一种基于改进ZS细化算法的指针仪表检测

针对ZS细化算法存在二像素畸变、细化不彻底等问题,提出一种改进的细化算法。对二值图像采用ZS细化算法进行初步细化,将初步细化后的结果进行全细化识别,依据识别结果对未完全细化的图像采用4连通细化模板实现彻底细化。同时对细化过程可能出现的断点问题,采用构造保留模版的方法加以解决,进而实现目标图像的有效细化。以油量表为例,结合改进细化算法实现仪表读数识别。仿真结果表明,改进细化算法在保持原有ZS细化算法快速性的基础上可有效地解决二像素畸变、像素冗余的问题,并实现准确的指针读数识别。     

纸币新旧检测的数字图像处理方法

随着货币流通的加速,纸币破旧污损越来越多,另外在AT M自动取款机中,对纸币的质量也有一定的要求,因此纸币清分机的新旧检测也越来越重要。本文阐述了一种基于数字图像处理技术的人民币纸币新旧检测方法,给出了工作原理、遇到的问题及解决方法,最后给出了在实际检测中的结果分析和今后需要努力的方向。该算法运算速度较快,准确度较高,具有良好的应用前景。     

基于块方向图的指纹中心点定位

提出了一种基于块方向图的指纹中心点定位方法,该方法先利用灰度梯度法得到指纹块方向,再利用块搜索得到指纹的大致中心点位置,最后根据块的Poincare index算法得到指纹确定的中心点位置,该算法简单、快速、鲁棒性好。     

调频广播与航空无线电业务B1类干扰分析方法

描述了调频广播与航空导航业务之间干扰的现状、产生原因及电磁兼容分析的研究情况。以国际电联ITU-R SM.1009-1建议书为理论基础,介绍了B1类干扰的定义及产生机理,根据建议书提供的B1类干扰兼容性评估标准及通用估算方法,提出了B1类干扰最大防护距离及等值线的兼容分析方法,并给出了用该方法进行B1类干扰分析的详细步骤和流程,分析人员可根据等值线对B1类可能的干扰区域进行预测。     

基于灰度共生矩阵与局部线性嵌入的金属断口图像识别方法研究

在模式识别中,灰度共生矩阵(GLCM)能够很好的提取图片的纹理特征,流形学习中的局部线性嵌入(LLE)方法是一种有效的非线性降维方法。结合两者的优点,经过严格的推导,提出一种基于灰度共生矩阵与流形学习的金属断口图像识别方法 GLCM–LLE。将提出的方法与传统的基于灰度共生矩阵的方法进行对比,实验结果表明,提出的方法在识别率方面优于GLCM方法,具有实用、有效的优点。     

一种基于形态变换的图像去噪方法

图像去噪是一种图像预处理方法。图像去噪能够从复杂的信号中提取所需要的信号,便于对图像作进一步的处理。数学形态学是一种对图像进行分析的数学工具,其分析的基础是图像的形态。文章利用数学形态学以图像形态为主要研究对象这一特点,对一幅含噪的典型图像进行实验。通过实验,表明该方法可以较好地保留图像原有的特征。     

基于灰度梯度共生矩阵的桌面灰尘检测算法

针对桌面灰尘检测在光照变化时有灰尘与无灰尘图像相似度区分界限不明显的问题，提出一种基于兰氏距离改进的图像相似度算法。该算法融合指数函数性质，将模板图与有灰尘和无灰尘图像之间的兰氏距离转换为（0，1］区间的相似度值，同时扩大相似度差值。为增强灰尘纹理特征信息，将灰度图进行拉普拉斯算子卷积，再用共生矩阵特征提取算法提取特征参数并将其组合成一维向量。用改进后的相似度算法计算模板图与待检测图的特征参数向量相似度，根据向量相似度判断桌面是否具有灰尘。实验结果表明在300~900 lux光照范围内，无灰尘图像之间的相似度高于90.01%，有灰尘与无灰尘图像之间的相似度低于62.57%。两种相似度的均值能够作为阈值，在光照变化时有效地判断桌面是否具有灰尘。     

在ACR中进行黑白转换

我们将告诉大家,如何使用RAW文件中包含的丰富色彩信息得到优秀的黑白摄影作品。软件准备:Photoshop CS5学习目标:如何使用ACR中HSL/灰度面板的转换为灰度命令对黑白转换过程中的不同颜色明暗进行选择性控制。操作耗时:15分钟控制黑白转换时的画面明暗变化并不是一件容易的事情,我们期待画面元素反差分明、轮廓突出,可结果往往事与愿违,稍不留神整张照片就变得灰蒙蒙一片。今天我     

图像灰度匹配在多核环境下的优化

随着计算机技术的不断发展,图像匹配已经成为图片处理的一个重要部分。在图像匹配中,图像的灰度匹配虽然具有匹配精度高的优点但却需要大量的计算时间,且计算时间随着使用模版的增大而大幅度增长。文章在多核的环境下使用内存优化与处理器亲和力优化方法来解决计算时间长的问题。实验结果表明,使用并行技术并结合内存优化与处理器优化方法可大幅度减少计算时间、提高缓存的命中率、避免乒乓效应的产生使并行程序的加速比与并行效率有所提高。     

基于小波一阶灰度矩向量和神经网络的旋转机械故障诊断的研究

在旋转机械轴系振动故障模拟试验的基础上,对大量故障模拟试验数据进行计算,建立了典型故障的小波一阶灰度矩向量样本,将其作为概率神经网络的输入进行故障诊断研究。结果表明,基于一阶灰度矩向量的概率神经网络可实现对训练样本100%的正确识别率,对陌生样本的正确识别率也超过75%。可见,概率神经网络综合了Bayes分类器和神经网络的优势,利用概率神经网络融合信号的一阶灰度矩向量特征实现旋转机械轴系故障模式识别是一种可行有效的方法。