基于小波结构矩的图像识别算法

提出了一种基于小波结构矩的具有平移、旋转、缩放不变性的新型图像识别方法.小波结构矩是在小波矩的基础上通过改变图像函数的结构即几何矩的密度得到的.该算法结合了小波和结构矩的优点,不但实现了对图像特征的精细把握还增大了相似图像之间的距离.采用三次样条函数作为母小波,有效提取了图像的全局特征和局部特征.实验证明,小波结构矩比改进的Hu矩和结构矩具有更高的识别率,目前该算法已经成功运用到全自动金丝球焊机图像识别系统.     

一种基于边缘保护的图像降噪算法研究及软件仿真

在介绍当前主要的几种降噪算法的基础上提出了一种新的基于边缘保护的自适应中值滤波算法.并用Vi sual C 搭建一个验证平台进行算法验证.结果表明该算法既能有效的降低噪声又能很好的保护图像边缘.     

一种抑制脉冲噪声的边缘检测算法

提出了一种针对脉冲噪声图像的边缘检测算法,算法借鉴了中值滤波的思想,并采用十字型卷积模板计算图像梯度。首先,对参与图像中梯度计算的像素点进行阈值判断,如果是噪声点,该点像素值用3x3窗口中值滤波结果值替代,然后参与梯度计算,如果不是噪声点则直接参与梯度计算;其次对梯度图像进行细化和二值化以提取边缘图像。实验证明,本文算法对脉冲噪声污染图像边缘检测效果良好,较好地抑制了脉冲噪声的影响,而且提取的图像边缘较细,轮廓清晰。和传统的边缘检测算法及基于小波模变换的边缘检测算法相比,算法在抑噪能力上和边缘提取效果上均比较优秀。     

一种改进的自适应中值滤波算法研究

非线性滤波是一种有效的噪声抑制技术,得到了广泛的应用。文中针对标准中值滤波方法存在的不足,提出自适应中值滤波方法。该方法采用一定的检测标准对图像中的噪声点进行检测,并采用改进的中值滤波方法对噪声点进行滤波。实验结果表明,此方法较标准中值滤波具有更优良的滤波性能。     

基于视频的施工升降机乘客头部识别方法研究

针对目前人数统计检测主要以人工为主,存在人为因素干扰的问题,提出一种基于视频处理的升降机内人数统计方法,本文主要对系统中头部识别方面进行了研究,利用模板匹配算法寻找视频帧中与模板相近的人头位置,针对出现的两种虚警误判,分别采用运动区域检测和Hu不变矩形状匹配进行去除。实验结果表明,利用该方法能够有效的去除虚警,符合实际应用需求。     

一种对比度增强的边缘检测改进算法及FPGA实现

传统的Sobel实时图像边缘检测算法对光照条件敏感,因此在进行边缘检测时常会有虚假边缘以及遗漏边缘的现象。将采集到的实时灰度图像进行中值滤波,再进行对比度增强来调整图像灰度值,将进行对比度增强后的图像进行Sobel边缘检测并在FPGA上实现。实验结果表明,采用对比度增强改进的边缘算法检测的边缘更加准确,抑制背景噪声能力更强。     

一种简化卷积模板的抗噪型边缘检测算法

针对传统Sobel算法在边缘定位精度不高、抗噪性能差以及提取边缘较粗等不足,提出一种简化卷积模板的抗噪型边缘检测算法。算法定义了水平方向、垂直方向、45°方向和135°方向的四个简化卷积模板计算图像梯度。在计算方向梯度时,先对参与梯度计算的像素点采用阈值法进行脉冲噪声判断,将灰度值在设定阈值范围内的点视为噪声点,采用3×3窗口进行中值滤波,然后参与梯度计算,对于非噪声点,用其原值计算梯度;对获得的梯度图像进行细化处理并提取边缘图像。仿真实验表明,文中算法提取的图像边缘较细、定位精度较高,而且对脉冲噪声具有较强的抑制能力,图像整体清晰、噪声边缘较少。算法在边缘检测效果及噪声抑制能力上均优于传统的边缘检测算法及小波模变换算法。     

图像识别和边缘检测中的小波算法分析

随着我国图形识别技术的不断进步和图像处理整体水平的不断提升,小波算法在图像识别和边缘检测中得到了越来越广泛的应用。文章从阐述小波算法在图像识别中的应用入手,对小波算法在边缘检测中的应用进行了分析。     

一种新型的中值滤波改进算法

针对传统中值滤波算法难以去除图像中高密度噪声的问题,本文提出了一种新型的改进中值滤波算法。该算法在保证其灰度值不变的前提下,对图像中的信号点和噪声点进行标识后进行噪声处理。仿真实验结果表明,相比于传统中值滤波、均值滤波,该算法能在有效去除噪声的同时很好地保留图像细节,具有更佳的视觉效果。     

复合不变矩的特征提取

特征提取的目的是提取出一些精简、准确有效的数据来提高图像识别和分类的效率和准确率。在系统识别缺陷过程中,特征提取是很关键的一步,它是系统判别图片有无缺陷或分类的基础不变矩概念清晰、识别率稳定,对具有平移、旋转、尺度等变化的目标具有良好的不变性及抗干扰能力,能有效地反映图像的本质特征。在此分别采用HU不变矩、Zernike不变矩和该文提出的复合不变矩分别对塑料平板图片进行特征提取,反应出复合不变矩具有平移、尺度和旋转不变性。结果表明它能提供更全面特征信息,具有较高的抗噪能力,是行之有效的特征参数。     

改进的Canny实时边缘检测算法在FPGA上的实现

针对高斯滤波会使图像过度平滑及高低阈值选取的主观性影响传统的Canny边缘检测效果,提出一种基于改进Canny算子的边缘检测方法.该方法采用了改进的中值滤波,且依据图像的幅值梯度直方图特性得到自适应的高低阈值,再结合FPGA(现场可编程门阵列)高速并行处理数据和多级流水的特点,设计了一个基于硬件平台的实时边缘检测系统....     

