基于模糊聚类规则的图像去雾方法研究

有雾图像的复原问题已经成为了机器视觉领域研究的热点。在传统图像复原理论的基础上,提出一种新的基于模糊聚类规则图像去雾方法,用于恢复被雾影响的降质图像。利用模糊聚类的方法对有雾图像进行预处理,从而获取图像复原过程中的透射率参数。为获取有效的景深信息,将透射率图像与提取到的图像饱和度效果图通过多尺度金字塔细化策略进行有效融合,从而获得图像景深信息。最后,通过提取到的透射率和景深信息实现图像的复原。对比实验效果显示,提出的图像去雾算法能够有效去除图像中的雾信息,同时算法的计算速度相对较快。     

改进的最大相关最小冗余特征选择方法研究

特征选择方法作为重要的数据预处理工作一直受到各个领域的关注。在分析现有的特征选择方法的基础上,针对MRMR方法中存在的冗余度和相关性评价方法单一,不能根据用户需求设置特征维度等问题进行了改进。在冗余度计算过程提出一种新的简单快速的计算方法;在计算权重过程中提出针对不同数据选用不同的特征评价方法;引入新的目标评价函数来进行特征选择。在五个经典的用于生物认证领域的特征数据库（FERET、CASIA、ORL、PIE和扩展的YaleB）上验证了算法的有效性,实验结果充分证明了改进的最大相关最小冗余算法的优势。     

基于分块和改进粒子滤波的运动目标检测方法

为了快速准确地检测到视频场景中的运动目标,提出了一种基于分块和改进的粒子滤波的运动目标检测方 法。首先,对视频图像序列分块并提取每个图像块的颜色特征;然后,用改进的粒子滤波对每个图像块进行操作,计算 出每个块对应的粒子的权重;最后,根据粒子的平均权重建立背景模型,提取运动目标。将分块和粒子滤波相结合,能 够在不降低检测精度的基础上,大幅减少算法的计算量,提高算法的执行速度。实验结果表明,该方法具有较好的鲁 棒性、杭噪性和抗光照变化能力,提取的运动目标更加完整。