基于视觉模型的车型动态定位

车型识别系统(VehicleRecognitionSystem简称VRS)是智能交通的一个重要课题,文章根据实时提供的汽车图像进行了大量的研究,采用了基于视觉模型的自适应的汽车车体定位算法。该算法采用的是HSI彩色图像空间,HSI彩色空间更适合人的视觉。同时根据基于人眼分辨率的视觉模型自适应地进行汽车彩色图像的边缘检测,根据边缘的垂直投影图和水平投影图来定位车体的左右边界和上下边界,实验结果表明该算法具有较快的速度,完全能满足适时的车型识别系统的要求。     

基于空间复杂度掩盖的边缘检测算法

通常边缘检测算法仅仅考虑到图像本身信息,而未考虑人眼对规则图像的感知能力比对非规则图像更强。结合人眼的视觉特性,本文提出了一种基于空间复杂度掩盖的边缘检测算法。给出了一种空间复杂度的测度以及双门限机制,利用图像空间复杂度来体现图像的规则程度,并根据图像的纹理信息矫正图像的梯度方向,确定边缘宽度,准确定位空间复杂度的计算区域。实验结果表明,本文提出的算法可以有效地检测规则图像的边缘,抑制复杂纹理区域的边缘。因此,该算法更符合人眼的视觉特性,有利于复杂情况中信息的提取。     

基于视觉感知的图像放大

为了有效保持图像纹理细节和边界结构,提出了一种基于视觉感知的图像放大算法。构造了一类[C2]连续的双变量有理函数插值模型。根据等值线生成原理,利用等值线方法将图像自适应地划分为边缘区域和平滑区域。基于图像的区域特征,平滑区域采用多项式模型插值,边缘区域采用有理模型插值。根据人眼对比敏感特性,对边缘区域进行参数优化,从而获得高质量插值图像。与其他经典的图像放大方法相比,该方法能有效保持图像的纹理细节和边缘结构,同时获得了较好的客观评价数据。     

人眼定位的边缘强度信息积分投影方法

为了提高积分投影方法对人眼定位的准确性和适用范围,提出了一种在极坐标系下对边缘强度信息进行积分投影的改进方法。基于肤色特征确定出人脸区域,采用Kirsch算子建立边缘强度信息图像,对不同极角方向进行积分投影,确定出人眼角度方向,对人眼所在角度方向的边缘强度进行微分累加运算确定出人眼的极径,从而实现人眼的极坐标定位。实验结果表明,该方法能够有效地提高各种姿态人脸图像中人眼定位的准确性,尤其对于旋转人脸图像的人眼定位,该算法具有良好的鲁棒性。     

基于边缘和模型的半色调图像水印算法*

考虑人眼视觉掩蔽特性,提出了一种基于图像边缘和模型的数字半色调图像水印算法。通过分析半色调图像边缘特性,将二值水印嵌入到半色调图像边缘区域,再结合视觉和打印模型对半色调图像进行优化,得到含水印半色调图像。仿真实验表明,该方法不会在含水印半色调图中产生明显椒盐状噪声,可取得较好的水印不可感知性。当此半色调图像打印输出,再遭受裁剪、随机涂改、JPEG压缩攻击后,仍能提取出有效的水印信息。     

复杂背景下人眼定位及人脸检测

人眼定位和人脸检测是人脸识别的重要环节，复杂背景下，人眼定位及人脸检测容易受到光照以及其它物体的影响。在没有检测到人脸的情况下，对原始图像用sobel算子得到灰度边缘图像，进而得到边缘灰度加强图像，估算分割双眼的阈值范围。对边缘灰度加强图像二值化后，结合人脸的几何特征以及双眼的二维相关系数自动确定双眼候选点，利用人脸模板检验双眼及人脸的真实性。大量实验结果表明，该算法在复杂背景下进行人眼定位及人脸检测是有效的。     

一种在红外图像中定位人眼的方法

为了实现红外图像人眼的精确定位,提出了一种新的定位红外图像人眼的方法。在已知的一幅红外人脸图像中,通过投影得到人脸区域,根据眉眼区域的梯度变化比较激烈的特点,来得到人眼的大致区域,最后,利用红外图像人眼瞳孔与眼球之间的灰度存在很大差异的特性,采用Robert边缘检测求梯度最大值的方法,精确地定位出人眼。实验证明,该方法对红外图像的人眼定位效果很好,精确度很高。     

单人图象中人眼的快速定位

人眼的识别是计算机人脸识别和智能监控中的重要部分。本文提出了一种基于灰度投影曲线和边缘检测进行人眼定位的新算法。首先利用原图的垂直灰度投影曲线确定人脸的左右边界,之后利用人脸区域的水平灰度投影确定头顶至鼻中部的上下边界,然后利用人脸比例模型估计人眼的大概位置,分析人眼区域的边缘图象,给出人眼的确切位置。。实现表明,该算法简单、快速,鲁棒性强。     

基于边缘自适应小波变换的低比特率图像压缩算法

常规的小波压缩算法在低比特率情况下将不可避免地在图像强边缘附近产生振铃效应。为此提出了一种基于边缘自适应小波变换的低比特率图像压缩算法。在编码端，先检测出图像的强边缘并将其作为附加信息进行编码；然后，利用强边缘信息将图像沿行列方向分割成一些独立的数据段分别进行小波变换；最后，利用EBCOT算法对得到的小波系数进行编码。特别地，从图像的成像机理出发，提出了一种克服分段数据边界效应的新方法。实验结果表明，这种边缘自适应小波变换即使在比特率极低的情况下也可以保持图像轮廓的清晰，强边缘附近的振铃效应也得到有效的抑制。由于附加信息的存在，压缩图像的PSNR值相比于常规方法通常会有所降低，但图像的主观视觉质量却有明显的提高。     

