改进大气散射模型实现的图像去雾算法

传统大气散射模型在图像去雾的求解过程中通常假设场景入射光为全局常量,然而这种假设并不合理,为此提出一种基于改进大气散射模型的图像去雾算法.首先基于亮通道先验和模糊聚类对雾图进行场景分类,并估计出各个场景的入射光照;然后根据光学辐射特性估计出场景结构,并利用雾气浓度估计模型进一步获得透射率的表达式;最后通过改进大气散射模型恢复出无雾图像.大量对比实验结果表明,该算法能够恢复出细节丰富、清晰自然的无雾图像,计算速度相对较快,能满足一般工程的实时性要求.     

基于LabVIEW的零件分类系统

在机械加工过程中,每个机床对零件进行一道或几道工序的加工。为了提高生产效率,降低工人的劳动强度,提高智能化生产程度,使用美国NI公司所开发的LabVIEW软件为开发环境,用VisionAssistant和IMAQ Vision的图像处理工具包,设计了一套可以识别不同工序下零件状态的系统。首先对不同工序下零件的状态进行收集,通过图像预处理、分类器的配置、训练及评价得到包含一个具有零件特征向量值及零件名称的分类器,然后将训练所得的分类器运用到零件分类的过程中。实验证明了这种方法具有很高的精度,该方法可以用于生产过程中不同工序下零件的识别问题,应用该方法可以有效降低工人的劳动强度。     

基于流形学习的光学遥感图像分类

随着光学遥感图像技术的快速发展与广泛应用,对光学遥感图像的准确分类具有深远的研究意义。传统特征提取方式提取的高维特征中夹杂着许多冗余信息,分类过程可能导致过拟合现象,针对传统的线性降维算法不足以保持原始数据的内部结构,容易造成数据失真这一问题,提出基于流形学习的光学遥感图像分类算法。该算法首先提取出图像的SIFT特征,然后将流形学习运用于特征降维,最后结合支持向量机进行训练和识别。实验结果表明,在Satellite、NWPU和UCMerced实验数据中,冰川、建筑群和海滩分类精度得到了有效提高,达到85%左右;针对沙漠、岩石、水域等特殊环境遥感图像,分类精度提高了10%左右。总而言之,基于流形学习的分类算法对通过降维之后的数据能够保持在原高维空间中的拓扑结构,相似特征点能得到有效聚合,预防了"维数灾难",减少了计算量,保证了分类精度。