基于模板匹配的马赛克视频检测方法研究

通过分析普通图像和马赛克图像的特征,提出了一种简单的、高实时性的马赛克检测方法,利用模板匹配方法快速检测出画面中的马赛克缺陷。     

基于肤色模型与模板匹配的人脸检测探究

本文提出了一种基于肤色模型与模板匹配的人脸检测方法。基于YCbCr色彩空间的高斯概率模型,对肤色进行相似度计算和二值化分割,采用形态学对二值化后的图像去噪处理,随后又利用人脸先验知识进一步排除非人脸区域,最后结合人脸模板进行匹配,最终确定并标记出图像中人脸的位置。实验表明,该方法能够在复杂背景图像中较准确地检测出人脸。     

数字电视节目中马赛克的检测算法设计与试验

本文提出一种基于马赛克块直线边缘检测并延长使其交叉标识的方法来检测图像中的马赛克。首先,对图像进行边缘识别;其次,对边缘图像进行霍夫变换来识别直线;最后,延长这些直线,通过其相交点来识别马赛克块。本算法基于OpenCV库函数实现,并通过大量计算对比和数据分析来寻找出最佳检测参数,完成预期实验。     

基于边缘检测与HSI彩色空间的车牌定位方法

提出了对采集到的图像进行一系列预处理并在此基础上对车牌粗定位和精确定位。首先,对车牌图像进行灰度化、平滑去噪,边缘检测后,提取边缘比较密集的车牌候选区域;然后,对裁剪出的彩色图像在HSI彩色空间的基础上进行边缘提取操作,取得图像饱和度和亮度边缘,并进行边缘合成;最后,利用色调信息的提取来判定车牌区域。该方法能使车牌区域得到有效的增强,达到精确定位目的。     

基于彩色形态变换的彩色边缘检测新方法

边缘检测是图象分析和计算机视觉重要步骤之一。西方在ＲＧＢ彩色这僮上引入了一类关于平面结构元素的彩色形态变换，彩色形态变换是数学形态学中灰度形态变换在彩色空间的理论拓展。     

基于CFA去马赛克的图像篡改检测技术研究

图像篡改检测研究中,大多数检测方法需要构建一个复杂的分类器,致使检测效率降低。文章提出一种基于由色彩滤镜阵列(CFA)处理过程中产生的伪影检测技术,包括基于CFA模式个数估计和其他基于CFA噪声分析,该方法通过计算单个特征点和基于分类器简单阈值来实现,通过被篡改后图像改变了CFA去马赛克伪影检测图像篡改,通过成千上万张真实的、篡改的及计算机合成的图片验证,实验结果表明,文章所提方法具有较高的性能。     

非局部相似性去马赛克算法

单传感器数码相机得到的色彩图像在每一个像素点处只有一种色彩值,为了得到一幅全彩色图像,需要在每一个像素位置上估计出另外两个缺失的色彩值。现有主要算法都是利用像素的相关性进行估计和插值,在那些边缘色彩跳变处和色彩高饱和度处容易估计失误,出现所谓的马赛克失真。为了克服这类马赛克现象,本文提出了一种利用图像的非局部相似性,即利用处于图像中不同位置处的像素点往往表现出很强的相关性这一特点,结合图像内容的局部平坦度自适应去马赛克的插值算法。该算法,首先根据相似度函数搜索与被插像素最相似的像素,然后利用区域水平和垂直方向的梯度组算子来计算区域的平坦度,从而根据相似程度和平坦度自适应地选择图像块进行插值。实验结果表明,相对于传统插值算法,该算法提高了图像的峰值信噪比,锐化了图像的纹理和边缘,减少了虚假色和锯齿现象,改善了图像的视觉效果。      

马赛克故障图像的分析与检测

本文提出一种利用差分边缘检测获取灰度图像的边缘特征与色差分量信号特征相结合的检测马赛克故障图像的方法，该方法在保证较低误报的情况下，实现了马赛克检测的功能。     

基于模板边缘的自适应角点检测算法研究与应用

原有算法在检测角点过程中的聚类效果不明显,导致检测后的图像角点个数与实际所需不符,存在伪角点和漏角点,逐渐增加图像的检测时间,为此,设计基于模板边缘的自适应角点检测算法。模板边缘技术可以对潜在的角点区域进行有效规划,以中心点相邻点位进行提纯,具有交点过滤的效果优势。基于模板边缘转化灰度值,分割并预处理图像,抑制角点半径确定对应特征提取点数,获取自适应阈值检测图像角点,完成基于模板边缘的自适应角点检测算法设计。实验结果表明:以两组实际拍摄图像为测试对象,运用传统算法和研究算法进行角点检测,在研究算法应用下,能够真实地标记出两组图像的角点数量,且检测时间均不超过0.2s,具有实际应用效果。     