基于模糊聚类分析的自适应图像空间域水印技术

结合人眼的视觉感知特性与图像的局部相关特性，提出了一种基于模糊聚类分析的自适应图像空间域水印嵌入算法．该算法首先根据人眼视觉系统(HVS)的感知特性，结合模糊c-均值(FCM)聚类分析，自适应确定出数字水印嵌入位置；然后利用图像自身的局部相关性，通过修改像素值，将二值水印图像降维置乱后自适应嵌入到宿主图像内，并且具有水印嵌入深度智能调节特性．该算法在提取水印信息时，不需要原始载体图像．实验结果表明：该自适应空间域图像水印嵌入技术不仅具有较好的透明性，而且对诸如叠加噪声、JPEG压缩、平滑滤波、几何剪切、图像增强、马赛克效果等攻击均具有较好的鲁棒性．     

映射相关边概念的多边形内外点判别算法

提出映射相关边、密切边的概念，将点在多边形内外的判别转化为点与密切边关系的判别．通过X方向的一次映射快速求取判别点的相关边，对相关边的二次映射可得到判别点的密切边．证明了根据密切边的矢量方向就可以判别点在多边形内外．在运算效率上对射线法进行改进，当多边形的边数较多时，更能体现文中算法优越性．     

再论映射相关边概念的多边形内外点判别算法

证明了文献[1](张宁宁,张树有,谭建荣.映射相关边概念的多边形内外点判别算法.计算机辅助设计与图形学学报, 2004, 16(7): 935-938)中密切边(定义3)是不正确的.在此基础上重新定义了密切边的概念,改进了文献[1]的算法,并增加了检测点在特殊位置时的判定,增强了算法的稳定性和可靠性.     

一种新颖鲁棒的嘴唇轮廓提取方法

嘴唇是人脸特征的重要组成部分,在音视频识别、认证、嘴唇同步、人脸识别等方面都很重要.但因嘴唇与肤色间对比度差,使嘴唇分割十分困难.根据在RGB颜色空间中,红色分量与绿色分量间的差异在嘴唇处较人脸其他肤色处明显,利用伪色调,结合YIQ彩色空间中Q分量在嘴唇处较稳定这一特点,首先确定出嘴唇上下边界.利用人眼与其他肤色存在明显差异,确定嘴唇的左右边界.然后对嘴唇区域进行形态操作、边缘提取等以得到完整的嘴唇轮廓.通过对大量不同肤色的人脸图像的嘴唇轮廓提取,证实了该方法的有效性和鲁棒性.     

灰度分布特征的虹膜定位算法研究

为克服浓密睫毛、眼睑等噪声对虹膜定位算法的影响,提出一种有效的去扰虹膜定位算法。对于虹膜的内边缘,在二值化分离瞳孔区域的基础上,利用形态学中的开运算消除噪声,并用灰度投影法定位瞳孔的圆心、半径。而对于虹膜的外边缘,则采用形态学中的闭运算去除虹膜区丰富的纹理,并设计了一个边缘检测模板,在小范围内搜索虹膜外边界的上下左右4个边界点进而确定虹膜的圆心、半径。对比的仿真实验表明：该算法不仅在计算精度和速度上都有很大提高,而且具有较好的鲁棒性。     

唇色与肤色差异性的唇部检测算法的研究

根据黄色人种和白色人种的肤色和唇色在R、G、B色度分量上分布的差异,提出了一种改进式的唇部检测方法。该方法根据色度差异的特性确定阈值,利用投影算法分割出嘴唇所在的矩形区域,结合边缘检测和动态阈值的方法提取出嘴唇。与红色排除法相比,结果表明,该算法简单、快捷,对肤色深浅不同、光照不均匀及头部有一定的偏转等情况,该算法检测的准确性都有一定的提高和改进。     

一种新的基于纹理边缘检测的虹膜定位算法

针对虹膜边缘图像提取的主流方法,提出了一种跳过虹膜外边界检测的直接提取虹膜图象的新方法。首先,根据人眼图像的整体灰度分布特征,用灰度投影的方法进行阈值分割,定位出瞳孔,然后对虹膜边缘进行增强操作并提取边缘信息得到边缘图象,最后以过瞳孔圆心水平直线像素的扫描确定一估计虹膜纹理所在之半径,并以此半径向外搜索分析半环上的像素点直到得到精确的虹膜纹理区外边界止。实验结果表明,该方法整体上提高了虹膜提取及后续的识别速度,并且具有较好的定位效果。     

人脸识别系统中的特征提取

人脸识别是模式识别和机器视觉领域中的一个重要课题,其中,特征提取是人脸识别中的一个重要部分。本文利用边缘检测、积分投影及模板匹配等相结合的方法,比较准确的获得了人脸各个特征部位的数据。     

基于数学形态学的集装箱箱号分割改进算法

提出了基于数学形态学和直方图投影的集装箱箱号分割改进算法。在箱号定位阶段,运用基于边缘检测和数学形态学的改进算法,能自适应确定形态学结构元素的大小,将箱号区域连通成一个区域,并能解决集装箱文字纵向排列的问题。字符分割阶段用数学形态学方法消除干扰边缘和噪声,通过投影直方图法完成行与列分割。实验表明,该算法简单可行,只需较少的集装箱先验信息,并且整箱分割正确率达到93.33%,证明了算法的有效性。