一种基于形态学的路径特征提取算法

在对原始路径图像进行最优化阈值分割后，使用数学形态学中的开运算对分割图像进行边缘提取．使用腐蚀膨胀、择多黑色算子等形态学运算进行边缘的细线化处理，从而在多路径环境中有效地提取了路径特征。并与Sobel算子、拉普拉斯算子、Prewitt算子等传统方法进行了比较，验证基于形态学的方法具有很好的抗噪性。     

一种基于形态学的路径特征提取算法

在对原始路径图像进行最优化阈值分割后,使用数学形态学中的开运算对分割图像进行边缘提取,使用腐蚀膨胀、择多黑色算子等形态学运算进行边缘的细线化处理,从而在多路径环境中有效地提取了路径特征。并与Sobel算子、拉普拉斯算子、Prewitt算子等传统方法进行了比较,验证基于形态学的方法具有很好的抗噪性。     

一种改进的复杂背景下视频车辆检测技术

视频运动目标检测是数字视频处理、分析应用的一个重要领域,其目的是把作为一个整体的视频图像序列,通过一定的方法挖掘出具有意义的运动实体数据。该文对传统阈值法的缺陷进行分析,采用改进的二维阈值结合遗传的方法提高求解寻优的速度和效率,并通过帧差结合背景补偿的方式,提出一种适合于在复杂背景环境下实时检测运动车辆的新方法。实验结果表明,该方法有较强的环境适应能力,能够很好地检测出运动车辆。     

复杂背景下圆形物体分割算法

对如何从复杂的工业图像中准确提取圆形目标进行了研究。阐述了传统分割方法应用于复杂图像中提取圆形目标的局限性,提出了基于双阈值结合数学形态学运算的分割算法。首先分别根据两个阈值进行分割得到两幅二值图像,然后根据目标是圆形以及其大致位置等先验知识分别对两幅图进行腐蚀,开启,闭合等数学形态学运算,将高阈值分割得到的图像中的边界信息叠加到低阈值分割得到的图像中,实现对复杂背景图像中圆形物体的准确分割与提取,解决了复杂背景图像中物体识别率低的问题。实验结果表明本方法对复杂背景的图像预处理是有效的。     

复杂背景中一种特定运动目标检测与跟踪方法

针对复杂环境对运动目标检测与跟踪产生的不利影响,提出一种自适应运动能量阈值结合精简彩色SIFT描述子的特定运动目标检测与跟踪方法。运用自适应运动能量阈值方法自动滤除复杂环境干扰以完成运动目标检测,由此形成目标匹配搜索域,并给出经主成份分析及精简后的彩色SIFT描述子( PCA-CSIFT )进行目标匹配,从而实现特定运动目标的连续跟踪。实验结果表明,在复杂环境下,运动目标检测方法对目标总量变化不敏感,错误率始终稳定在6.5%~34%之间。 PCA-CSIFT算法在保持高可区分性的同时错误匹配率为25.33%~28%,平均每帧处理时间不超过0.26 s,具有较好的鲁棒性与实时性。     

基于属性开运算的汽车牌照区域定位算法

现有的复杂背景下汽车牌照定位算法,大都是基于牌照水平或者近似水平的前提,如何处理倾斜情况下牌照定位是一个尚待解决的问题。本文提出了一种基于属性开运算的汽车牌照定位算法,其处理结果与牌照的倾斜角度无关,并成功地应用于交通监控系统中     

一种复杂背景下的目标提取算法

针对目标与背景颜色接近,普通阈值处理算法不能有效实现图像分割的情况,提出了一种基于阈值处理的目标提取算法.首先对图像进行阈值处理得到目标,然后针对剩余像素进行二次阈值处理,最后第三次阈值处理在两次阈值处理后得到的目标总和中去掉被误提取的背景,得到了较好的分割效果.     

一种复杂海面背景下的红外舰船目标检测方法

针对传统目标检测方法只能应用在缓慢变化背景中的不足,文章从分析背景与目标的不同成像特性入手,提出了一种复杂海面背景下的红外舰船目标检测方法.该方法利用成像目标与背景的不同梯度特性,构造多向梯度检测函数来区分目标与背景,并对多向梯度算法执行结果利用灰度形态学滤波来进行背景泄漏噪声抑制.利用实际拍摄的红外图像对该算法进行了实验并与传统分法进行了比较,结果表明利用该方法能有效地检测出高起伏海面背景下的舰船目标.     

复杂背景下的阈值插值方法

图像分割是进行图像处理的关键步骤。目前很多图像分割的技术都需要人工干预,而且是针对单纯的图像背景才能达到目标。为了解决有复杂背景的图像的分割问题,采用自适应阈值(阈值插值)的方法,并对其加以改进,用迭代阈值判断子图像的直方图是否是双峰分布,同时确定直方图有双峰的子图像的阈值;用双线性插值的方法确定直方图非双峰分布的予图像的阈值,使这种算法在实际中可行。实验证明这种方法适用于复杂背景的图像分割,且通用性比较好。     

