一种基于小波纹理特征的目标检测方法

给出了一种利用小波分块分解和灰度共生矩阵特征来提取目标的方法。首先对图像进行分块小波变换，然后求分块灰度共生矩阵并且计算小波共生矩阵特征向量，选取纹理特征最大的作为种子区域；最后利用均值聚类的方法进行目标标记。实验结果证明，能够检测红外和可见光图像中各种类型的目标。     

运动平台成像系统弱目标检测方法

本文结合机载红外搜索/跟踪系统等光学成像系统的实时信息处理需求,提出了一种运动平台条件下成像系统的空-时弱目标检测方法.该方法首先在空间上进行二维广义最大似然比检测提取出图像序列中的潜在目标,然后在时间上进行多级假设检验判决,从而检测出真实目标.算法有效均衡了统计检测性能和计算复杂度之间的矛盾,在实际应用中取得了良好的效果.     

基于最小风险贝叶斯决策的印刷品斑点检测方法

针对印刷品斑点检测缺乏有效检测方法的难题,依据统计决策和贝叶斯分析的基本原理,结合模式识别和机器礼堂相关理论技术,提出了一种基于最小风险贝叶斯决策的印刷品斑点检测方法;以烟标图像为例,实验验证了所提算法的准确性与有效性;该实验表明:所提算法能够有效地检测出烟标中的黑色斑点,分割出来的斑点图像基本上保持了原有的形状;最后,提出了进一步的改进方法。     

一种单片机实现的嵌入式视频切换器

介绍一种以单片机为主控CPU的嵌入式视频切换器,简述其工作过程、硬件构成、软件设计.该切换器已成功地应用于湖南省地县电视会议系统中,实际应用表明,切换器工作可靠、成本低廉,具有很强的通用性和很高的实用价值.该切换器亦可用于普通的多媒体监控系统.     

基于计算机视觉的大型车辆实时定位定向技术

为了解决大型车辆在进行货物装卸时易出现位置和方向误差较大而需多次调整的情况,本文提出一种基于计算机视觉的大型车辆实时定位定向技术.本技术在指示带的辅助下,采用霍夫变换、数字识别等图像处理方法实时测量车辆相对于停车地点的距离、方向和位置信息,最后,系统将利用像素的距离和数量信息来精确计算运动距离,并以图像和数字等多种形式在车辆驾驶室内实时报告、显示.实验证明,该技术可实现大型车辆实时、准确的定位定向.     

基于多模型表示的高分辨率遥感图像配准方法

传统的配准方法假定两幅图像之间的几何变形可以用一个统一的变换模型来描述,高分辨率遥感图像配准,尤其当图像的分辨率达到米级和亚米级时,地物高程因素产生的像点位移不容忽略,导致这些区域的变形与平坦区域不一致,难以找到一个统一的变换模型来描述整幅图像的变形。针对高分辨率图像配准中存在的实际问题,提出了一种基于多模型表示的配准方法。在初配准阶段,完成图像中大部分平坦区域的校正,建立整体模型;在精配准阶段,完成局部高程区域的校正,建立局部模型。实验结果表明：该方法是准确有效的。     

基于知识的雷达目标识别研究

由于识别样本空间的无限维度特性和应用环境的复杂性,引入知识就成为解决雷达目标识别这类复杂问题的重要途径.文中首先通过实例说明了知识在雷达目标识别中的重要性,然后阐述了知识的描述方法,由此提出了一种基于知识的雷达目标识别模型,并以可信度方法为例对知识处理的过程进行了具体说明.最后以车辆和坦克2类目标的识别为例,说明在特征匹配识别不能正确区分2类目标的情况下,利用知识可以有效地提高识别的可靠性.     

复杂海天背景下红外舰船目标的自动检测方法

近年来,舰船目标的检测与识别技术得到了人们越来越多的重视.研究了复杂海天背景下红外舰船目标的自动检测问题.首先运用小波变换对图像进行预处理,提高了图像的信噪比,从而抑制了噪声和背景杂波.然后针对红外舰船目标总是出现在海天线附近的问题,采用梯度强度均值分割的算法检测了海天线,确定了目标的潜在区域.最后,提出了一种基于行列均值的自适应阈值分割算法,结合使用红外舰船目标的几何特征量,采用特征匹配方法提取出舰船目标,达到了自动检测的目的.实验结果表明:该方法能有效地自动检测复杂海面背景中的红外舰船目标.     

一种基于虚拟三角形的图像自动配准方法

图像配准是图像处理和分析的关键技术之一.本文提出了一种基于虚拟三角形的图像自动配准方法来处理具有全局刚体变换的图像配准问题.该方法主要分三步:首先采用改进的Harris算子从参考图像和待配准图像中分别提取角点特征,将每三个角点顺次连接起来构成一个虚拟三角形;然后运用刚体变换模型下匹配虚拟三角形对全等的准则找到全等性最好的一对虚拟三角形,利用它们的对应顶点求解刚体变换模型参数的初始值;最后根据刚体变换模型参数的初始值和一个预设的门限得到所有的匹配角点特征,通过它们求得最终的刚体变换模型参数.实际图像实验结果表明:本文提出的图像自动配准方法是正确和有效的,并具有较高的配准精度.     

一种新的基于CV模型的图像分割算法

CV模型是一种重要的图像分割模型,本文针对其收敛速度慢、效率低的缺点提出一种求解CV模型的新方法。首先将CV模型的能量泛函改写成与原来有相同稳定解的总变分公式形式,然后使用对偶公式法求总变分公式的极小值,再在其中引入一速度项以加快模型的收敛速度。新方法一方面克服了梯度下降法要求时间步长小、迭代次数多的缺点,经过较少次的迭代就能收敛,减少了迭代计算的次数;另一方面,引入的速度项能够减少每次迭代的时间,从而缩短求解模型的时间。速度项的引入同时减少了对梯度的依赖,增强了抗噪性。另外,可以通过调节速度项得到不同数目的同质区域,以适应相同图像不同分割任务的需求。实验结果表明本文方法是有效的。