基于投影阈值分割和数字序列校正的高噪声数字仪表图像识别方法

针对数字仪表图像噪声大、图像特征信息不足导致图像识别准确率低的问题,提出了一种基于卷积递归神经网络结合投影阈值分割和数字序列校正的高噪数字仪表图像识别方法。首先,用投影阈值分割二值化算法对图像进行预处理：使用垂直投影法将图像划分为不同区域,根据不同区域的噪声强度自适应设定二值化阈值,对图像进行二值化处理,降低噪声;其次,根据图像之间数字规律变化特点,利用数字序列校正算法将单个数字识别转换为数字序列识别,通过对比不同数字序列的识别概率得出识别结果,解决单张图像特征信息不足导致识别准确率低等问题。实验结果表明,在高噪声数据集上,相较于卷积递归神经网络模型,提出的高噪声数字仪表识别模型在准确率方面提高了约61.95%,达到93.58%。     

基于小波变换的字符识别快速算法

提出了一种基于小波变换的识别图像中英文字母、数字以及汉字字符的快速算法.算法通过将字符二值化点阵图像进行垂直与水平方向投影,实现了从二维图像数据到一维数据的转化.对于W×H大小字符图像,相对于传统算法,本算法将运算量从W×H数量级降至W+H数量级,大大降低了后续处理运算的时间复杂度,同时保留了足够的关于字符垂直及水平点阵分布的特征信息.将投影得到数据进行2层小波分解,从其中各层平滑分量提取一个特征信息,将其与模板字符对应的特征信息进行分析比较,实现了字符的快速高效识别.实验结果表明,运用此快速算法可使字符总的识别率达到92%以上.     

基于图像的水泥路面裂缝识别方法及应用

针对水泥路面图像裂缝识别过程中造成主要干扰的接缝问题,提出利用水平投影的方法去除接缝的算法,从而获得路面裂缝识别结果.首先用小波变换提取图像高频信息,获得包含裂缝、接缝及噪声的二值化图;再根据投影峰值特征,判断图像中是否包含接缝、确定接缝位置,将找到的接缝去除,得到裂缝识别结果.实验结果表明,新算法可以有效地去除水泥路面图像中的接缝,实现水泥路面裂缝的自动识别.     

一种应用于人耳识别的基于SVD和PCA的特征融合方法

采用一种融合奇异值主元投影特征与主元投影特征的特征提取算法对静态人耳图像进行识别。该算法一方面提高了人耳的识别性能,另一方面弥补了采用单一PCA和SVD算法提取人耳特征时的不足,减少了对噪声和光照条件的敏感性。在自建人耳库和CP人耳库中的实验表明算法的合理性和有效性,为实际中处理人耳识别问题提供了参考。     

基于特征的印刷体数字符号识别系统

探讨了一种印刷体数字符号快速识别算法，采用图像旋转、去噪声、图像分割等手段对含有印刷体数字符号的图像进行预处理，然后根据印刷体数字的字符结构提取4种稳定且有效的结构特征，即横线特征、竖线特征、水平方向过线数和垂直方向过线数．根据这些特征构造编码器，进行编码识别，使用VC 编程实现．实验表明，该算法速度快、精度高，有一定的抗干扰性。     

交警手势的图像处理与识别

提出了一种基于交警手势识别的交通灯控制方法．该方法首先对彩色摄影机采集的交警手势图像进行预处理。包括彩色图像平滑、彩色图像增强;其次利用边缘检测和图像分割方法对目标图像进行分割,由于图像受噪声干扰严重,采用Sobel算子消除噪声;再次将分割得到的目标轮廓进行表示与描述,为图像的识别作好准备;最后结合图像的轮廓特征对图像进行识别,采用了模糊模式识别方法．试验结果表明。该方法能够实现对交警手势准确的识别．     

支持向量机在字符分类识别中的应用

为了对数字字符和字母字符进行有效识别，提出了一种利用二值字符图像投影的特征参数构
造字符特征矢量的方法，对这些特征矢量进行归一化处理并作为支持向量机的训练集。采用支持向量机和
多层感知器网络对字符的特征矢量进行训练，分别构造出26个字母分类器、10个数字分类器以及36个字母
-数字综合分类器。通过对字符的分类识别测试，字符识别的准确率平均为96.5％，识别速度平均为20.5
ms/字符，结果表明了支持向量机在字符识别应用中的有效性。     

