均值平移在图像分割中的应用

提出了一种基于统计学理论的图像分割方法.使用核函数的方法对数字图像进行非参数聚类分析.首先随机选择图像集合中一定数量的点,进而应用均值平移过程对这些数据点进行聚类,最后根据一定的准则合并性质相同的区域从而实现图像分割.试验结果表明该方法能够得到较好的图像分割效果.     

Mean Shift图像分割的快速算法

Mean Shift算法是一种搜索与样本点分布最相近模式的非参数统计方法。在图像聚类分割中,Mean Shift算法是一种有效的方法。但是,由于Mean Shift算法是一种迭代方法,要保证较高的数值计算精度则需要较多的迭代次数,耗费较长的计算时间。为克服这一缺点,提出了在数字图像空间中标记收敛点,同时采用Fourier级数来近似计算高斯函数。仿真实验表明,该方法对于加速Mean Shift计算过程是十分有效并且是相当精确的。     

复杂背景条件下的红外运动小目标检测算法

在红外成像制导系统中,运动小目标易受到背景和噪声的严重干扰,从而导致较低的信噪比,给目标检测带来了难度.为此,我们首先使用基于Top-Hat变换的数学形态学滤波对红外数字图像进行背景抑制.进而对经过黑、白Top-Hat变换后的图像求取并集,然后,通过自适应门限分割得到小目标.试验结果表明该方法在信噪比接近2的时候仍能够得到较好的目标检测效果.     

结合人眼非均匀采样特性和曲线演化的红外目标跟踪方法

在成像制导过程中需要实时处理大量信息。为了尽可能在保留有效信息情况下降低计算量,提出了一种基于人眼非均匀采样特性和水平集曲线演化方法相结合的红外目标跟踪方法。首先利用对数极坐标模型的旋转、缩放及灰度分布不变性来压缩信息量,以提高计算速度。然后采用基于目标灰度和边缘特征的水平集曲线演化方法来抑制目标的非刚性形变,从而实现对非刚性变形目标的稳健跟踪。与传统的Mean Shift跟踪方法和粒子滤波跟踪方法相比,该方法具有跟踪稳定、精度高等优点。实验结果表明,该方法能够有效抑制目标的非刚性形变。     

基于人眼视觉非均匀特性的实时粒子滤波跟踪方法

由于在成像制导过程中需要实时处理大量的信息,为了在尽可能保留有效信息的情况下降低计算量,采用了一种人眼视觉非均匀采样模型--对数极坐标模型,来压缩信息量以提高计算速度;另外,由于对数极坐标变换对目标形状具有旋转和缩放不变性,在跟踪非刚性目标时该模型能表现出很好的稳健性;考虑到复杂环境中目标跟踪包含强噪声和强杂波,而且目标模型是非高斯非线性的,针对这些问题,在人眼非均匀采样模型的基础上,将基于目标强度特征的Mean shift跟踪方法与粒子滤波相结合,将Mean shift算法用于采样粒子滤波,有效地降低了抽样的粒子数,并对算法进行了数字仿真;实验结果表明,该方法能够有效抑制匹配点漂移,并且降低目标跟踪的计算量,是一种稳健的目标跟踪方法.     

基于小波多尺度分解的Mean Shift图像滤波方法

将小波多尺度分解与传统Mean Shift滤波算法相结合提出的一种有效的图像滤波方法。先将含噪声图像进行Mallat塔式分解,获得不同尺度、不同频带的子图像。将低频近似图像保持不变,对高频细节进行Mean Shift滤波,最后将低频近似图像与高频滤波后的图像进行合成得到去噪后的图像。由于Mean Shift算法是一种迭代方法,要保证较高的数值计算精度则需要较多的迭代次数,耗费较长的计算时间,为克服这一缺点,提出了采用Fourier级数来近似计算高斯函数。实验结果表明该方法在降低噪声的同时能够尽可能的保留图像细节,其去噪效果优于传统的高斯滤波、Wiener滤波方法和单一小波域值法和Mean Shift滤波方法。     

一种高效的图像边缘检测新方法

边缘检测是图像特征提取与分析的基础,其检测质量直接决定后期分析的效果.寻找一种高效、定位精确、不漏检真边缘又不引人假边缘的检测方法,一直是人们的努力目标.文中提出一种基于标准差算子的高效的图像边缘检测新方法.该方法通过计算像素点邻域的标准差值来确定图像边缘的变化程度,从而检测出边缘像素点.实验结果证明,该算法能够较为准确地检测出有用的边缘信息,是一种简单、高效的边缘检测新算法.     

局部标准差滤波在图像处理中的应用

为了在抑制噪声的同时尽可能保留图像边缘等重要信息,提出了一种局域标准差滤波器设计方法.该方法通过计算滤波器窗口中每一像素点的局域标准差,然后通过确定最小局域标准差对应像素点,使之作为滤波器的输出.仿真实验表明,提出的局域标准差滤波器具有很强的噪声抑制和边缘保持能力.     

利用OCR识别技术实现视频中文字的提取

为了在视频图像中进行字幕信息的实时提取,提出了一套简捷而有效的方法。首先进行文字事件检测,然后进行边缘检测、阈值计算和边缘尺寸限制,最后依据文字像素密度范围进一步滤去非文字区域的视频字幕,提出的叠加水平和垂直方向边缘的方法,加强了检测到的文字的边缘;对边缘进行尺寸限制过滤掉了不符合文字尺寸的边缘。应用投影法最终确定视频字幕所在区域。最后,利用OCR识别技术对提取出来的文字区域进行识别,完成视频中文字的提取。以上方法的结合保证了提出算法的正确率和鲁棒性。