基于Hessian矩阵的边缘检测方法

边缘是一幅图像最基本也最重要的特征,边缘检测是机器视觉和图像处理的关键环节和经典课题。本文结合人眼的视觉特性,利用彩色图像自身梯度方向信息,对彩色图像进行多通道边缘检测,得到图像的伪色彩边缘图。对边缘信息增强和去相关后提取亮度分量,用OTSU法二值化,最后利用Hessian矩阵提取边缘图像的中心路径,去除边缘毛糙和冗余的背景纹理,使图像边缘光滑连续。通过实验验证了本文算法的有效性,实验通过与两种经典算子Canny和Sobel以及基于小波的边缘检测方法做比较,结果表明,本文算法能够提高边缘检测的有效性和清晰度。     

基于颜色和边缘特征的新闻视频标题条检测和文字识别

提出了一种基于颜色和边缘特征的新闻视频标题条检测和文字识别方法.该方法首先利用颜色和边缘特征检测出新闻视频中含有标题条的帧,然后由先验知识得出标题条帧中的字幕区域,对字幕区域进行预处理和光学字符识别(OCR),得到文字内容.实验结果表明该方法具有较高的查全率和查准率.     

基于扫描线迭代的深度图像边缘检测算法

提出一种基于扫描线迭代近似技术的深度图像边缘检测算法。与其他的算法相比,该算法具有直观的几何意义。通过大量的由三维坐标扫描仪获得的实时深度图像对该边缘算法进行验证,实验结果表明该算法具有良好的分割效果和稳定性。     

一种基于模糊理论的图像边缘提取

讨论了模糊理论在边缘提取中的应用，并给出了一种改进的基于模糊理论的图像边缘检测算法。实验结果表明，与该算法不需要加额外的滤波器或图像降噪预处理。在抗噪性能方面(80％以内的Gaussian噪声和10％以内的椒盐噪声Salt＆Pepper)明显优于其它方法。     

基于局部显著性特征的人体检测方法

通过分析人体轮廓的性质,结合Sobel算子、HOG和LBP算子,提出一种基于脊模型的局部显著性特征提取方法,该特征将人体轮廓的方向特性和结构特性有机结合,属于一种多属性融合的人体描述方法。在人体梯度空间中,通过使用改进的LBP算子和简化的梯度方向直方图进行特征的提取、训练和识别。实验表明,使用该特征可有效的减少计算复杂度,提高行人检测速度;但与HOG相比,由于描述人体的特征维数较少,因此人体识别的检测率还有待提高。     

基于MSP-ROA边缘检测的SAR图像分割

该文以卡通模型为SAR图像分割的理论依据,提出了一种基于MSP-ROA边缘检测的SAR图像分割算法,算法中对边缘检测的结果做种子生长、标注和区域填充,并根据相似性准则对填充的初始分割结果进行相邻区域的合并处理,最终得到同质性和连通性都较好的SAR图像分割结果;文中给出了SAR图像分割处理的性能评估指标,并用实测的SAR图像数据验证了上述算法,最后给出了与其它分割方法比较的结果.     

基于直方图均衡变换的彩色YUV图像边缘检测方法

本文对基于改进的YUV颜色空间的边缘检测算法进行了研究.结果表明,对不同颜色空间的优缺点、特征性进行对比,从而提出了以YUV颜色空间为基础的改进算法,对其边缘检测算法的基本原理进行了详细的分析阐述.结合多元化仿真实验手段的相互比对,最终确定试验结果的优劣性,再结合理论分析和实验效果图,最终确定基于增大YUV颜色空间中Y、U、V分量的差异,并针对其中存在的问题提出可行性的边缘信息有效方案.本文通过改进后提出了更为简单的方案,同时具有高效性优势.     

一种新的基于距离加权的模板约简K近邻算法

作为一种非参数的分类算法,K近邻(KNN)算法简单有效并且易于实现。但传统的KNN算法认为所有的近邻样本贡献相等,这就使得算法容易受到噪声的干扰,同时对于大的数据集,KNN的计算代价非常大。针对上述问题,该文提出了一种新的基于距离加权的模板约简K近邻算法(TWKNN)。利用模板约简技术,将训练集中远离分类边界的样本去掉,同时按照各个近邻与待测样本的距离为K个近邻赋予不同的权值,增强了算法的鲁棒性。实验结果表明,该方法可以有效地减少训练样本数目,同时还能保持传统KNN的分类精度。     

一种混合神经网络在颗粒图像边缘检测中的应用

本文提出了一种应用混合神经网络进行颗粒图像检测的方法。混合神经网络由用于对边缘候选图像的二值输入模式进行聚类特征提取的自组织竞争子网络（ＡＳＣＳＮＮ）和用于获取颗粒图像边缘矢量信息的ＢＰ子网络（ＢＰＳＮＮ）组成,边缘候选图像是通过采用基于灰度极小值算法提取的边缘候选象素获得。神经网络以边缘候选图像中的边缘候选象素及其邻域象素的二值模式作为训练样本。对经过噪声污染的图像进行实验表明,该方法获得的边缘图像封闭性好、边缘描述真实,抗干扰能力较强,适用于颗粒图像的边缘检测。