一种在低照度情况下自适应滤波牌照定位算法

提出一种在低照度情况下进行自适应滤波牌照定位算法.该方法首先设计一种×字形窗口的自适应中值滤波改进算法,对车牌灰度图像进行中值滤波滤除噪声.接着采用Sobel边缘检测器进行车牌边缘检测;再将Sobel算子卷积结果采用最大类间方差法阈值分割算法对图像进行预分割,将图像分割为目标和背景;接着采用模糊分割方法求得最终分割阈值...     

融合似物性前景对象与背景先验的图像显著性检测

为了在复杂背景图像中准确地提取出图像的显著区域,提出一种结合似物性前景对象与背景先验知识的图像显著性检测方法（OFOBP）。该方法首先对图像进行超像素分割,计算超像素颜色空间分布,得到初始显著图;利用似物性检测方法获取多个目标窗口,由窗口建立搜索区域,结合二值化的初始显著图优化目标窗口;再利用多窗口特征对超像素做前景对象预测,获取前景显著图;其次建立背景模板,计算稀疏重构误差获取背景先验图;最后融合两种显著图,得到最终显著检测结果。在公开数据集上与11种算法进行比较,本文算法能够较为准确地检测出显著区域,尤其是在复杂背景下对多个显著目标的检测,存在明显的优势。     

基于颜色特征和聚类的马氏距离图像分割法

给出了一种基于颜色特征和聚类的复杂彩图中进行目标图像分割的马氏距离算法.该方法利用目标的颜色进行图像分割.通过对彩图中的物体进行采样和分类,经过对每个像素点进行马氏距离计算和最小值寻找,将图像内的所有像素点进行归类,对目标图像与背景图像进行二值化分割,并对分类后含噪声的目标图像进行自适应滤波.设计了达到以上目的的人机交互式可视化计算机图像处理程序,对在水稻田中试验点上拍摄的水稻照片进行了分析处理,分离出了复杂背景下的水稻植株图像.实验结果表明,该算法能较好地解决复杂彩图中目标图像的分割问题.     

一种多目标快速识别的自适应灰度量化方法研究

针对实时序列图像多目标识别问题提出了一种快速图像处理方法。该方法依据一定的先验知识和准则，对复杂背景图像进行窗口化，对每一个窗口独立进行自适应快速中值滤波，及基于局部图像灰度信息的自适应重新量化和最大熵分割处理，实现了对全景视场内预定目标的快速准确提取和识别。为动态环境中多目标条件下移动机器人的视觉定位、导航和目标跟踪所需图像处理技术提供了一种新的方法。     

应用模糊增强及均值漂移实现红外目标分割

针对复杂环境下红外图像信噪比和对比度低,边缘模糊,目标分割困难的情况,提出一种基于模糊增强和均值漂移图像滤波的红外目标分割方法。首先定义新的隶属度函数,运用模糊集理论进行红外图像增强,避免了传统模糊增强算法的弊病,有效提高目标与背景的对比度;之后利用ICI（交叉置信区）规则确定均值漂移的带宽参数,提出一种新的自适应带宽均值漂移图像滤波方法,实现图像的进一步平滑和聚类;最后利用自适应阈值实现红外目标分割。实验结果表明,算法能够正确有效地分割出复杂环境下的红外目标,并且很好地保持了目标的轮廓细节。     

复杂背景下彩色数字图像分割算法研究

为了提高复杂背景下彩色数字图像分割的准确率,减少噪声对图像处理的干扰,尽可能的缩短运行时间,需要对复杂背景下彩色数字图像分割算法进行研究。当前图像分割算法在彩色数字图像分割的过程中,仅仅考虑了图像像素的亮度值,没有考虑其空间特征,存在计算的复杂性过大等缺陷,影响彩色数字图像处理效果。为此,提出了一种基于随机权重粒子群的复杂背景下彩色数字图像分割算法。该算法先采用多尺度均匀滤波方法,对复杂背景下彩色数据图像进行划分,其中包含噪声和不含噪声的像素点的亮度值、结构元素以及局部区域内的图像像素加权亮度密度特征。采用多段图分割获取彩色数字图像的优化分割,在平滑项中代入彩色数字图像梯度信息,对彩色数字图像分割结果中的弱边界进行剔除,从而实现准确的彩色数字图像分割。实验仿真证明,所提算法增加了彩色数字图像分割的对比度和信噪比,提高了复杂背景下彩色数字图像分割的准确性。     

基于图像层的双水平集图像分割

传统C-V模型可以将待分割图像分割成目标和背景两区域,但无法实现对多目标图像的分割.多相C-V模型能够对多目标图像进行分割,但需要多次迭代,计算量较大.为了解决上述问题,提出一种基于图像层的双水平集分割算法,该算法通过引入背景填充技术来改变图像背景,从而形成新的图像层,双水平集不断地在新的图像层中进行分割,直到所有目标被分割.这样通过双水平集就可以实现对多目标图像的分割.实验结果表明:该算法能够实现多目标分割,且迭代次数较少,同时具有较强的抗干扰能力和较快的收敛速度.     

