基于高亮模型匹配的建筑物高度反演方法。通过对建筑物的成像特征进行分析构建出高亮特征模型,建立模型与SAR图像之间的匹配度函数,运用多种群遗传算法对匹配度函数进行优化搜索出最优的高度参数。基于模拟和实测SAR图像的实验结果表明该算法可以用于SAR图像建筑物高度反演,并具有较高的反演精度。     

一种基于GF(23)的(K,N)有意义无扩张图像分存方案

传统有意义图像分存存在像素扩张,通常只对分存信息以较短的认证信息进行甄别,从而导致重构的秘密像素真实性无法准确鉴别。针对此问题,提出一种基于GF(2³)的(K,N)有意义无扩张图像分存方案。在该方案中,首先生成加密映射表并利用秘密像素的位置信息对秘密像素进行加密;然后将秘密像素的认证信息和加密像素在GF(2³)有限域下进行(K,N)分存,嵌入到掩体图像对应的像素中;最后将映射表的生成密钥进行(K,N)分存,计算每个子密钥的MD5值并公布到第3方公信方以防止掩体图像持有者作弊。实验结果表明,所提方案能准确地识别出秘密图像攻击区域,不存在任何像素扩张,掩体图像与秘密图像等大且嵌入分存信息的掩体图像具有较好的视觉质量。     

格蕴涵代数的软LI-理想

借助软集合,提出了格蕴涵代数的软LI-理想的概念,研究了软集运算下的一些诸如交、且等基本性质,并给出了格蕴涵代数的软LI-理想的一些等价刻画。此外,研究了格蕴涵代数的软LI-理想与格蕴涵代数的软格理想之间的关系。得到了格蕴涵代数的软LI-理想像与原像的性质。     

卫星图像的村落民居Lebesgue测度η值研究

以古民居的分布与发展演变为变量参数所形成的古村落拓扑图,通过对Lebesgue测度计算形成几何拟合数值曲线,在引入优美图优美标号的基础上,形成对村落优美度η的勒贝格测度值,在古村落发育（时间增长）过程中,η值是单调变化的。以徽州地区存在1000年古村落google卫星图像为基础,结合历史文献获得不同年代民居拓扑图,依据上述方法对村落拓扑中优美图进行统计量化,定义出村落优美度值η。结论认为η介于8000左右时,村落民居年代人文分布丰富;而低于6000时村落民居数量发展上升,但人文资料零乱;在700年左右的村落中,η值稳定在9600附近,呈现出古村落的明显拓扑特征。通过村落优美度按年代变化的η值曲线,对村落的（年代）演变做了分析。     

基于改进SUSAN算法的移动车辆检测

针对复杂行车环境下智能车辆行车安全问题,提出了一种基于改进 Susan 边缘检测算法提取车辆边界特征。首先介绍了SUSAN边缘检测算子的原理,然后提出改进的SUSAN算法,即对待检测像素粗略提取,采用一种自适应选取阈值的方法对候选边缘点检测提取边缘。实验表明,算法能在复杂图像中识别前方车辆,有较高的准确度。     

边缘检测算法的FPGA实现

边缘检测算法是最常见的图像处理算法. 分析了Prewitt算子和Sobel算子两种边缘检测算法的原理, 利用DSP Builder工具在MATLAB/Simulink下完成了这两种算子的图像边缘检测算法的设计, 并将该设计直接在FPGA中实现. 利用FPGA的并行处理能力, 大大缩短了图像处理所需的时间.     

强力输送带接头点识别算法

针对新型的强力输送带以接头点为基准参考点进行故障实时检测,存在接头定位困难问题,提出了一种基于统计学和图像处理技术相结合的接头点检测识别算法。该算法首先把图像每一列看成一个样本总体;然后根据每一列的样本均值以及该列中的每一个像素的方差计算出该像素点的平滑度,根据一定的平滑度阈值来找到接头点区域,通过对接头点区域应用图像处理技术中的腐蚀、膨胀等运算,使其形成一个矩形区域。利用该矩形区域像素值的方差以及矩形区域的宽高比这两个特征,来达到对接头点的识别。实验表明该算法能够有效地识别出接头点。     

一种新型的实效运动目标检测方法

提出一种新型的帧间差分光流的运动目标检测方法.该方法通过改进七帧差分和改进背景减除消除运动目标检测时出现的"空洞"和虚假目标;通过在光流计算方程加入权函数和引入通用动态图像模型建立新的光流约束条件,以解决常用光流场计算耗时长和亮度变化引起的约束方程不成立的问题,同时获取运动准确信息;最后通过阈值分割和形态学处理完成对目标的分割.实验对比分析表明,该方法能实现运动目标的准确快速检测与分割.     

图像处理耦合模板定位的答题卡识别研究与应用

当前大多数机器阅卷中采用的识别算法基于模糊识别,即针对某类型的试卷,更换多种试卷或者同种试卷不同采集方式下很难准确对应,具有一定的局限性。对此,本文提出一个基于OpenCV耦合模板定位的答题卡识别机制。首先基于人机交互划定学号区与客观题区;然后基于图像处理算法定位得到填涂位置,评价填涂结果,完成答题卡识别。本系统模板制作模块由C#编程实现,答题卡识别由C++和OpenCV实现。最后测试本文机制性能,结果表明：与基于模糊识别的普通方法相比,本文机制具有更好的定位效果和识别准确度。