一种快速识别飞机仪表参数的算法

提出了一种快速识别阿拉伯数字０～９的算法,用于飞机仪表参数的识别。这种算法基于二值图像,先从二值图像中找出各数字的特征,然后再用决策树对这些数字进行分类。该方法不需对图像进行如细化、轮廓跟踪等处理,节省了大量图像处理时间,具有较高的识别速度,因而可用于实时识别。     

一种快速识别飞机仪表参数的算法

提出了一种快速识别阿拉伯数字０￣９的算法,用于飞机仪表参数的识别。这种算法基于二值图像,先从二值图像中找出各数字的特征,然后再用决策树对这些数字进行分类。该方法不需对图像进行如细化、轮廓跟踪等处理,节省了大量图像处理时间,具有较高的识别速度,因而可用于实时识别。     

侧扫声纳目标自动探测研究

为了解决水声图像因受到噪声、多途、混响的影响,使水声图像特征难以提取的问题,针对海底目标的识别,通过对图像处理算法的研究以及大量的实验分析,给出了侧扫声纳图像目标自动识别的有效方法。其中包括图像的增强、二值化、二值开闭操作、特征提取、特征计算及目标识别等内容。通过对面积特征的提取和计算实现了对水下目标的自动探测。     

基于中值滤波和小波变换的织物图像预处理

图像采集过程中不可避免地会受到随机噪声干扰,在对图像进行特征值提取前,需对其进行预处理。根据织物疵点图像随机噪声的类型,提出了一种基于中值滤波与小波变换相结合的织物疵点图像预处理方法。深入研究了小波基的选择、分解层数的确定及小波阈值选取准则,并选用拉普拉斯算子对去噪图像进行锐化,最后利用LabVIEW平台对掉扣图像进行预处理实验。此方法结合了中值滤波去噪与小波去噪的优点,取得了较好的效果。     

基于距离约束稀疏/组稀疏编码的自动图像标注

为解决图像自动标注中的语义鸿沟问题,有效选择并利用图像特征,提出基于距离约束稀疏/组稀疏编码（distance constraint sparse/group sparse coding,DCSC/DCGSC）的2种特征选择算法,并分别应用到图像自动标注任务中。考虑到不同特征基相似性对图像语义相似性的贡献不同,定义了度量二者相关性的距离约束正则项。将该正则项分别集成到稀疏/组稀疏编码的特征选择模型中,使选择的特征在保证稀疏性/组稀疏性的同时,优先选择与语义相似性描述最接近的视觉特征基。利用在训练图像集中学习的特征权值,寻找测试图像的K最近邻（K nearest neighbor,KNN）图像,并通过标签转移实现图像标注。在Corel5K图像库上测试标注性能,集成多特征的DCGSC查准率、查全率和标注正确的关键词个数可达32%、34%和151,优于其他相关标注算法。而对于单特征图像,使用DCSC也能改善标注性能。可见,距离约束对特征选择和图像标注是有效的。     

基于新型Canny算法雷达距离图像边缘检测算法

针对激光雷达距离像的噪声滤波和边缘检测问题,提出了一种结合改进环圈滤波算法和自适应Canny算法的距离像边缘检测算法.通过改进环圈滤波对距离像的噪声进行抑制,在滤除噪声的同时保留了图像的细节特征信息.从梯度幅值计算、非极大值抑制和阀值自动选择3个方面对传统Canny算法进行改进,克服了噪声影响和边缘检测模糊等缺点.实验结果表明,该算法能够可靠的对距离图像进行边缘检测,并且检测结果的信息熵和标准差指标数据优于传统的Sobel算法和Laplace算法,能够较好地满足激光雷达距离像边缘检测的实际需要.     