分布式网络信息数据防篡改方法研究

为在足球视频中有效的检测与跟踪运动目标,需要对足球比赛视频中目标检测与跟踪算法进行研究。当前采用的算法,在动态场景中,存在运动目标检测与跟踪效果不佳的问题。为此,提出一种基于OpenCV的足球比赛视频中目标检测与跟踪算法。该算法结合平均背景算法将足球比赛视频中目标图像分割为前景区与背景区,计算足球比赛视频每一帧目标图像和背景图像之间差值的绝对差值,同时计算每一个目标图像中像素点的平均值与标准值来建立目标图像背景统计模型,利用TMHI算法对足球比赛视频中目标初始图像进行阈值分割,得到初始分割图像,对分割图像进行中值滤波和闭运算,再使用卡尔曼滤波对分割后的目标图像进行处理,得到镜头中目标的质心位置和目标外界矩形框,然后对足球比赛视频中目标进行跟踪。实验证明,该算法有效的检测与跟踪足球视频中运动目标。     

基于形态学滤波的相关跟踪算法研究

相关匹配算法是光电跟踪领域的经典算法之一。首先利用基于梯度调整的平均灰度法进行图像分割,得到二值化图像,其次对该图像利用数学形态学进行图像滤波,在此基础上设计出一种新的相关匹配算法进行电视红外图像跟踪,实验结果表明该方法具有很强的抗干扰性,可用于复杂背景下的目标跟踪,可用于实时图像处理中。     

多方法融合的类圆形堆积物分割

针对类圆形堆积物图像的前景和背景在色彩或灰度上相近,难以用传统阈值分割等算法进行有效分割的问题,提出一种多方法融合的类圆形堆积物图像区域分割策略。对图像进行滤波等一系列预分割处理后进行投影得到目标图像的外接矩形区域,以排除噪声的干扰,在区域内采用改进的灰度共生矩阵方法进行粗分割,以解决窗口大小与分割精度的问题,采用二维OTSU阈值分割方法对粗分割结果进行量化。实验结果表明,该方法得到的区域分割结果边缘清晰、准确度高。     

基于分形特征纹理图像分割方法

基于地毯法估计分形维数，提出了图像局部分形维数的最优估计方法。然后利用边缘信息和区域增长的方法，对自然场景的分形维数图像进行分割。仿真实验表明该方法分割效果很好，优于基于Hurst变换分割方法。     

一种基于数学形态学的分形维数估计方法

对于分形维数的估计是基于分形理论的纹理图像分割算法中最重要的环节。由于使用固定划分的规则网格，常用的基于盒计数的分形维数估计算法及其各种改进方法的误差较大；而传统的形态学维数估计算法虽然在准确性上有一定提高．但其时间复杂度偏高。为此提出了一种基于可变结构元的数学形态学分形维数估计方法(VSEM)。该方法将灰度图像视为一个三维空间中的曲面，使用一组不同尺度的结构元分别度量该曲面．根据度量结果与尺度之间满足的指数率来估计图像表面的分形维数。通过恰当的选择结构元和使用递推技术得到不同尺度下的膨胀结果，新方法成功地弥补了现有算法的不足。本文使用了一组合成纹理和一组自然纹理来评估几种常见的分形维数估计算法。结果显示，本文提出的新方法能够在较小的时间复杂度下，得到更为精确的估计结果。最后，将该方法应用于遥感图像的分割。与其他常用的分形分割算法相比，使用该方法估计的分形维数和图像的临域均值作为特征能够得到更好的分割结果。在对比分析和分割实验中表现出的良好性能说明本文提出的分形维数估计算法可以有效地应用于纹理图像分割。     

