基于多尺度小波纹理分析的边缘检测

本文研究了第二代小波在边缘检测中的方法。基于多尺度小波纹理分析的边缘检测,有效地弥补了传统边缘检测算法的不足,在有效地抑制噪声影响的同时,提高了其边缘定位精度,并通过实例得以证明。     

基于小波提升的变模板视频多尺度目标识别*

为了快速有效地解决图像序列中移动目标的识别定位,提出了一种基于互相关的目标检测算法。该算法经小波提升建立低分辨率子图,通过快速的互相关检测,在高分辨率原图中建立紧凑ROI。为了适应运动目标变形,整个检测过程以互相关运算极大值为依据,更新目标模板。实验结果表明,在满足检测速度的同时,算法对目标的识别有较高的精度与鲁棒性。     

用于多目标检测与识别的视觉系统研究

本文以人机博弈系统作为实验手段，复普通廉价的摄像机实现了视觉的检测，着重讨论了目标物体的分割与畜产品     

基于Hausdorff距离的手势识别

随着先进人机交互技术的提出及发展，手势识别正成为其中一项关键技术，基于视觉的手势识别是当前涉及图象处理，模式识别，计算机视觉等领域的一个比较活跃的课题，由于Hausdorff距离模板匹配的方法具有计算量小，适应性强的特点，因此基于Hausdorff距离，建立了一个手势识别系统，该系统采用边缘特征像素点作为识别特征，并首次利用Hausdorff距离模板匹配的思想，在距离变换空间内，实现了中国手指字母集上的基于单目视觉的30个手指字母的手势识别，为提高系统的鲁棒性，还提出了修正的Hausdorff距离形式，测试集上的平均识别率为96．7％，实验结果表明，基于Hausdorff距离的模板匹配方法用于基于听觉的静态手势识别是可行的。     

基于模板聚类与综合的多模板快速定位算法

针对在一幅图像中定位多个模板的所有实例的情形，提出了一种基于多模板聚类和综合的快速目标定位方法。该方法首先使用带反馈的分级聚类算法对多模板进行聚类，并对每类模板用建立的数学模型综合出一个母板；然后，应用每类的母板在平移空间内搜索和匹配，且只在与母板相匹配的那些位置上才引导类内各子模板在该位置的匹配运算，最后用该算法对边缘图像进行了聚类、综合和匹配实验。实验结果表明，该算法在集成电路显微图像的多模板定位中是非常有效的。     

基于非局部融合的多尺度目标检测研究

针对现有的多尺度目标检测模型在面对尺度变换和遮挡场景时所使用的融合方法融合不充分,且没有捕捉长距离依赖关系的问题,本文设计了通道融合增强模块和非局部特征交互模块,用于学习不同通道特征之间的相关性和捕捉特征图之间的长距离依赖关系。此外,针对当前检测架构都是基于单金字塔检测结构,存在信息丢失的情况,设计了双金字塔结构,并将提出的融合方法与双金字塔结构结合,在保留原始特征信息的基础上,补充融合后的特征信息。实验结果表明,提出的方法在公共数据集KITTI与PASCAL VOC上与其他先进工作相比具有更高的检测精度,证明了该方法在目标检测任务中的有效性。     

基于多尺度模板匹配和神经网络的车牌识别

针对现有车牌字符分割算法和识别问题的分析,本文采用一种多尺度模板匹配的车牌字符分割算法;并在此分割基础上采用小波神经网络算法识别车牌字符。实验表明该分割与识别方法的结合实现了切分准确、鲁棒性强、去伪性好和快速准确识别的高效性。     

一种文档图像多尺度分割算法

1.研究背景随着数字图书馆和电子办公应用的日益普及,面对大量纸质原始文件及资料的数字化,直接扫描、存储和传输文档的需求越来越多,为了解决扫描文档图像庞大信息量和存储容量、传输带宽之间的矛盾,迫切需要专门针对文档图像研究新的高性能压缩算法。根据扫描文挡页面的内容特征,提高压缩比最有挖掘潜力的方法是对文档图像进行图文分割后再分别     

图像多尺度边缘检测算法研究

通过检测二维小波变换的模极大值线可以确定图像的边缘点.由于小波变换在各尺度上都提供了图像的边缘信息,所以称为多尺度边缘检测.沿着边界方向将任意尺度下的边缘连接起来,可形成该尺度下沿着边界的模极大线.小波变换能够把图像分解成多种尺度成分,并对大小不同的尺度成分采用相应的时域或空域取样步长,从而能够不断地聚焦到对象的任意微小细节.小波变换具有的多尺度特性,正好可以用于图像的边缘检测.     