一种复杂背景下的车牌快速定位算法

针对复杂环境下的车牌定位问题,提出一种基于提升小波与形态学相结合的快速定位方法。该方法首先对车辆图像进行预处理,包括图像灰度化,利用新的提升小波算法进行边缘检测以及二值化,然后对图像进行腐蚀、膨胀等一系列形态学处理,得到一些规则的连通区域,其次删除小连通区域,合并邻近区域,得到车牌的候选区域,最后采用可信度评价来度量候选区和车牌区的相似度确定车牌位置,最终实现车牌的快速定位。计算机仿真结果表明,对于背景复杂的车辆图像,该方法运行速度快,车牌定位准确率高。     

复杂背景下彩色图像车牌提取与字符分割技术

车牌图像分割是车辆牌照自动识别系统的关键部分，本文提出和提取了车牌标准模式的多种重要特征，综合利用数学形态学运算、连通域形状测量和彩色图像分析，有效地解决了复杂背景下提取车牌的问题，并实现了牌照的倾斜校正和边框线与铆钉去除，最后分离出牌照的各个字符、实验表明该技术方案在实时性，鲁棒性和正确率都达到实用技术指标。     

复杂背景彩色图像中的人脸分割技术

主要介绍了如何在含有复杂背景的彩色图像中进行人脸分割的技术。首先根据人的肤色在色度空间的聚类特性,寻找合适的色彩空间建立肤色模型。计算图像中所有像素的颜色与肤色的相似度值,并将其转换成0到255之间的灰度值,以得到图像的相似度灰度图,接着通过大津阈值分割进一步得到二值图,将人脸肤色区域与背景分离,从而定位了人脸区域。最后,利用人脸的结构特征,进一步缩小人脸区域范围,最终找到包含人脸主要特征部位(眼睛、鼻子、嘴巴)的人脸区域。     

一种新的人民币号码图像分割方法

针对人民币号码图像前景与背景分离问题,在对现有的几种分割方法进行分析实验的基础上,提出了一种新的人民币号码分割方法,即基于形态学处理的直方图阈值分割人民币号码图像的方法,对目标和背景混杂在一起,阈值选取困难的图像,先进行形态学变换,处理后的直方图阈值就很好选取了.实验结果表明,该方法的错误分割率明显低于普通的直方图阈值...     

基于内容的图象检索系统的设计与实现

依据当前对图象查询的要求,本文设计了一套完整的基于内容的图象信息检索系统,该系统较以往的各种系统,功能更加全面。对基于内容的图象信息检索算法作了研究．重点阐述了对颜色、边缘、纹理等全局特征的提取与匹配算法。实验结果表明,该系统能有效、快速地检索大规模的图象数据库,具有一定的应用价值。     

一种高分辨率遥感图像中居民区道路提取方法

针对在遥感图像中提取居民区道路易受房屋等人工建筑干扰的问题,基于数学形态学提出了一种可以去除大量建筑物干扰,从而有效提取出居民区道路的算法.算法首先用顶帽变换和底帽变换对灰度图像进行了对比度争强,然后利用道路和建筑物之间的形态梯度以及道路特征对道路和建筑物进行分离,最后利用形态重建的方法得到了居民区道路网.仿真实验表明,区域中的大部分建筑物噪声被成功去除,算法是有效和可行的.     

基于Multi-Path RefineNet的多特征高分辨率SAR图像道路提取算法

为解决现有高分辨率SAR图像道路提取算法自动化较差、普适性不高的问题,提出了一种基于多路径优化网络的多特征提取算法。首先,对SAR图像进行Gabor变换及灰度梯度共生矩阵变换,获取丰富的道路特征信息,联结级联优化网络和残差网络形成多路径优化网络;然后,对SAR原图、获取的低级特征图和标签图进行训练,充分利用每层网络提取的道路特征获取初始分割的道路结果;最后,利用数学形态学运算连接初始道路断裂处并去除虚警。利用所提算法对不同分辨率的SAR图像进行道路提取,实验结果表明,该算法在提取SAR图像道路方面适用范围广且道路提取效果佳。     

基于灰度形态学的高原鼠兔图像边缘检测

传统高原鼠兔图像边缘检测方法存在对噪声敏感、大量边缘细节被过滤、检测的边缘不连续、模糊等问题。为此,将基于数学形态学的边缘检测方法应用到高原鼠兔图像的边缘检测中。利用数学形态学的腐蚀和膨胀算法,构造适合高原鼠兔图像几何性质的结构元素,对图像进行检测。实验结果表明,该方法具有较好的边缘检测效果。     

基于阈值分割的影像建筑物角点提取算法优化研究

对Moravec和SUSAN这两种经典的特征提取算法进行了深入研究,以Matlab软件为实验平台,验证了它们的可行性。通过对实验结果的比较,分析了Moravec算子中运用"抑制局部非最大"思想的优势、局限性和适用性;在SUSAN算子中通过考虑提取过程中的误差影响因素,为算法中几何阈值和灰度阈值的确定和模板选择提供了依据,对其影响范围进行了定量分析。指出在两种算法实现过程中,Moravec算子由于对如何确定判断窗口的大小不能给出可靠的依据,加之缺少对影像的先验知识,无法了解研究区域角点分布状况。因此,仅仅用这种方法很难获得完全准确的角点特征;对于SUSAN算子,根据分析结果对几何阈值加设一个下限d,在很大程度上排除了孤立噪声点的干扰;并运用"重心距离法",即通过判定SUSAN重心与核心点连线上的像素点的边缘初始值的相近条件,消除了虚假的角点,从而实现了对算法的优化。