图像二值化方法对比分析

图像二值化使图像中有用信息和无效信息的对比度达到最大,以突出主题,方便边界提取等处理。图像二值化的方法不同,结果也不同。使用MATLAB和Photoshop分别对同一图像进行二值化,并对结果进行对比分析,选取最优结果。     

基于卷积神经网络的非织造材料三维点云重建

针对传统的从聚焦点获取深度重建非织造材料三维点云模型带来的背景噪声问题,提出了一种用于检测图像中聚焦点的卷积神经网络IPDNet.试验对比分析表明,该网络能够较好地剔除图像背景的噪声点,在重建非织造材料三维点云模型中具有良好的效果.     

基于VB与Matlab混合编程的数字化人体模型

应用Vitus三维人体激光扫描仪,成功提取了真实人体的三维数据.并对STL格式的人体数据进行了分析,对原有的三角网格进行了压缩处理,完成了三维人体的数据处理,同时采用ActiveX技术,利用VB与Matlab混合编程,构造了三维人体数字化模型.     

基于数学形态学滤波的储粮害虫图像二值分割研究

阐述了储粮害虫二值图像分割技术在图像识别中的重要性,提出一种基于数学形态学的改进二值图像分割方法.该方法不仅可以将储粮害虫从背景中分割出来,而且很好地保留了害虫各个部分的边缘细节特征.该方法计算量较小,简便实用,将其应用于储粮害虫图像的边缘检测,能够清晰、连续地检测到储粮害虫图像的有效边缘信息.     

PCNN在指纹图像二值化中的应用

给出了使用脉冲耦合神经网络（PCNN）来实现指纹灰度图像的二值化处理方法：根据指纹图像的特点,用神经元邻近区域的最大值、均值和标准差来确定神经网络的参数.对无阴影指纹图像和有阴影的指纹图像进行了试验研究,并与传统方法相比较,结果表明该方法效果良好.     

基于颜色值的面料图像检索系统

纺织面料的种类越来越多,为了有效管理和使用面料,建立面料图像检索系统成为必然.文章提出了面料图像中的主要颜色数及颜色值的提取方法,并使用HSV量化方法对提取出的颜色值进行量化,然后存储进数据库中.提出了以颜色RGB值为检索条件,基于面料颜色值进行面料图像检索的方法,并实现了基于颜色值检索方法的面料图像检索原型系统.通过对面料图像检索原型系统进行实验,证实了基于颜色值的检索方法的有效性.     

基于学习功能的人体模型表达与实现

针对复杂结构的人体重建问题,提出了一个基于学习功能的人体模型的表达方法,人体线性模型采用校正人体形状的网格顶点算法。根据标准的人体网格创建方法,人体模型的形状由向量代表的平均模板形成,通过学习不同人体形状的回归矩阵,对人体线性模型进行分割和深度估计,隐式地建立人体模型的空间关系,估计人体线性模型中的关节位置,使人体模型的躯干表达更加自然并且清晰。结果表明,基于学习功能的人体模型的表达算法可靠,模型输出结果较为准确,该模型能实现高效的人体模型重构与优化,为人体模型的有效表达提供技术依据和理论参考。     

基于图像二值化和特征的车牌定位

汽车牌照的自动定位是智能交通系统中的重要组成环节之一,是实现车牌识别(LPR)系统的一项关键技术。针对不同背景和光照条件下的车辆图像,提出了对牌照图像二值化的初定位,得到车牌的候选区域,然后利用车牌的特征进行二次定位,得到车牌区域,实验表明该方法结果良好。     

基于三维小波变换的图像融合

比较了目前常用的各种二维图像融合算法 ,并就其中最理想的基于小波变换的图像融合算法利用可分离多分辨分析方法给出三维形式 ,为纺织领域各种适应特殊应用要求的三维图像融合算法的研究提供了一个好的框架。     

基于关键点保留的大米二值图像细化算法

传统的图像边缘检测算子一般都只能得到多像素宽度的边缘,这为后续的图像处理带来了一定困难。对大米二值图像的细化的程度直接影响颗粒特征的提取以及颗粒的识别,这也是开发大米检测系统软件部分又一个关键的课题。结合边缘走向趋势的估计技术以及对关键点判断的方法,提出一种新型的边缘细化算法—保持关键点的边缘细化算法。实验证明该算法能在保持边缘原有信息(连通和走向)的前提下,以较小的计算开销,满足物体骨架单像素宽为1的细化要求,实用性比较强。     

融合高光谱和图像深度特征的腊肉分类与检索算法研究

本文以腊肉为实验对象,建立一种融合光谱曲线特征和图像特征的肉类食品分类与检索方法,利用10个3×3的卷积层、3个5×5的卷积层、5个5×5的池化层和2个全连层的CNN模型对高光谱图像进行特征提取,并以交叉熵作为优化目标,同时利用多元散射校正和主成分分析方法(Principal Component Analysis,PCA)对光谱特征进行预处理和特征提取,然后将两种特征进行融合,并将融合特征利用支持向量机(Support Vector Machine,SVM)进行分类。结果表明,直接使用CNN训练好的模型对高光谱图像进行特征提取,利用SVM作为分类器,分类的准确率只有75.6%,融合光谱曲线特征后用SVM进行分类,准确率可达99.2%。此外,本文还计算了被检索样本和标准等级样本特征向量的欧氏距离,完成了腊肉新鲜度等级的检索任务,显示了该方法的可行性和有效性。     

基于空洞卷积神经网络的艺术图像风格重建算法

针对普通卷积神经网络提取图像特征能力表现欠佳的问题,提出一种利用空洞卷积神经网络对艺术图像和照片做融合重建的算法。通过设计不同融合程度的损失函数实现对艺术图像纹理信息和照片中内容表现的特征提取,利用随机梯度下降算法对整体的损失函数做迭代改进,实现艺术图像风格和内容的融合重建。实验结果表明,文中方法相比于使用普通卷积神经网络融合特征的方法具有更高的可靠性和更优秀的表现。     

基于ICT图像的三维重构技术

通过ICT图像切割、断层中间图像插值和目标图像边界轮廓提取获得ICT切片图像,进而利用Matlab体绘制的方法对ICT断层图像进行三维重构,实验结果令人满意.     

