基于遗传机制和高斯变差的自动前景提取方法

针对无监督或全自动前景提取这一技术难点问题,提出了一种基于遗传机制和高斯变差的自动前景提取（GFO）方法。首先,利用高斯变差提取图像中的相对重要区域,定义为候选种子前景;之后,利用原始图像和候选种子前景的边沿信息,根据连通性和凸球原则生成前景目标区域轮廓,称之为星凸轮廓;最后,构造适应性函数,选择种子前景,利用选择、交叉及变异的遗传机制,得到精确且有效的最终前景。在Achanta数据库和多个视频上的实验结果表明,GFO方法的性能优于已有的基于高斯变差的自动前景提取（FMDOG）方法,且在识别的准确率、召回率以及F_β指标上都取得了较好的抽取效果。     

基于人工智能的PCB缺陷检测系统

PCB缺陷检测在现代电子信息技术中越来越重要,因此提高检测的效率和准确性是亟需研究的一个问题。针对这一问题,设计了一套基于人工智能识别的PCB故障智能检测系统。该系统首先利用硬件系统采集图像,再通过软件系统完成灰度化、中值滤波等图像预处理操作。之后利用Canny算子和霍夫变换获取边缘信息,并分割元器件图像。最后,利用事先训练好的神经网络模型实现故障识别。实际测试表明,该检测系统的准确率大于90%,因此该系统在PCB质量检测领域具有实际应用的意义。     

利用Poisson方法实现图像前景提取

图像前景提取是运用图像处理算法快速、准确地提取出图像中人们感兴趣的信息,它是图像研究的基础和重要的工作.图像前景提取的重点工作是研究出高效、准确的算法来确定图像中的每个像素点是属于需要提取的前景还是需要舍弃的背景.用Alpha值来表示该像素点属于前景的部分,称为掩模值.根据图像的表达公式可知,求解Alpha值是一个病态问题,快速、准确地进行前景提取成为图像研究的重点.介绍了前景提取的基本概念,详细介绍了Poisson前景提取算法并对关键代码进行分析,对Poisson前景提取算法进行了分析与展望.     

一种基于图像处理的PCB检测算法研究

该文主要介绍了一种在PCB检测中快速有效的算法,并且详细介绍了其原理,以及具体实现,并做了评估。为实际工业生产提供了一种值得借鉴的方法。     

利用全局方法进行泊松前景提取

图像前景提取是运用图像处理算法快速准确地提取出图像中人们感兴趣的目标。图像前景提取的精度直接影响了对目标图像的后续处理。为了提高图像前景提取的精度,提出了一个新的利用全局方法进行Poisson前景提取的算法。为了能够更快更好地得到最优采样点,提出了扩散、搜索的方法,并对该方法的有效性和精确性进行了分析。扩散方法是通过在较小的邻域内计算各采样点的代价寻找代价最小的采样点,它能够得到邻近区域的最优解;搜索方法是通过一定的规则跳跃式地寻找最优采样点,它能够加快寻找最优采样点的速度。实验表明,基于全局的Poisson前景提取算法会得到更精确的前景提取结果。     

基于分层筛选方法的前景图像去噪

前景图像的后期美化和去噪处理一直是模式识别和计算机视觉等领域的一个重要研究环节。鉴于形态学后期处理方法容易造成前景目标几何和尺寸的变形现象,本文根据真实前景目标和噪声在前景图像空间分布和像素值的统计特性提出了一种分层筛选独立分离块的前景图像后期去噪方法。该方法包括划分单元块,构造独立分离块,计算独立分离块面积和去除噪声块四个步骤。实验结果表明,本文提出的方法能够有效地去除噪声,且与形态学图像后期处理方法相比有更好的去噪效果和更低的时间复杂度。     

基于图像处理的公路车流量统计方法的研究

本研究提出了一种车流量的统计算法,处理步骤包括:提取与更新道路背景图像、使用自适应阈值提取运动车辆、去除车辆阴影、区分不同车辆和利用车辆中心的连续匹配来确定车辆数目,该算法不受车道的限制,人为影响小,计数准确性高。实验结果表明,本算法能够适应道路背景的多种变化,实现车辆的准确计数。     

基于时空分析的视频前景提取

为了从包含动态背景或者非平移运动前景的视频中提取完整的前景区域,提出一种视频分割算法。首先,将视频中单个像素的变化过程视为离散时间信号,运用时间轴的Gabor滤波对时域信息进行分析,将视频粗分为前景和背景;然后,运用均值漂移算法对前景和背景做颜色聚类分析,分析空域的颜色关联信息,分别建立全局颜色模型和局部颜色模型;最后,运用双重标记法提取视频前景。该算法综合考虑视频的时域信息和空域信息。在多个视频库的测试结果表明,该算法可以显著提高前景区域提取的精度,特别是对于背景动态变化或者前景发生非平移运动的视频。     