一种改进的人脸检测方法

针对一种基于多模板匹配的单人脸检测方法的不足，提出了一种改进的人脸检测方法。实验表明经过改进的方法在准确性和速度上都有一定的提高。     

基于形态滤波BP算法的SAR图像识别研究

SAR图像识别是航空图像判读工作的一项重要内容。本文针对SAR图像的特点,提出了一种有实用意义的形态滤波神经网络模型及其自适应BP学习算法。通过实验结果可以看出,该算法不仅能适应复杂多样的背景环境,而且能克服在成像中的各种形变。     

基于5×5模板的红外小目标图像检测算法

针对天空背景下红外图像弱小目标的特点,提出了一种用于红外小目标检测的算法,在9个点及以上的目标中,传统图像预处理采用3×3模板达不到预期的效果,因此文中采用5×5,4×4的模板对红外图像进行中值滤波,灰度形态学等预处理,采用大规模可编程门阵列来实现,通过实测天空背景下的红外图像实验,表明了该算法能有效地检测出红外图像中的弱小目标。     

一种基于图像融合的红外图像预处理算法

在使用传统的滤波去噪方法对红外图像进行预处理时,会在削弱噪声信息的同时模糊了图像中目标和背景的边缘成分,不利于对图像信息进一步处理。针对该问题,提出基于图像融合的红外图像预处理方法,通过对同一幅退化降质的红外图像分别实施改进的中值滤波算法和改进的Sobel算子边缘提取算法,进行去噪处理和边缘提取,最后利用图像融合算法,将不同算法处理的结果图像加以合并,形成融合后图像。实验结果表明,所提出的基于图像融合的预处理方法能够滤除红外图像中大部分噪声,且很好地保留了目标和背景的细节特征,而且运算简单,便于硬件实时计算,有利于后续的目标检测与识别处理。     

一种改进的中值滤波算法的研究

去除图像中的椒盐噪声是图像处理中的一个重要问题。传统的中值滤波算法,对所有的像素点采用相同的处理,使图像的细节变得模糊,同时降低了效率。本文针对这个问题,在多级中值滤波的基础上,提出了基于噪声点检测的多级中值滤波算法。通过Matlab仿真研究表明,该算法可以有效去除图像的椒盐噪声,并能更好的保护图像细节,同时具有很高的效率。     

一种面向交通标志识别系统的图像识别算法

目前各类面向交通标志识别系统的机器算法大多存在计算复杂度高、实时性差等问题,文中基于ELM模型,加入改进的PCA方法,提出了一种面向交通标志识别系统的PCA-ELM图像识别算法。该算法依次通过HOG特征的提取、改进的PCA方法降维、ELM模型的特征训练,实现交通标志图像的识别。经过实验测试,发现该算法能够较好地兼顾识别率和计算复杂度,符合交通标志识别系统图像识别的准确性与实时性要求,具有一定的实用价值。     

一种适用于智能手机的图像识别算法

针对目前常用的图像识别算法运算复杂和内存占用量大,不能很好的应用于移动平台等问题,本文提出了一种适用于智能手机的图像识别算法：首先,通过使用BRISK特征点检测算法提取图像特征和低字节的FREAK描述符对特征进行表述,解决了特征检测时间长和特征描述符内存占用大的问题;其次,将智能手机的重力信息添加到图像特征中改善了BRISK特征的区分能力,解决了相似结构特征难以区分的问题;最后,建立描述符的多级索引,实现相似描述符的快速查找,解决了描述符匹配问题.实验结果表明,本文提出的算法能有效地运行在资源受限的智能手机上实现对场景的实时识别.     

一种中值滤波的快速算法

在信号处理中,大多数中值滤波的快速算法都是基于排序理论的.本文突破了这种约束,一方面从序列中快速寻找中值人手,对传统的快速排序求中值的算法进行了改进,它无须对数据进行排序,减少了运算量;另一方面充分利用数据相关性,考虑移入值和移出值与中值的位置关系,达到数据的快速插入与删除.实验表明,该算法应用于信号滤波处理时,能有效地降低中值滤波算法的时间复杂度,计算效率和运算速度比传统快速滤波算法更高.     

结合肤色分割与手形匹配算法的静态手势检测

着重研究了在特定环境中,如有人脸、类肤色对象以及无意义手势干扰下,通过结合自适应肤色分割模型和基于Hu矩的手形匹配的方式,实现静态手势的分割。由于该算法易受到人脸的干扰,所以在此之前通过人脸检测追踪技术,预先将人脸用黑色的圆形或矩形替代。在肤色分割基础之上的基于Hu矩的手形匹配算法,可以排除类肤色的对象和无意义的手势。实验结果表明,该方法能够解决上述环境下的手势检测问题。