混合光照干扰下静态灰度图像多特征识别仿真

传统的静态灰度图像多特征识别方法,在混合光照干扰下,静态灰度图像中经常会出现大量的干扰因素,导致识别结果不完整、处理速度慢等问题.为此提出一种基于Sobel算子和张量分类器的混合光照干扰下静态灰度图像多特征识别方法.采用Sobel算子提取静态灰度图像特征,将水平和垂直方向的梯度、灰度特征相融合构成静态特征,采用背景建模...     

梯度与视觉显著度下的图像灰度重叠区域识别

采用目前方法识别图像中存在的灰度重叠区域时,没有构建图像的显著性图,存在识别精度低、查全率低和识别效率低的问题.提出梯度与视觉显著度下的图像灰度重叠区域识别方法,根据Gestalt前背景分离原则对图像中存在的梯度通道和颜色通道进行随机阈值化处理,获得对应的二进制布尔图,采用线性平均融合方法融合利用上述获取的二进制布尔图生成视觉注意图.通过分块区域分割技术识别显著性图中存在的空间位置信息,为图像灰度重叠区域的识别提供点云数据,在云计算模式中结合局部空间降噪方法消除噪声,定位去噪处理后显著性图空置区域中存在的特征点,提取灰度重叠区域的动态特征,建立对应的灰度直方图,最后利用云检测技术识别图像中存在的灰度重叠区域.仿真结果表明,所提方法的识别精度高、查全率高、识别效率高.     

图像分割中区域灰度重叠问题研究

通过对图像不同区域灰度强度重叠问题以及图像平滑与滤波概念差异的分析,发现图像平滑对于无噪声污染图像的分割具有抑制次要目标、加剧区域边界渐变的作用,认为对图像进行平滑处理可以减小区域灰度重叠,产生过渡区域便于图像中特定目标的分割。实验表明图像灰度重叠是实现正确分割的障碍,图像平滑可以消除或减弱它的影响。     

一种自适应的多聚焦图像融合方法

为了对不同的多聚焦图像进行有效融合，提出了一种小波域中基于区域特征的自适应多聚焦图像融合方法。该方法首先对参加融合的两幅图像进行小波分解，然后针对低频部分，在保留源图像共同特征的基础上，将待融合的两图像各自所具有的特征添加到融合图像中，而对于高频部分，则根据区域的小波能量进行融合；最后通过小波逆变换来重构融合图像。该方法不仅能够完全自适应地对多聚焦图像进行有效的融合，而且对于各种不同的源图像具有通用性。实验表明，该算法能够得到良好的融合效果，是一种有效的多聚焦图像融合方法。     

基于小波变换的自适应多聚焦图像融合算法

针对BURT法中阈值固定、与图像的不确定性较少关联的弊端,设计了一种基于小波变换的自适应融合算法.该算法运用小波变换对多聚焦图像进行分解,利用源图像的匹配度作为自适应阈值进行判别,再做相应的最大选取以及加权平均,最终通过小波逆变换得到融合图像.实验结果表明,该方法能够获得具有更丰富的信息量以及更高的清晰度的融合图像.     

图像不均匀灰度的自适应调整

由于光线分布不均匀或斑块噪音干扰等原因，往往使所要处理的指纹的灰度值分布缺乏均匀性。在指纹特征自动识别提取过程中，造成许多传统的算法在局部出现很大的误差。利用方差和均值特征的自动提取方法，首次对不均匀灰度图像进行自适应分割。然后通过对图像分区域进行不同程度的自适应调整，使具有相同属性的像素单元具有近似的灰度值分布。调整结果的灰度均匀水平与预先指定的调整精度成正比。这种调整不仅提高了图像分割的自适应性，而且进一步扩大了一般阈值算法的应用领域。     

自适应字典学习的多聚焦图像融合

基于人类视觉系统及信号的过完备稀疏表示理论,提出一种新的多聚焦图像融合算法。首先从待融合图像中随机取块构成训练样本集,经迭代运算获取过完备字典;然后由正交匹配追踪算法完成图像块的稀疏分解;再按分解系数的显著性选择融合系数并完成图像块的重构;重构块经重新排列并取平均后获得最后的融合图像。实验结果表明:该算法继承了目前较为优秀的多尺度几何分析方法的融合效果;在噪声存在的情况下,该算法表现出较好的噪声抑制能力,随噪声方差的升高,融合图像的主观质量及客观评价指标均要好于传统方法。     