非接触式带钢表面缺陷检测纹理方向特征分析

带钢表面缺陷图像纹理方向特征分析是否合理,关乎缺陷图像识别的正确率。针对带钢表面缺陷, 提炼描述缺陷图像的纹理特征量,给出检测距离和检测方向角的关系以及缺陷图像纹理特征提取的基本方法。通过带钢表面无噪声和有噪声的裂纹缺陷图像实例分析,提出纹理方向的特征量取最小值,与纹理方向垂直的特征量取最大值;检测距离根据具体情况选取,不易过大或过小;夹杂噪声的缺陷图像分析时阈值取较小值。     

基于改进模拟退火算法的LUT逆半调模板选择

针对影响LUT逆半调图像质量的模板选择问题,提出了一种基于改进模拟退火算法求取最优LUT逆半调模板算法。该算法能对灰度图像逆半调,还扩展至彩色图像逆半调。彩色图像逆半调时,充分考虑彩色图像R,G,B 3通道之间的相关性,将单通道模板扩展为3通道。实验结果表明:本算法寻得的模板具有全局最优性;与传统模板选择算法相比,利用本算法对灰度图像和彩色图像进行逆半调的结果图在人眼视觉效果上更佳,平均峰值信噪比更高。     

一种适用于数据流分类的特征选择方法

数据流环境下的高维、属性冗余、含噪音等问题是经常且可能同时存在的,在一定程度上影响了数据流的分类效果.为改善这一现状,提出一种快速、有效的数据流特征选择方法.引入统计指标IV（information value）值作为特征重要度的评价标准,在此基础上依据经验阈值来进行特征选择,从而解决了传统特征选择方法时空效率不高、区分度不明显、难以应用数据流的问题.实验结果表明:FS-IV具有较小的时间开销和较好的抗噪性能,该方法与已有的数据流分类模型相结合,在保证分类精度可比的情况下,能显著提高时空性能.     

基于多特征集成的鲁棒图像拷贝检测算法

该文提出一种基于多特征集成的鲁棒图像拷贝检测算法。该算法结合局部与全局特征信息,综合时域与频域信号处理,采用级联式检测过滤框架。为了在大规模图像库下提升拷贝检测速度,利用K—D树建立特征索引,便于图像之间的局部点匹配。最后,利用RANSAC算法,剔除错误的匹配对。实验结果证明,该算法对拉伸、平移、旋转、加噪、水彩、滤波和JPEG压缩等攻击具有鲁棒性,并具有较高检测效率。     

基于无人机遥感影像的水体提取方法

针对无人机（UAV）影像水体提取出现的噪声干扰、光谱混淆、分割尺度难把握、无法使用水体指数等问题,提出边缘检测算法结合面向对象方法的新水体提取方法（AUCSN）. 采用各向扩散滤波算法对影像去噪;采用Canny边缘检测算子对去噪后影像进行边缘提取,提取结果与去噪后影像进行波段重组,利用改进的邻域绝对均值差分方差比法对重组影像选取最优分割尺度,开展多尺度分割. 结合水体对象的光谱、形态、纹理特征建立模型,对分割后影像实现水体粗提取. 将粗提取结果利用形态学闭运算填充孔洞,实现水体提取. 实验结果表明,采用AUCSN方法进行水体提取,不仅提高了提取效率,而且提取精度能够达到96%.     

一种对称残差CNN的图像超分辨率重建方法

基于卷积神经网络的图像超分辨率重建方法具有很高的重建性能。但该类方法存在网络参数多、训练难度大,梯度消失和网络退化等问题。针对这些问题,提出一种基于对称残差卷积神经网络的图像超分辨率重建方法。通过将对称融入到残差块中,采用对称连接实现局部特征融合,提取尽可能多的有价值特征;残差块外采用跳跃连接实现全局特征融合,以提高图像的重建质量。该方法使用峰值信噪比和结构相似度作为评价指标,在Set5、Set14和BSD100标准数据集上进行2倍、3倍和4倍因子重建后的结果大部分优于比较方法,平均峰值信噪比和结构相似度值较比较方法均有提高。实验结果表明,该方法重建的图像纹理更清晰,细节更丰富,具有较好的主观视觉效果。