基于kNN的鞋印花纹的图像分割算法应用检验

图像分割是一种基本的计算机视觉技术,通过分割有利于图像特征的提取。本文针对传统图像分割的弱点,比如语义的二义性、难以达到理想的效果等,加之图像光照不均、干扰噪声复杂等问题,提出了一种基于kNN的鞋印花纹的图像分割算法,利用kNN的分类策略,提高鞋印花纹的提取精度,从而达到理想化的分割效果。     

鞋印内部纹理的检验

LBP是一种用来描述图像局部纹理特征的算子,具有旋转不变性和灰度不变性等显著优点。本文结合鞋印内部纹理的实际,采用拓展的LBP算子实现鞋印内部纹理特征的匹配,从而实现了相似度整体偏高,差异性整体偏小的效果。     

基于灰度共生矩阵的纹理特征值提取

图像分类识别的常用方法是先提取图像特征,再进行特征值的归类。图像特征包括几何特征、形状特征、颜色特征、纹理特征等等。本系统主要针对图像的纹理特征进行提取、分析,通过研究灰度的空间相关特性来描述纹理,利用灰度共生矩阵产生的四个纹理特征值使其能有效的描述相应图片的纹理特征,最后实现具有显著纹理特性的图像的分类识别。     

全景钻孔图像中结构面全自动识别方法研究

 数字全景钻孔摄像技术在实际工程上得到了广泛的应用,获得大量的高精度实测钻孔图像。这些钻孔图像准确记录了地质特征信息,特别是结构面的几何形态特征。然而,这些特征信息的获取通常是由人工完成的,工作量大,人为因素较多。针对该问题,提出一种针对全景钻孔图像的结构面全自动识别方法。该方法首先提出用图像灰度梯度合成信号在钻孔深度方向的投影的方法来划分结构面所在区域及其产状范围;然后提出用标准模板正弦函数迭代匹配结构面特征量的方法来搜寻区域内结构面的所有可能正弦曲线,并从中筛选出最优的正弦曲线作为结构面的特征曲线;最后结合区域划分和模板函数匹配的结果,分析特征曲线参数,并进行再匹配和转换,最终得到工程所需的结构面位置、倾向、倾角和隙宽等参数,从而实现钻孔图像结构面的全自动识别。结果表明该方法能够连续快速地全自动识别整个钻孔图像内的结构面,并获得对应的高精度几何参数,算法稳定可靠、结构面识别率高。与传统方法相比,该方法首次实现了整个钻孔图像中结构面的全自动识别与几何参数提取,极大地提高了工作效率,为钻孔图像的后期处理与信息获取提供一种实际可行的有效方法。     

盐渍土自动分类方法研究

盐渍土在Landsat ETM+多光谱图像上表现出复杂的图像特征,为实现其自动分类,组合使用了光谱、几何形状和纹理特征等多种特征.首先采用传统的光谱和几何形状特征分析分割出大部分非盐渍土地物,然后提出了一种用于多光谱纹理分析的ICA多尺度纹理算子,对分割后的图像进行纹理区域分块,最后在每块区域中进行基于光谱特征的盐渍土聚类.试验结果表明该方法能够实现多光谱图像中盐渍土的区域分割及类别划分.     

基于数字图像分析的公路路面病害检测技术研究

公路路面存在病害是一种普遍现象,文章通过对路面病害图像的采集、分析和研究,以实现对带有噪声的图像进一步的无损检测,主要采取的处理技术包括:病害图像去噪处理、增强处理、分割处理、病害特征信息提取,从而得到路面病害的定量数据。结果显示,此方法能实现对于公路路面裂缝等病害特征的提取,具有较强的实用性。     

一种基于光谱与纹理特征的多光谱遥感图像地物分类方法

基于光谱特征对高分辨率多光谱遥感图像进行地物分类易形成噪声,提出一种光谱特征与纹理特征相结合的地物分类方法。首先基于光谱特征与纹理特征利用四叉树技术,对图像进行分块处理,以图像块的方式提取地物的光谱特征和纹理特征,然后采用支持向量机(support vector machine,SVM)对图像块进行地物分类,并通过区域增长方法对边缘区域进行处理,使得分类区域边界清晰。对Quickbird多光谱遥感图像进行实验,实验结果表明,该方法地物分类结果精度较高、区域一致性强、噪声少。     

一种改进的快速多姿态人脸特征点定位算法

针对经典的ASM算法中存在的需要手工定位人脸特征点的问题和对于多姿态人脸识别率较低、鲁棒性较差的问题,提出了一种改进的快速的多姿态人脸特征点定位方法,解决了ASM(主动形状模型)算法半自动化与多姿态人脸识别率较低的问题;首先,对采集到的多姿态人脸进行矫正,主要解决人脸图像的旋转与偏转问题;然后针对矫正后的人脸图像进行定位与局部特征建模,标定其特征区域,完成人脸的特征点定位。通过与多模板ASM方法、基于几何特征方法的对比仿真实验可以看出,该算法特征点定位速度较快,且能较大地提高ASM算法对于多姿态人脸的识别率和鲁棒性。     

基于数字图像处理的沥青路面破损检测技术

本文针对路面破损的早期形式裂缝进行分析,探讨了基于数字图像处理的裂缝目标检测技术及方法。该方法主要包括以下几个步骤：处理路面裂缝图像噪音;增强图像特征;检测裂缝边缘并进行图像分割。本文采用不同的算法实现上述过程,并对结果进行比较分析。     

在移动VR中加速修正GPU桶形失真的方法

桶形失真是由于光线的倾斜度大引起的画面呈桶形膨胀形状的失真现象,该现象直接影响了移动VR中对图像的分析理解。本文提出一种新的三维映射几何模型,通过对图像网格的预计算与近似值处理,最后在视频编解码器中进行图像对比并计算图像差值和PSNR,数据结果证明此方法很好地权衡了GPU的输出质量和速度,并修正了失真图像,从而取得更好的细节处理效果。