用于灰度不均图像分割的自适应灰度拟合模型

针对灰度不均图像的分割问题,提出了一个结合全局信息的局部区域自适应灰度拟合模型。首先,分别利用图像的局部和全局信息构造了局部拟合项和全局拟合项;其次,利用像素点邻域内灰度的极差反映该点邻域内灰度的偏差程度,并以此定义了一个自适应权值函数;最后,利用定义的权值函数为局部项和全局项自适应赋权值,得到所提模型的能量泛函,并使用变分法推导出模型的水平集函数迭代方程。数值实现采用有限差分法。实验结果表明,与区域可变灰度拟合（RSF）模型和局部和全局灰度拟合（LGIF）模型相比,所提模型不仅能够稳定、准确地分割多种灰度不均图像,而且对演化曲线初始轮廓的位置、大小和形状具有更强的鲁棒性。     

基于边缘保持滤波的多聚焦图像融合仿真

在融合多聚焦图像过程中,极易产生低频子带信息损失、边缘失真与图像模糊等问题,为获取更理想的融合图像,提出基于边缘保持滤波的多聚焦图像融合仿真.根据自适应梯度联合约束,通过初步复原阶段、边缘保持滤波阶段、梯度先验估计阶段以及最终复原阶段,复原模糊图像,利用深度神经网络模型的自编码器构建低频子带,将子带设定成网络输入后,根...     

基于双边滤波与自适应灰度的钢筋图像预处理

双边滤波这一要素,能处理特有的钢筋图像。滤了图像这一范畴的高频噪声,再依循亮度的更替,保持图像固有的高频成分,接纳自适应架构下的灰度过程。这一新颖方式,把滤波器惯用的权系数,更替成亮度信息特有的乘积。经由优化的这一权系数,再与原初的钢筋图像,进行最优的卷积运算。滤波流程中,要去除图像固有的噪声,与此同时,保持钢筋图像固有的清晰边缘。滤波器预设的权系数,会随同亮度更替而更替,因此,预处理的时段内,要达到期待中的滤波目的。     

一种自适应学习算法在图像识别中的应用研究

文章研究了特征图像的自适应识别技术问题,提出了利用自适应共振理论,实现自稳定和自组织识别的人工神经网络,达到学习和自适应识别图像的应用要求,根据这一原理及规则,给出了具有自稳定分类功能的自适应学习算法。     

一种改进的多聚焦图像融合算法

针对处理多传感器采样到的聚焦点不同的图像,高、低频融合规则的选择问题,提出一种改进的基于小波变换多聚焦融合算法.根据小波变换后的低频分量和高频分量的不同特性,算法分别选用改进能量算法和均匀测试度的方法进行融合,再通过小波逆变换得到融合后的图像.实验结果表明,由于充分考虑了小波变换的特点与人眼系统的特性,与其它融合方法得到的图像相比,提高了融合图像包含的信息耸,较好地消除了局部对比度极性反转的情况,明显地增强了融合图像的清晰度,而且保留了源图像中的边缘细节,得到了较好的融合效果.     

基于双子代差分演化和自适应分块机制的多聚焦图像融合算法

基于分块的多聚焦图像融合算法是多聚焦图像融合领域中的一个重要算法。基于差分演化的多聚焦图像融合算法将图像分块大小作为差分演化算法的种群,通过多次演化,最后获得使融合图像效果最好的图像分块。为克服标准差分演化算法由于丢失父代种群的部分信息导致收敛速度变慢、全局搜索范围较小,以及当对应图像块的清晰度相等时该算法的处理方式会改变源图像的像素值的缺点,在原算法的基础上,引入双子代机制和自适应分块机制,提出一种基于双子代差分演化和自适应分块机制的多聚焦图像融合算法。在演化过程中生成两个子代种群,最大程度上保留父代种群的信息,扩大全局搜索范围,提高算法的收敛性能;利用自适应分块机制,当出现图像块清晰度相等的情况时,将图像块分解成更小的图像块,然后再进行清晰度的比较,使改进算法获得的融合图像比原算法获得的效果更好,而且不会改变源图像的像素值。实验结果表明,基于双子代差分演化和自适应分块机制的多聚焦图像融合算法可以获得比原算法效果更好的融合图像,而且收敛性能更好。     

