基于邻域彩色变化矢量场的图像边缘检测技术研究*

首先进行了边缘检测系统结构设计,建立了图像邻域彩色变化矢量场的数理模型,提出了用图像邻域彩色变化方向锐度描述图像边缘,进而应用模糊聚类自适应检测边缘.实验表明:与基于梯度的边缘检测技术相比,该方法在噪声抑制以及边缘准确定位上均取得了好的效果,是一种应用广泛的优秀边缘检测算法.     

基于高速DSP的实时运动目标识别跟踪系统

研究了实时视频采集和高速目标识别检测、跟踪系统模型,分析了功能状态.在对检测、跟踪系统任务流和算法分析的基础上研究了基于高速DSP、大规模可编程器件和高速PCI通信总线架构的可行性系统实现方案.该系统采用复用总线设计,提高了系统资源利用率和系统可靠性.实验结果表明,该系统具有实时监测场景和在复杂背景下实时检测识别和跟踪运动目标的能力.     

一种新的车牌实时识别系统

车牌实时识别系统在现实生活中有极其广泛的应用.本文描述了一种新的车牌自动识别系统,讨论了从车流视频中自动捕获用于识别车牌的最佳帧,车牌区域的自动搜索,车牌字符的单字切分,和字符图像的模糊识别.系统测试了892个不同车型,不同颜色,不同种类(如普通民车,军车,武警车,外交车等)的车在成渝高速入口和成绵高速入口现场在不同时间,不同天气,不同光照下通过入口的图像流,识别时间小于0.4秒,完全可以满足汽车高速运行时车牌自动实时识别.车牌识别率即使在较恶劣天气和光照下也达到了97.06%,可见系统能适应不同的天气和光照,大大提高了其工程应用的可靠性.     

数据广播中的UCL标引与传输机制

UCL(Uniform Content Locator)是作者、编者和读者进行语义沟通的工具,是数据广播中解决接收端数据信息的快速选择、信息过滤、智能代理和信息的主动服务的基础.本文系统地介绍了数据广播中UCL的概念,提出了在数据广播中进行UCL标引的方法和两级复用方法,研究了数据广播的UCL-W标引方案,研究了多映射与复用技术,最后给出了在数据广播的传输过程中,发送端对数据信息进行采集、标引、映射、复用、格式转换和调制的工作流程.实验验证了理论方案的正确性和有效性.     

基于梯度相关性的红外微弱目标检测

提出了一种新的基于空域梯度相关性的图像杂波自适应预测算法.该算法能显著改善微小目标的邻域信杂比(SCNR).试验证明,本算法相对于已有的多种算法,有着更好的性能.对微弱目标SCNR的增益相对于传统算法提高3 dB以上.本文还引入了一种基于统计分析的微小目标检测算法.该算法考虑了微小目标在图像集成时的重叠特性,能在不增加系统运算负荷的情况下,获得更高的检测概率,相对于不考虑重叠特性的算法,在虚警概率小于10-4时,假设重叠系数为3,SCNR为4 dB,系统检测概率从小于20%,大幅提高到80%.理论分析及仿真表明,本文提出的检测系统存微小目标枪测中,具有很高的实用性.系统在原始信号的邻域信杂比(SCNR)小于0 dB的情况下,能有效检测出目标,在采用10帧集成检测,目标像素重叠参数为5的情况下,虚警概率小于10-7,系统检测概率大于80%,虚警概率小于10-4,系统检测概率大于95%. 标在图像集成时的重叠特性,能在不增加系统运算负荷的情况下,获得更高的检测概率,相对于不考虑重叠特性的算法,在虚警概率小于10-4时,假设重叠系数为3,SCNR为4 dB,系统检测概率从小于20%,大幅提高到80%.理论分析及仿真 明,本文提出的检测系统存微小目标枪测中,具有很高的实用性.系统在原始信号的邻域信杂比(SCNR)小于0 dB的情况卜,能有效检测出目标,在采用10帧集成检测,目标像素重叠参数为5的情况下,虚警概率小于10-7,系统检测概率大于80%,虚警概率小于10-4,系统检测概率大于95%. 标在图像集成时的重叠特性,能在不增加系统运算负荷的情况下,获得更高的检测概率,相对于不考虑重叠特性的算法,     

视频序列中运动目标分割算法

提出了一种视频序列中运动目标的分割算法.首先对当前视频帧进行全局运动估计和补偿,并和上一帧进行差分运算,从而检测出运动变化区域,然后基于灰度的相似性对当前帧进行过分割,并结合运动变化区域分割出运动目标.实验结果表明,该方法能取得较好的结果,并具有较强的鲁棒性.     

序列图像差分关联域的复杂全域运动估计

本文提出了一种新的基于差分关联域的复杂全域运动估计算法,该算法通过选取图像中梯度大的区域,避免了块匹配算法的误匹配问题,使算法的准确性得到保障.而且该算法结合运动估计技术中的参数估计与非参数估计技术,扩展了块匹配算法的适用范围,使得对复杂的全域运动进行有效估计成为可能.理论分析及大量实验证明,此算法能有效地处理包含缩放、旋转等分量的复杂运动.而且本算法将复杂的全域运动分解为各基本运动,使系统可以根据运算量的限制自适应地选择最优的运动估计算法.     

采用形态神经网络背景自适应预测的图像弱小目标检测*

提出一种有效的背景杂波预测形态神经网络模型,用于检测图像数据中的弱小目标.目标被假设为只有很小的空域扩展度,而且淹没于强背景杂波干扰中.通过形态神经网络,杂波背景被准确地估计并从输入数据中去除,只剩下残留噪声和目标信号.采用扩展输入层数据的办法修正了传统的形态开、闭运算三层前馈BP网络模型.为了跟踪包含不同子结构的复杂背景,原始图像被划分为多个子块,并在相应的子块中选择训练样本对结构元进行优化.对真实图像数据的计算机仿真表明该算法在性能上优于其他传统算法.     

滑动窗口式三维Watershed算法实现视频序列分割

视频序列分割是实现视频对象提取、处理和识别的基础,也是基于内容的视频压缩和检索的前提。目前普遍采用的watershed算法是全局涨水算法,用于视频分割时占用的存储和处理空间巨大。针对这一问题本文提出了新的滑动窗口式三维watershed算法(SW3DW),通过时间轴上的局部窗口对视频序列进行观察和分割,而在相邻窗口间采用水源区标号传递和局部流域更新相结合的方法,以较小的存储和处理空间实现了局域和全局处理的一致性。理论分析和实验证明该算法能有效性地实现视频序列的分割,为后续视频对象提取和处理创造了条件。