基于PCA-1DCNN的近红外光谱粮食作物主要成分检测方法

针对传统的近红外光谱定量技术难以选择合适的光谱预处理方法且模型预测精度低的问题,以3个谷物数据集的近红外光谱数据集为研究对象,构建了基于主成分分析光谱筛选算法的一维卷积神经网络模型。与传统的偏最小二乘回归和支持向量机模型的性能做了对比后,一维卷积神经网络构建的模型性能均为最优。其中在对玉米数据集的水分、油脂、蛋白质、淀粉的定量建模中,模型的决定系数分别为99.09%、98.15%、98.89%、99.60%;在对grain数据集的定量建模中,四种成分模型的决定系数分别为100%、100%、100%、99.99%;在对小麦数据集的定量建模中,小麦蛋白质模型的决定系数为99.80%。为了验证主成分分析光谱筛选算法对粮食作物主要成分定量回归模型的有效性,在3个光谱数据集上去除了主成分分析算法进行消融实验。研究结果表明：基于主成分分析算法与一维卷积神经网络的回归建模方法为粮食作物成分含量的检测提供一种快速无损精确的判定方式,研究结果对于粮食作物成分的含量检测具有促进作用。     

基于高光谱图像技术的油炸薯片中羧甲基赖氨酸含量检测

为探究羧甲基赖氨酸[N^ε-(1-carboxymethyl)-L-lysine,CML]含量的快速无损检测方法,该文采用高光谱图像技术对8种自制油炸薯片进行检测研究,提取每个高光谱图像的平均光谱值作为特征参量,同时结合液相色谱-质谱法测定CML含量,探寻预测其含量最适宜的光谱预处理和建模方法。首先将高光谱图像进行黑白校正,再选用标准正态变量变换光谱预处理方法,以消除固体颗粒、散射以及光程变化对光谱的影响。然后筛选出第200个到1 000个波段图像的平均光谱反射值,建立主成分回归、偏最小二乘回归和BP神经网络3种预测模型。对比结果表明：BP神经网络可以预测油炸薯片中CML含量,预测正确率为99.67%,决定系数为0.99,均方根误差为0.22。同时,为验证模型的稳健性,随机选取5组训练集和预测集代入相同参数的模型进行预测。结果显示：预测正确率平均值为96.23%,决定系数平均值为0.99,均方根误差平均值为0.22。这说明高光谱图像技术结合BP神经网络快速预测油炸薯片中CML含量具有可行性。     

基于MRF的多图像数据三维重构方法研究

科技发展使图像变得越来越复杂,传统的方法已经不能满足人们目前图像重构提出的要求。本文基于MRF的多图像数据对三维重构方法进行研究,分别介绍了重构原理,重构过程,通过实验验证了重构方法的有效性。根据分析可以发现给出的方法能够有效实现图像的三维重建,而且重建过程不容易受到外界环境干扰,具有很高的发展前景。     

基于肤色模型的三维人脸重建

针对三维人脸重建时侧面角度的纹理缺失问题,提出了一种基于肤色模型的三维人脸重建方法.该方法利用改进的ASM方法自动提取特征点,通过平面投影和线性组合获取照片对应的深度三维几何信息,将TPS算法变形得到特定三维人脸模型;将RGB空间与YUV空间和YIQ空间进行转换以判定肤色点,通过Gamma矫正侧面角度特征点使其有效落在肤色区域内;最后依据矫正后的肤色点进行纹理映射.实验证明,该方法只用单幅非绝对正面照片即可实现较高真实感的三维人脸重建,并可有效改善侧面纹理缺失的情况.     

基于循环卷积神经网络的图像去模糊算法

为有效地提升图像去模糊的效果,文章提出一种基于深度循环卷积网络的图像去模糊算法。该算法由多层循环卷积单元构成,深层次的循环网络可以有效地提升网络性能。同时,在网络训练环节,采用跳跃连接的方法降低训练难度。为了评估算法的性能,将提出的网络在Gopro数据集上进行训练及测试。实验结果表明,提出的这种基于循环卷积网络的去模糊算法具有较好的复原能力,且能够获得更高的峰值信噪比(PSNR)和结构相似度(SSIM)。     

一种基于ROAV值鉴别蟹类关键特征性风味物的方法

蟹一直都是人们喜食的水产品之一。近十几年来,国内外许多专家学者都致力于对蟹类营养成分的研究,而对其挥发性风味物质研究较少,且研究时缺乏比较及统一性的归纳、整理。本文搜集了近20篇研究各种淡、海水蟹挥发性成分的外文文献,计算其ROAV值后采用主成分分析等方法对蟹风味物质进行数理统计分析,获得了表征各种蟹类风味的可能关键特征性风味物质,期望可以为将来破解蟹\