基于小波变换与局部能量的多聚焦图像融合

本文提出了一种基于区域局部能量的不同聚焦点图像融合方法。本文利用小波分解,将图像分解为低频部分和高频部分,然后选择合适的比例,削弱低频部分,减小低频部分在整个图像能量中所占的比例,相对增大高频部分的比例,再重构图像。对于重构的图像,在空域中使用区域局部能量大小判定的方法,对各幅图像中的目标进行判断,并选择其中的清晰部分生成融合图像。该方法不但适用于多聚焦图像融合,而且还可以应用于特性类似的医学图像的融合。实验结果表明,该方法可以提取出多聚焦图像中的清晰目标,生成的融合图像效果优于Laplacian塔型方法和小波变换方法。     

基于纹理特征的矾花图像自动识别方法

为了实现自来水厂沉淀池加料系统的自动控制,针对矾花图像自动识别部分,提出一种采用纹理分析方法,提取矾花图像的纹理特征,然后组合这些特征,构造一种先级联再并联的多分类器组合结构,实现矾花图像的自动识别。实验证明,该算法准确度大、识别率高达97%,可靠性达99%,能满足实际系统的要求。     

自适应帧长特征提取对语音识别系统性能的影响

提出一种自适应帧长语音特征分析方法,使语音编码更准确,达到提高语音识别性能无愧迁滤帧检测和过渡语音特征表示两方面。采用了两种特征表示方法。基于ＴＩＭＴＴ语音数据包和自定义的汉语语音数据的单词识别实验表明,这两种表示方面有相同的效果,都能在一定程度上提高知识系统的性能,但计算量稍有区别。基于ＴＩＭＩＴ数据的ＤＨＭＭ系统和ＣＨＭＭ系统的错误率分别下降了１１．２１％和９．５８％,基于自定义数据的ＤＨＭＭ     

一种ISAR图像中飞机目标识别的新特征

在逆合成孔径雷达(ISAR)图像飞机目标的识别中,传统的特征是ISAR图像的低频傅里叶系数、几何不变矩、形状特征和能量特征等,但上述特征都没有考虑ISAR的纹理。为此,引入一种新特征用于ISAR图像中飞机目标的识别,即提取ISAR的LBP特征来描述图像的纹理,用k近邻分类器进行分类。实验结果表明,该方法达到98.7%的识别率,表明该特征的有效性。     

基于不变矩特征及SVM的图像识别

该文提出了一种利用不变矩和支持向量机(SVM)对图像进行识别的方法。该方法提取图像的7个不变矩作为特征矢量,对得到的特征量应用支持向量机进行图像分类和识别。该文通过试验验证了此方法的有效性。     

基于QNN的图像特征提取字符识别系统设计

为提高字符识别的正确率与可靠性,将图像处理技术与量子神经网络（QNN）相结合,对基于QNN的字符识别系统进行了研究。采用粗网格特征法对图像的特征量进行提取,同时,为了增强粗网格特征法抗位置变化的能力,在特征提取前,对字符图像进行了定位,并将其平移至模板中心,再进行特征提取,然后采用基于多层激励函数的量子神经网络对字符进行识别。采用matlab进行仿真实验,结果表明量子神经网络具有较好的识别效率,准确率可达90%以上,抗噪能力强,可以更好的分类。这说明系统的确可以从一定程度上达到提高识别正确率的效果,达到了预期效果。     

基于模糊CCA的图像特征提取和识别

利用典型相关分析(CCA)和隶属度的思想,提出一种基于模糊典型相关分析的图像特征提取新方法。通过分析图像样本的分布特点,定义合适的隶属度函数描述图像空间的样本分布。利用CCA进行多信息源特征提取,得到同时包含图像灰度信息和分布信息的有效判别特征。可证明Fisher线性判别分析是该算法的一种极限情形。在ORL标准人脸数据库上的实验结果表明新特征具有良好的分类能力,证实了该方法的有效性。