基于提升小波变换和独立分量分析的运动目标检测

独立分量分析是一种新颖的盲源分离技术,可以有效分离信号中相互独立的源信号。为了提高独立分量分解的精度和收敛速度,提出了一种将提升小波变换和独立分量分析相结合的运动目标检测方法。仿真实验结果表明,此方法能够较好地检测出运动目标并且与一般的独立分量分析方法相比,减少了运行时间,具有更好的收敛性,是一种有效的运动目标检测方法。     

基于三维可变形模板的眼睛特征提取

眼睛特征提取在人脸感知的各种应用中有着非常重要的作用，为了解决人脸垂直旋转角度比较大时，眼睛特征提取的问题，提出了一种新的基于三维可变形模板的眼睛特征提取方法，此方法采用了两个新提出的技术，一个是人脸姿态估计策略用于估测人脸的垂直旋转方向，另一个就是三维可变形模板匹配技术用于具体提取眼睛的精确特征，实验表明该方法能够适应人脸图像垂直旋转角度的变化，获得很好的特征提取结果。     

基于区域一致性测试的多尺度边缘检测方法

在多尺度边缘检测方法中,滤波器的滤波尺度的选取非常重要,该文提出了区域一 致性测度的概念以度量当前像素点所处的区域是平滑区还是边缘区,并以此测度来自适应调 整滤波尺度.实验结果和分析表明,这种方法可以得到令人满意的结果,同时具有较好的抗噪 能力.     

基于变形模板和遗传算法的道路检测方法

道路检测是智能车辆研究的重要内容.道路检测往往受到阴影遮挡、噪声、道路边界或标志线不连续等影响,这些问题导致传统的道路检测算法鲁棒性较差.针对此类问题,本文提出了一种基于变形模板的道路检测方法.首先,对道路边界或标志线进行边缘提取,然后构造了参数可变的道路模型及其同道路边缘轮廓之间的似然函数,最后通过遗传算法搜寻该函数的全局最大值,从而获得参数可变道路模型的最佳参数.仿真实验表明,本文提出的算法对阴影遮挡、噪声、道路边界或标志线不连续等问题均有较好的检测效果.     

一个新的变形模板匹配方法

在基于内容的图像信息查询与模式识别等方面,变形模板匹配都是一个十分有效的方法。本文对模板匹配方法中的模板结构,能量公式,形变公式等方面进行了研究。以生物体为原型,提出了更为合理的模板结构;简化了模板的内能表达式及能量梯度的求法;提出了平面形状拟相似的概念,使模板形变具有较好的心理学上的基础。最后给出了用变形模板匹配实现基于形状的图象信息查询的例子。     

一种基于背景模型的运动目标检测与跟踪算法

本文提出了一种静止摄像机条件下的运动目标检测与跟踪算法．它以一种改进的自适应混合 高斯模型为背景更新方法，用连通区检测算法分割出前景目标，以Kalman滤波为运动模型实 现对运动目标的连续跟踪．在目标跟踪时，该算法针对目标遮挡引起的各种可能情况进行了 分析，引入了对运动目标的可靠性度量，增强了目标跟踪的稳定性和可靠性．在对多个室外 视频序列的实验中，该算法显示了良好的性能，说明它对于各种外部因素的影响，如光照变 化、阴影、目标遮挡等，具有很强的适应能力．     

基于Surendra背景减除法和四帧差分法的目标检测算法

研究监控环境下的运动目标检测算法,提出一种新的运动目标检测算法。利用四帧差分算法将连续四帧两两差分得到运动区域,与Surendra背景减除法确定的运动目标相结合,采用动态阈值以适应光线突变,通过连通性检测和孔洞填充进行后处理,综合得到运动区域图像。实验结果表明,该算法有效地去除了噪声、空洞及双影等现象,具有较好的实时性和鲁棒性。既能精确地检测出运动目标,又能迅速响应实际场景的变化。     

基于点集不变性匹配的目标检测与识别方法

许多图像目标都可以用其上有代表性的一些点（如角点或边缘上的点）及其相互关系作为特征进行描述,通过模板点集和目标点集之间的匹配可以达到识别的目的,本文提出了一种新的平面点集间的与各自的平移、旋转、尺度变化和排列次序无关的距离描述,并且这种描述在一定范围内具有唯一性,另外在此基础上,给出了一种新的目标检测与识别的算法,该算法不仅能够从较为复杂的背景中检测出经过多个平移、旋转及尺度变化的目标,而且对部分     

基于自适应模板更新的改进孪生卷积网络目标跟踪算法

现有的孪生网络目标跟踪算法采用边界框模板进行跟踪,在目标形变、遮挡等干扰下很容易导致跟踪漂移。在轮廓检测网络和孪生卷积网络(Siamese)跟踪网络的基础上,提出一种基于深度轮廓模板更新的改进孪生卷积网络目标跟踪算法。利用轮廓检测网络获取目标边缘轮廓,降低背景杂波干扰;利用改进的Siamese网络获得轮廓模板和搜索区域的深度特征;通过相似性匹配获得最优跟踪目标。仿真实验结果表明,所提出的改进模型能够提高目标形变、遮挡等干扰下目标跟踪性能,具有较高的工程应用价值。     

基于天空分割的去雾算法在目标检测中的应用

针对道路目标检测的准确率受雾霾环境影响的问题,提出一种基于雾检测与天空分割的自适应去雾算法。提取道路环境中的雾检测区域并对其进行通道相关性以及亮度和饱和度比值的计算,以判别场景类别;对图像进行天空非天空区域的分割并对不同区域建立去雾模型,用于自适应去雾;将恢复后的图像应用到道路目标检测算法中,进行去雾效果验证和道路目标检测。实验结果表明,该算法提高了雾霾环境下目标检测的准确率。