分形特征模糊增强及其在目标检测中的应用

提出一种新的运用模糊集理论进行分形特征增强的方法,并将其运用到复杂背景下的目标检测中。首先根据分形的尺度不变性计算图像各像素分形特征,定义新的隶属度函数对分形灰度图进行模糊特征平面映射,再运用非线性变换的模糊增强运算提高目标和背景的分形差异。在此基础上,结合数学形态学理论提出了基于增强分形特征的目标检测方法。实验证明该算法能够确实有效的提高目标和背景的分形特征差异,并克服了传统模糊增强算法的弊病;基于增强分形特征的检测方法,保证了复杂背景下目标检测的正确性和可靠性,并具有较好的抑噪性能。     

基于相似比的快速分形编码算法

对于分形图像编码时间过长这一问题,目前已经提出很多种解决方法,大多数都是基于分类或是特征匹配的搜索方法。把全局搜索转化为一定意义下的局部搜索是加速分形编码的一种有效可行方法。文中提出了一种基于相似比的分形编码算法并给出了可行性分析,该算法将全局搜索转化为相对意义下的近邻搜索,大大减少了搜索最佳匹配块的时间。本算法只搜索与值域块相似比相差较近的码本块,减少了搜索对象。实验结果表明,该算法在保证一定的重建图像质量前提下,大大提高了编码速度。     

一种基于乘性可变尺度形态分形模型的分割新算法

在定义乘性可变尺度结构算子对数学形态维分形模型进行优化和改进的基础上,提出了一种基于提取分形特征参数的图像分割算法.首先定义并比较了加性和乘性可变尺度形态结构算子,并以此为基础进行形态学膨胀运算,提取归一化模型下的数学形态维分形维数,再用分形特征维数调制灰度值,以拉开各个灰度级间的距离,有效地增大了目标和背景的差异,最后进行自适应阈值分割.大量对比仿真实验取得了良好的分割效果,并且证明了本算法的有效性和可靠性.     

快速的分形码图像检索方法

针对分形域上的基于内容的图像检索(content-based image retrieval,CBIR),提出了一种新颖的基于无搜索的自适应四叉树分割的快速分形编码方法,来提取图像特征,从而使图像检索的编码阶段速度显著提高。对一幅256×256图像编码,算法平均约需0.0485s,比何的方法约快70倍,并且解码图像质量良好。改进了匹配算法来实现图像的快速检索,其准确性要高于洪的方法;最后通过对分形码距及分形码块数的分析,提出了进一步提高检索速度的方案。     

基于布朗模型和小波变换的图像分形维数计算

函像分形维数是反映图像纹理特征的重要因素，也是图像分割的主要依据；通常，图像的分形维数多数采用盒维数计算方法来得到．但是避免不了计算时阚值选择带来不精确的问题，本文结合小波变换和布朗模型，提出了一种新的计算方法，并且和盒维数方法计算结果进行比较，结果表明，通过本文的计算方法得到的图像分形维数较准确。     

基于布朗模型和小波变换的图像分形维数计算

图像分形维数是反映图像纹理特征的重要因素,也是图像分割的主要依据;通常,图像的分形维数多数采用盒维数计算方法来得到,但是避免不了计算时阈值选择带来不精确的问题,本文结合小波变换和布朗模型,提出了一种新的计算方法,并且和盒维数方法计算结果进行比较,结果表明,通过本文的计算方法得到的图像分形维数较准确。     

多尺度分形维的星载舰船显著性检测

目的 星上的舰船检测需要在资源和时间受限条件下实现快速检测,并且对目标的种类和尺寸缺少先验信息的指导,更多时候还需要实现一景图像中不同尺寸舰船的检测,因此,星上舰船检测要求检测方法具有一定的自适应性,从而实现星上多变的检测场景。方法 针对这一问题,提出了一种多尺度分形维的检测方法,可以实现一景遥感图像中不同尺寸舰船目标的检测。首先,针对差分盒算法受盒子尺寸约束的限制使分形维数的计算精度受到影响的问题提出了一种改进算法,改进算法增加了拟合直线的点对数目并引入了拟合误差剔除误差点对,提高了分形维特征计算的精确度。结果 在提高了分形维计算精度的基础上,新算法利用自然物体在不同尺度上具有的自相似性,通过多尺度分形维的计算并借鉴视觉显著性中c-s算子来排除背景对目标的干扰,突出舰船目标。实验结果表明,新算法能够有效检测出一景图像中不同尺寸的舰船,优于双参数CFAR算法的检测结果。结论 本文提出的多尺度分形维的检测算法可以实现对一景图像中不同尺寸舰船目标的检测,在保证一定检测率的同时有效降低了目标检测的虚警率。