基于图像的肇事逃逸车辆定位方法研究与仿真

研究肇事逃逸车辆快速准确定位问题.车辆在逃逸过程中,逃逸车辆图像所在场景变换较为快速,车辆行驶方向突变性较强,使得车辆定位特征衰退明显.传统的车辆定位算法建立的特征模型由于这种场景图像快速变换和方向突变的影响,无法准确的捕获运动车辆的关键特征,定位准确性较差.提出改进关联挖掘算法的肇事逃逸车辆图像快速定位方法,在变化场景对包含冗余车辆特征的信息进行二次校验过滤,进而减小定位图像错误分类的可能,运用关联特征准确完成定位.仿真结果证明,改进算法能够大幅提高肇事逃逸车辆图片的关键帧定位结果的准确性,为逃逸车辆准确定位提供了依据.     

基于图像挖掘技术的降雨预测系统的研究

目前,计算机图像识别技术已经被广泛地应用于天气和降雨预测等气象预报部门,但是对于短期和局部的降雨预测而言,其准确性和快速性都无法满足人们的需求;基于此,提出了一种基于卫星云图挖掘的降雨预测应用系统,通过提取雨量站的局部图像特征以及相关联的降雨量,获得其强关联规则以此作为降雨预测的先验知识库;最后通过对当前云图的特征提取,并依照先验知识库进行推理,最终给出预测结果;实验结果表明,该系统有比较好的实用效果。     

含噪混合通信数据中信号源定位挖掘算法仿真

研究含噪混合通信信号中信号源的准确定位问题.当前的通信过程中,环境干扰和其它的有源干扰会造成接收到的通信数据信号包含大量的时间白噪声,使得数据的属性和关联性发生混乱.传统的关联规则的信号源定位方法在包含大量的噪声数据中,很难针对混乱的数据关联性建立稳定的数据关联模型,造成信号源定位的不确定.提出一种用于含噪混合通信数据原信号挖掘算法,算法通过贝叶斯决策理论对含噪信号进行有效区分,运用推理关联机制在区分后的数据中建立较为清晰的关联关系,克服传统方法的弊端.实验表明,改进算法能够有效的在大量含噪通信数据中定位信号源,准确度较高.     

图像挖掘的方法与技术研究

文章从图像挖掘的过程开始介绍了图像挖掘中的预处理技术、特征提取技术和图像挖掘技术等,最后对图像挖掘未来研究方向进行了展望。     

基于图像映射的关联规则数据挖掘方法

针对大多数关联规则数据挖掘算法难以适应支持度或数据集的变化问题,提出一种基于图像映射的关联规则数据挖掘算法Pix-DM。该算法利用图像在操作系统中的显示及存储特点,结合数据挖掘理论,通过映射有效地将数据挖掘过程在线性空间中实现,提高了算法对支持度或数据集变化的适应能力。实验证明,Pix-DM算法是有效且可行的。     

基于VR技术的三维图像景区救助人员定位仿真

为了解决传统技术易受外界干扰,造成三维图像景区救助人员视觉特征存在缺失,导致后续定位精度偏低的问题,提出基于VR技术(虚拟现实技术)的三维图像景区救助人员定位方法。对真实景区环境利用激光测量技术(LMS)进行平扫,获得景区三维扫描点云;采用VR技术进行景区图像三维重建,从中设置几何投影模型表示在现实环境中的透视转换模型,通过非线性算法提取描述救助人员的视觉特征;利用Euler距离实现景区救助人员视觉特征匹配与定位。实验结果表明,将本文的方法应用于三维图像景区救助定位,大大提高了救助人员定位的准确性和效率,证明了上述方法相对于传统的定位方法更具鲁棒性,能够稳定快速地完成三维图像景区救助人员目标的定位。     

医学图像的关联规则挖掘方法研究

提出了一个基于关联规则挖掘算法的医学图像分析器。介绍了数量型属性离散化的CA算法、关联规则挖掘算法及其在医学图像数据挖掘中的应用方法,并利用介绍的算法对乳腺癌图像数据进行挖掘。实验结果表明,该模型系统达到了较高的分类准确率。     

遥感图像特征提取算法仿真

研究遥感图像特征准确提取问题.遥感图像采集过程中,经常受到天空不定项云层干扰,云层会大幅反射遥感射线,导致遥感成像中存在碎云杂波,造成遥感图像中关键特征模糊、丢失等问题.传统的图像分割算法根据单一阀值设定滤波值,很难对这种随机性的碎云杂波干扰建立有效的过滤模型,造成特征分割结果偏差较大.为解决上述问题,提出了一种抗碎云杂波干扰的遥感图像特征提取算法.建立灰度增强模型,对遥感图像进行增强处理,提高图像的对比度,为特征提取提供准确的数据基础.利用最小二乘法,实现碎云杂波干扰环境下的遥感图像特征提取.实验结果表明,这种算法能够有效提高遥感图像特征提取的准确性.     

