基于t混合模型和Greedy EM算法的彩色图像分割

为了快速更好地进行彩色图像分割,以图像的颜色、纹理及空间位置作为综合特征,基于t混合模型,提出了一种自适应的图像分割方法,即先采用贪婪的EM(Greedy EM)算法估计混合模型的参数,然后根据贝叶斯最小错误率准则对图像进行分割。由于t混合模型的稳健性和Greedy EM算法对于数据的初始化不敏感,且能收敛到全局最优,因此与其他的方法相比,不仅速度提高,而且能取得更好的分割结果。     

基于局部颜色与边缘形状的图像信息检索

为了弥补全局颜色直方图不包含颜色空间分布关系,在L*a*b*颜色空间提取分块的颜色矩,同时利用边缘方向自相关图获得图像的形状内容,然后分别计算各特征的距离并利用Guassian模型进行特征归一化,综合上述各归一化距离,进行全局相似度量,最后采用了权值调整的相关反馈方法进一步提高检索精度.与传统的局部颜色直方图及颜色矩检索结果的方法相比较,可知此方法能获得更好的检索结果.     

基于YOLO算法的行人检测方法

针对复杂道路交通环境,选择YOLO(You Only Look Once)实时目标检测算法,对行人目标进行检测识别的研究。YOLO算法在目标检测的速度和精度上都取得过良好效果。首先在YOLO网络模型的基础上针对行人单类检测问题,修改分类器,并通过卷积操作改变网络最后的输出维度;其次通过对道路交通场景下采集到的样本图片进行标注,得到行人数据集;然后采用相同预训练模型在YOLOv2和YOLOv3上训练,通过优化网络参数,加速模型收敛。实验结果分析可知,基于改进的YOLOv3的行人目标检测方法更能满足实时性的要求。     

基于ARM-Linux和CPLD的移动式风速仪设计

分析了利用超声波时差法测量风速风向的基本原理,设计了基于ARM-Linux和CPLD微处理器的移动式风速仪。给出了以S3C6410和EPM570T100C5为处理核心的超声波风速仪的设计实现方法。重点阐述了超声波驱动电路、信号调理电路、Linux移植以及系统软件的设计。测试结果表明,该系统可以实现对风的精确测量,且工作稳定可靠。     

自适应的归一化卷积超分辨率重建算法研究

图像超分辨率重建技术是数字图像领域的一个研究热点,应用广泛。为了使重建的图像能更好地保持边缘细节,采用各向异性高斯核函数作为适用度函数,并将改进的自适应归一化卷积超分辨率重建算法应用于设计的多通道光学成像系统图像。由于各向异性高斯核函数邻域的尺度和方向由提出的自适应结构张量矩阵决定,其能很好地估计图像局部结构的方向和强度。实验仿真结果表明,提出的方法与其他方法相比可以保持边缘细节和提高信噪比,从而改善图像成像质量。     

基于t混合和SMEM算法的彩色图像分割

采用t混合模型建立图像的颜色,纹理及空间位置特征的联合分布,及改进的分裂—融合EM算法(SMEM)估计混合模型的参数,根据贝叶斯最小错误率准则对图像进行分割。由于t混合模型的稳健性和改进的SMEM算法对于数据的初始化不敏感,能收敛到全局最优,且能自适应的的选择分割的数目,因此该方法能取得更好的分割结果。     

基于稀疏贝叶斯学习的CT图像重构

计算机断层成像是医学检查的常用方法,但是检查中过量的辐射可能对病人造成二次伤害。基于此提出了一种稀疏贝叶斯学习(Sparse Bayesian Learning,SBL)的肺部计算机断层成像(Computed Tomography,CT)图像重构方法,首先应用高斯随机分布矩阵对肺部图像进行测量,并建立基于小波变换的稀疏字典,最后应用稀疏贝叶斯学习算法对图像进行重构。仿真实验结果显示,该方法能够实现对肺部图像重构,当压缩率为0.6的时候,重构的肺部组织图像的峰值信噪比达到34.1809,满足医学检查的需求。该方法能够降低医学检查中的辐射伤害,具有重要的理论研究意义和实际应用价值。     

基于局部颜色空间特征的图像检索

基于图像中主要物体的尺寸动态地对图像分块来获得颜色的空间分布特征,并选取了符合人眼感知特性的HSV颜色空间进行非均匀量化,提取各个分块的主色及其所占的百分比作为颜色综合特征矢量,根据所提出的综合特征矢量给出相应的相似度计算方法,同时构造出相似矩阵进行基于颜色内容的图像检索,能通过调整各个分块的权值来进一步提高检索的精度,最后将文中提出的方法与传统的全局直方图方法相比较,可知文中的方法因为利用了动态分块的方法,考虑了颜色的空间信息以及权值的调整,从而取得了比较好的检索结果。     

交通场景中改进SSD算法的小尺度行人检测研究

由于交通场景中的行人目标所处的背景环境复杂、目标较小等因素,使得目前的行人检测算法在实际应用中存在检测精度不高、检测速度较慢的问题.因此行人检测模块作为高级辅助驾驶系统的核心模块,一直以来都是目标检测的研究热点之一.针对交通场景中小尺度行人目标,将传统的SSD网络结构中的主干网络卷积层结合Inception模块中的稀疏...     

图像超分辨率重构算法研究进展

超分辨率(Super-Resolution,SR)重构技术是指利用一帧或多帧拥有部分细节的低分辨率(Low-Resolution,LR)图像重构出一幅可以提供更多细节信息的高分辨率(High-Resolution,HR)图像。本文通过频域、空域和学习这三个层面的超分辨率重构算法,对图像超分辨率的方法进行了分类对比,重点论述了各算法的优缺点及应用,并展望超分辨率图像重构技术的发展趋势。