基于图像处理的小麦腥黑穗病形态学特征的提取方法

基于图像识别是小麦腥黑穗病分类鉴定中正在研究的一种新技术。文章研究了提取小麦腥黑穗病病菌冬孢子形态学特征的图像处理方法。通过获取小麦腥黑穗病显微图像,对显微图像进行图像分割,中值滤波以及试探性扩张矩形等方法获得了病菌显微图像冬孢子区域的内接矩形,提取了基于灰度共生矩阵的纹理特征与形状特征。实验数据显示该方法能有效地提取出小麦腥黑穗病的形态学特征,对后续基于模式识别鉴定小麦腥黑穗病类别具有参考意义。     

一种适应光照多变的夜间前景提取方法

夜间前景提取是智能监控的必要处理过程,也是新时代下店铺防盗的高效手段。提出了一种在强弱光多变下具有检测鲁棒性的动态目标自动提取算法。在亮度通道上利用直方图均衡技术根据设置参数自适应灰度增幅,结合Canny边缘图像进行差分处理,最后给出前景提取算法。实验结果表明:在强弱光不同光照环境下,该方法可以很好的削弱不同光照对前景提取带来的多噪声、过度曝光等影响,提高前景对比度,相比其他方法,显示效果清晰完整,并满足实时性要求。     

基于图像处理的印制电路板缺陷自动检测

基于图像处理的精密检测是现代测量技术的重要发展方向;论文提供了将标准电路板图像和待检测电路板图像进行二值化分割、图像形态学处理、图像配准和差影检测处理为基础的检测系统;其中图像配准是关键,为了提高处理速度达到实时处理的目的,图像配准采用了快速处理算法;经实验结果分析,该方法能较准确的检测出待检测电路板上存在的缺陷,达到了自动实时检测的目的.     

Hadoop平台下新型图像并行处理模型设计

Hadoop在处理海量小图像数据时，存在输入分片过多以及海量小图像存储问题。针对这些问题，不同于采用HIPI、SequenceFile等方法，提出了一个新型图像并行处理模型。利用Hadoop适合处理纯文本数据的特性，本模型使用存储了图像路径的文本文件替换图像数据作为输入，不需要设计图像数据类型。在Map阶段直接完成图像的读取、处理、存储过程。为了简化图像处理算法，将OpenCV和Map函数结合并设计了对应的存储方法，实现小图像文件的存储。实验表明，在Hadoop分布式系统平台下，模型不论在小数据量还是在大数据量的测试数据环境中，都具有良好的吞吐性能和稳定性。     

基于视频图像处理的人员在岗检测技术

在一些场景中例如视频监控室等场所,常常由于人员擅自离岗,视频监控区域发生事故没有及时发现,导致不能及时有效的处理问题,造成较大损失或安全问题,因此,对于这些场景需要对人员在岗情况进行实时的监控,以避免因人员非法离岗而存在安全漏洞。本文设计并实现一种基于视频图像处理的人员在岗检测技术,利用OpenCV通过对值班室监控视频中的人员进行运动跟踪检测,判断出进入和离开值班室的人员数目,二者做差进而对值班室里的人员在岗情况进行判断。本方法无需额外借助其他硬件设备,检测成本低,检测效率和准确度高,具有良好的实时性能。     

基于前景提取的复杂背景图像检索算法

基于内容的图像检索提供给使用者一种更直观、更精准的检索方式。用户在进行此类检索时,往往更关注图像的主体部分。为了消除背景信息对检索效果的影响,提出一种基于前景提取的复杂背景图像检索算法。实验证明,在H-S颜色直方图、LBP纹理特征以及颜色纹理混合特征上,该算法可以得到较优化的性能。     

基于ASP.NET的在线图片处理系统的设计与实现

基于B/S 结构的在线图片处理系统使用ASP.NET 技术,同时把ASP.NET 与HTML5、jQuery、Ajax 相结合来完 成相应的功能。用户把图片上传到服务器端,然后可以批量处理上传的图片,处理完成后可存储到服务器端,也可以下载到本 地,实现简单的云存储,这样无论用户身在何处只要有浏览器和网络就可以管理访问自己的图片。     

图像处理耦合模板定位的答题卡识别研究与应用

当前大多数机器阅卷中采用的识别算法基于模糊识别,即针对某类型的试卷,更换多种试卷或者同种试卷不同采集方式下很难准确对应,具有一定的局限性。对此,本文提出一个基于OpenCV耦合模板定位的答题卡识别机制。首先基于人机交互划定学号区与客观题区;然后基于图像处理算法定位得到填涂位置,评价填涂结果,完成答题卡识别。本系统模板制作模块由C#编程实现,答题卡识别由C++和OpenCV实现。最后测试本文机制性能,结果表明：与基于模糊识别的普通方法相比,本文机制具有更好的定位效果和识别准确度。     

基于图像处理的自动化焊接缺陷特征提取与焊接质量分析

在自动化焊接技术快速发展的背景下,提出了一种基于图像处理的自动化焊接缺陷特征提取与焊接质量分析方法。在采集焊接图像后,运用图像预处理、图像增强、背景分割,二值化处理和轮廓提取等图像处理技术,有效地提取出了焊接后工件中的焊接缺陷特征,并计算缺陷面积,对缺陷程度进行了分级。对多幅焊接图像进行试验,验证了该方法在实际运用场景中是有效可行的,为自动化焊接质量的监测问题提供了新的思路。