电路故障诊断中图像定位技术的实现

本文叙述了电路故障诊断过程中利用图像引导用户快速、准确定位探针的实现过程和方法.介绍了设计中主要的函数及控件的使用,并给出了主要参数的计算公式.     

基于NMI不变特征的图像检索方法

基于内容的图像检索技术是当前多媒体数据库系统和数字图书馆研究中的一个热点。文章基于二值图像的NMI不变特征(归一化转动惯量)提出了一种全新的基于内容的图像检索方法,其特点是计算简单、精确度高、具有抗几何畸变性,对滤波、平滑、压缩等图像操作有一定的鲁棒性。试验结果表明,该方法具有一定使用价值,可用于图像检索。     

基于图像差分特征的彩色图像差分预测与信息提取算法研究

图像特征提取预测技术一直是图像处理领域研究的热点与难点.提出了一种包含图像归一化特征融合的图像差分预测算法.基于色彩的图像差分特征测量方法充分利用了图像的色彩信息,将色彩信息全部转换到一个色彩空间中,然后将图像归一化到特定的视角距离范围内来提取出图像差分特征(IDF)信息.最后做了大量的仿真实验,结果表明,提出的方法可以极大地提高彩色图像差分预测性能;同时对图像的色域映射所造成的亮度失真进行的多尺度分析结果表明,以不同尺度提取的基于亮度的图像差分特征比一般的图像失真具有更高的尺度间相关性.     

深度强化学习的图像特征高效分类方法仿真

针对现有的图像特征分类方法收敛性差,分类无法满足日益增加的网络需求的现状,本文提出了一种基于深度强化学习的图像特征分类方法。通过对目标图像特征区域进行复域Contourlet分解,过滤处理分解结果,从而可以将目标图像子带系数矩阵提取出来,求取系数矩阵的相关特征。采取深度学习网络,使所选图像的特征向量直接经过已训练的层状网络深度模型,完成图像特征分类。实验结果表明,所提方法的误识率比现有方法明显降低,收敛速度明显提升。改进方法比传统方法更具优势,能够满足图像特征分类智能化处理的需要。     

基于图像增强的温室图像特征点提取

针对温室环境中,由于相机拍摄图像噪声大,光照不均匀,对比度较低等会导致ORB特征点较难提取或者提取较少,从而影响匹配效果的问题,提出了一种能够减少图像噪声,增强图像对比度的ORB特征点提取算法。首先,对温室图像进行高斯滤波去除图像噪声,然后使用对比度受限的自适应直方图增强图像对比度,增加ORB特征点提取数量。经过实验表明,提出的改进ORB算法对温室中ORB特征点的提取和匹配效果有较大提升。     

一种改进的K-means聚类算法的图像检索方法

分析了K-means聚类算法在图像检索中的缺点,提出了一种改进的K-means聚类算法的图像检索方法。它首先计算图像特征库里面的所有颜色直方图特征之间的欧氏距离;然后根据“两个对象距离越近,相似度越大”[1]这一原理,找到符合条件的特征向量作为K-means聚类的初始类心进行聚类;最后进行图像检索。实验结果表明,本算法具有较高的检索准确率。     

图像关联规则模型及其应用

传统的低维图像关联规则没有考虑纹理要素以及对象的重复出现次数、对象的面积大小,与此相关的图像知识无法挖掘出来。该文提出的七维图像关联规则模型7D_AR功能比传统的低维图像关联规则更加完备,可以很好地解决以上问题。通过概念提升及删除无关维,由七维图像关联规则模型7D_AR可以演化出维数小于七维的各种关联则。     

基于区域熵的图像检索

提出了一种新的基于区域熵的图像检索算法RECS，不仅利用图像的子块熵来描述图像的特性，而且依据熵信息的均值和方差将图像分割为高熵子图和低熵子图两部分。综合图像区域的颜色形状特征和分两步的图像检索过程，有效提高检索准确性的同时也节省了检索时间。实验结果表明，RECS算法对前景单一和前景复杂图像的检索效果同样令人满意。     

一种基于元胞自动机的图像拼接方法

描述了一种基于元胞自动机的图像拼接方法,采用元胞自动机提取图像特征点,然后以特征点邻域灰度互相关法进行特征点匹配,最后根据匹配的特征点对得到图像间的变换参数。实验结果表明,本方法不仅准确实现了图像拼接,而且降低了图像重叠度的要求。     

基于几何不变性原理图像分割算法研究

研究图像分割精度质量问题,由于图像中存在噪声和伪影,造成区域边界不连续,影响提取质量。传统的图像分割算法提取的图像质量差。为了解决上述问题,提出了一种利用几何旋转不变性特征和直线特征的图像分割算法,有效地提高了图像分割的准确率。算法首先分别对图像提取SIFT和LOFO特征,并在两种特征基础上进行匹配,获得匹配值,然后算法将两个匹配结果有机的结合起来,得到最终的匹配值。仿真结果表明,提出的新的几何不变性原理图像分割算法能快速的有效的分割图像,不仅可以得到了比较高的分割精度,获得有效的提取。还大大减少了计算量,并能够改善图片分割的效率和质量。