强光下多尺度图像增强和蚁群算法的火焰分割

针对强光下火焰图像分割不完整的问题,提出了彩色火焰图像增强及改进蚁群算法的阈值自适应分割方法.首先对采集设备捕获的RGB图像进行基于带颜色恢复的多尺度Ret-inex增强,用亮度控制因子对背景像素进行亮度提升,并从3个不同尺度对原图动态增加高频信息,提高火焰局部可见性,使火焰的颜色、纹理和边缘信息更加突出;然后,为了避...     

基于改进匹配区域的虚拟化图像修复算法

本文对图像修复领域中的Criminal算法及其存在的问题进行了介绍,提出了对匹配区域与匹配块的改进方法。对邻域相关性模块中存在的优先级问题进行了改动,并在修复过程中,根据领域信息使样本快能自动调整大小,以适应不同结构不同纹理的图像。在模块相似性计算中融入颜色直方图,提高匹配的准确性。经过实践表明,改进后的纹理合成算法比Criminisi算法有更好的修复效果,更符合人物视觉系统的特征。     

视线追踪中一种新的由粗及精的瞳孔定位方法

基于图像处理的方法,采用了由粗及精的瞳孔定位思想,提出了一种高精度的瞳孔定位算法.该算法首先利用瞳孔区域的直方图,采用改进的最大类间方差法自适应地分割瞳孔区域,实现粗略定位,然后利用瞳孔灰度的梯度特性来精确定位瞳孔边缘点,最后在像素级瞳孔边缘点的基础上,采用亚像素定位方法,更精确地求得亚像素级瞳孔边缘点,并通过椭圆拟合的方法来精确确定瞳孔的中心位置.另外,针对瞳孔被遮挡的情况,本文提出了一种等距离补偿瞳孔的方法.多次实验结果证明了该算法对遮挡瞳孔的定位有较强的鲁棒性,可以准确地定位瞳孔的位置.     

谱聚类在给水管网分区优化中的应用

利用图划分技术和图论算法实现给水管网分区。根据给水管网分析,确定分区数量,建立权重邻接矩阵并计算图拉普拉斯矩阵及其特征向量,通过多路图划分对隐藏在特征向量中的聚类信息进行数据挖掘,采用遗传算法和K均值方法实现最佳节点聚类。利用PageRank和最短路径算法确定水表和阀门位置,最终实现给水管网优化分区。实际给水管网模型分区实例表明所提方法在给水管网分区的有效性。     

最小二乘改进算法及其在椭圆拟合中的应用

提出一种像素级边缘检测椭圆拟合新算法,用该算法对最小二乘算法进行了改进。首先,将符合要求的准椭圆转化到归一化坐标系;然后利用最小二乘法进行亚像素级椭圆拟合;最后,采用二次曲线拟合点集求解出亚像素及椭圆几何中心。在给定的图形中,利用本文提出的改进像素级边缘检测算法可以明显提高拟合不确定度和拟合精度。     

基于改进梯度边缘特征的早期火焰识别方法

在视频火灾探测中,基于颜色特征变化的火灾识别模型适应性差、对火焰倒影等在颜色模型方面与火焰图像很类似的外界干扰分辨率差。利用火焰燃烧时在空气中的状态与周围环境的颜色阶跃性,在颜色分量模型的基础上,对火焰图像边缘进行粗定位和精定位,使用改进的Soble边缘检测算法,选取颜色B分量的边缘梯度作为判断火焰和干扰图像的依据,构建了一种基于图像边缘梯度的火焰识别模型。实验证明:颜色分量梯度模型能够排除大量的常见干扰源,准确、快速地对火灾进行识别,对大空间室内火灾探测具有一定的使用价值。     

边缘检测在盘形悬式瓷绝缘子串红外图像上的应用

针对盘形悬式瓷绝缘子串红外图像边缘缺失导致铁帽和伞盘误分割的问题,提出一种基于边缘检测的绝缘子串图像分割方法。首先对红外图像进行灰度化、中值滤波和去噪等图像预处理,然后通过比较多种边缘检测算法,采用PSNR方法确定了多尺度形态学梯度算法是对绝缘子串边缘提取中准确性和完整性最高的方法。接着对二值化后的图像确定最大连通区域,对其进行边缘分割得到绝缘子串区域。最后结合边缘检测确定面积阈值,采取区域提取方法对其进行铁帽和伞盘区域分割,得到铁帽和伞盘区域。通过大量样本训练,正确率达到90%以上,在实际应用中取得十分良好的效果,对提高绝缘子红外智能检测准确率有重要指导意义。     

动态融合梯度信息的Camshift算法改进研究

将梯度信息引入到Camshift算法之中,定义Camshift算法的梯度模型。依据运动目标和背景图像直方图的Bhattacharyya距离来动态决定梯度模型在查找算法中的决定权重,减小加入梯度后对算法时效性的影响;在Camshift算法求运动目标色调分量的过程中,改进由RGB空间到HSV空间转换计算的方法,减少反余弦和开方运算。在色调分量Hue基础上定义一种Hue分量,提高颜色空间之间的转换效率;在对目标跟踪框内颜色直方图进行计算时,以选取框重心位置为中心,距离中心越远的像素在颜色直方图中的比重越小.减小在选取运动物体初始位置时引入的背景噪声,提高跟踪算法的稳定性。实验证明:经过上述的改进,使得传统的Camshift算法在背景颜色与运动目标和有相似颜色物体对运动目标造成干扰的情况下的跟踪鲁棒性得到提高。     

基于低秩矩阵优化的纹理图像修复

提出了1种新的低秩纹理图像修复算法,该算法将低秩纹理图像修复问题建模成低秩矩阵优化问题进行求解。由于单纯使用低秩假设不足以描述自然图像的性质,因此除了纹理的低秩性以外,算法还使用了自然图像的连续性假设:在优化目标函数中加入了总变分算子。结合纹理的低秩性和连续性假设,提出了基于凸优化的纹理图像修复算法,可以在不知道图像损毁区域的情况下自动检测损毁区域并修复纹理图像。通过结合图像的低秩性假设和连续性假设,此算法有效弥补了单纯使用低秩假设的不足之处。该算法可以有效修复低秩纹理图像,且无论是在主观视觉效果还是客观量化指标上全面优于现有同类算法。     

基于粒子群算法的RBF神经网络零件表面缺陷分类

针对金属工件表面缺陷分类问题,提出一种基于粒子群算法的RBF(Radialbasisfunction)神经网络对金属工件表面缺陷进行分类的方法。本文采用线性递减权重法确定PSO算法中的惯性权重,用于消除PSO算法容易早熟及后期容易在全局最优解附近产生振荡现象。将线性递减权重法改进的粒子群算法运用于RBF神经网络,确定RBF神经网络中权值和阈值的最优解,并对RBF神经网络进行训练从而提高分类精度。对比实验结果表明,改进的RBF神经网络对工件表面缺陷的分类平均准确率可达94%,对比标准RBF神经网络分类和BP神经网络分类准确率有较大提高。