基于纹理特征的合成孔径声纳图像目标检测研究

随着成像声纳技术的发展,声纳图像的目标检测与识别逐渐成为数字图像处理领域的一个重要研究课题。合成孔径声纳图像含有丰富的纹理特征,而灰度共生矩阵具有丰富的特征参数,可以从不同的角度对纹理进行细致刻画。采用灰度共生矩阵可以描述合成孔径声纳图像纹理方面的特征,通过计算灰度共生矩阵在方位向和距离向的能量、相关性、对比度和熵值,并构造特征向量,可以对合成孔径声纳图像中的目标进行准确检测。从实验结果可以看出,基于纹理信息可以准确实现合成孔径声纳图像的目标检测。     

一种基于灰度差阈值的快速车牌定位方法

智能交通系统(ITS)在现代交通中扮演了越来越重要的角色,车牌识别是智能交通管理中一个重要的环节,车牌识别由预处理、车牌定位、字符分割和字符识别组成,本文从预处理和车牌定位入手,提出了一个运算简单、运行速度快的车牌定位方法。采用图像灰度差阈值生成二值图,利用汽车牌照字符和底色的纹理特征找到车牌位置的新方法。     

一种内容时变的显微细胞图像清晰度度量方法

清晰度度量对于细胞扫描系统具有重要的意义.对于同一内容的图像,清晰图像的边缘相对模糊图像具有较大的灰度变化率的特征.对于内容时变的图像,运用图像灰度梯度方法来度量清晰度并不适用.本文提出了一种内容时变的显微图像的清晰度度量方法.通过实验验证,该方法速度快,计算量小,可靠性高.     

基于.NET平台的岩屑图像灰度化方法研究与实现

岩屑图像分析是石油地质研究的一项重要技术手段,岩屑图像灰度化是岩屑图像分析处理的初始步骤,阐述岩屑图像灰度化的基本原理,介绍将采集到的岩屑彩色图像转化为灰度图像的方法,并给出基于.NET平台的具体实现程序。     

基于特征融合与降维的印刷套准识别方法

目的针对单一方面特征难以准确表达印刷标志套准状态的问题,研究印刷标志图像多维特征提取、融合和降维的印刷套准识别方法。方法提取印刷标志图像的灰度共生矩阵、Tamura纹理特征、灰度差分统计特征和灰度梯度共生矩阵表达其纹理,并采用主成分分析法对融合后的多维特征进行降维处理,得到主特征。将印刷标志图像的主特征数据分成训练集和测试集。支持向量机模型通过对训练集的学习确定模型参数,然后在测试集上验证模型的性能。结果文中建议方法在测试集上的识别准确率为99%,训练集对支持向量机模型的训练时间为1.9327 s,模型在测试集上的识别时间为0.0307 s,模型的总体时间(训练时间和识别时间之和)为1.9634s。结论文中建议方法优于采用单一方面特征的识别准确率;同时在不影响识别准确率的情况下,优于未PCA降维方法的模型训练时间、识别时间和总体时间。     

工件表面低对比度缺陷快速准确识别方法

针对工件表面低对比度缺陷,提出一种基于图像网格的灰度统计分析识别新方法,首先构造利用空域和值域信息的滤波方式,对原始图像进行处理;然后对图像进行网格划分,并对网格图像的灰度值熵统计分析,实现对缺陷目标的识别。实验结果表明:对低对比度缺陷识别准确率达到97.1%。     

一种新的声呐图像处理算法

针对高频声呐图像的目标检测问题,在分析声呐灰度图像像素点的灰度分布模型的基础上,提出了一种新的快速图像处理算法。该算法利用图像中各像素点处滑动窗内像素点的灰度分布模型的参数以及灰度分布模型和归一化灰度直方图的拟合误差为特征量,构造声呐图像的特征图,并采用自适应阈值算法进行图像处理。仿真结果表明该算法具有实时性好、准确度高的特点,并且可有效地克服背景干扰的影响,有利于人造目标的准确提取。     

基于曲面主曲率的人耳结构特征提取方法

针对人耳识别问题,提出了一种自动提取人耳解剖学结构特征点的方法.首先对包含耳廓区域的侧脸图像进行预处理消除噪声和毛刺现象;然后把2D灰度侧脸图像看作是一个曲面,则利用曲面上位于边缘处的灰度变化较大,因此该位置的曲率就会大于周围灰度变化平坦位置处的曲率的性质,求曲面的最大主曲率和最小主曲率;最后通过自动阈值分割对两幅曲率图像进行阚值化,并进行融合得到耳廓解剖学特征边缘信息.实验表明,用该方法提取的结构特征边缘曲线光滑、连通性好,不受光照强度变化的影响,满足下一步识别的要求.     

声呐图像背景区域灰度统计特性分析与拟合

利用声呐进行水下目标定位识别是当前水下目标识别与跟踪的重要手段之一,由于声呐图像受噪声影响严重、分辨率低,对声呐图像的背景建模有助于其目标分割与识别。首先,分析声呐图像背景区域灰度的统计特性,结合其特点采用高斯分布、Gamma分布、威布尔分布、瑞利分布模型对6类不同背景区域声呐图像统计特性进行拟合,构建声呐图像背景区域模型。最后,采用?2准则和Kolmogorov距离误差评价准则评估拟合效果。拟合结果表明,高斯分布、Gamma分布和威布尔分布均能较好地逼近声呐图像背景区灰度统计特性。为满足实时性的应用需求,选用高斯分布构建声呐图像背景灰度统计模型是可行、合理的方案,从而为声呐图像预处理和目标分割提供了背景模型建模的理论依据。     

声呐图像背景灰度分布特性分析及模型研究

在图像声呐滤波、分割以及目标识别中,像素灰度分布特性及其模型的选择与建立具有非常重要的作用。针对当前声呐图像背景灰度分布模型研究尚不够深入的现状,分别采用威布尔分布和瑞利分布模型对声呐图像背景区域像素点灰度分布进行了仿真验证。结果表明,威布尔分布较瑞利分布来说能够更好地逼近图像声呐灰度分布曲线,且具有较强的自适应性。但在某些情况下,可采用瑞利分布替代威布尔分布,以提高运算效率。     

基于局部灰度特征的纸张计数算法研究

针对目前在印刷及包装行业板纸机械式计数存在的噪声大、效率低、对板纸有损伤等不足,设计了基于局部灰度特征的纸张计数算法并实验验证了该算法的计数效果。该方法从板纸图像的列灰度特征出发,绘制板纸列像素灰度值变化曲线,对列像素灰度连续做减法,以找到纸张与纸张间隙灰度变化的跳变点,对得到的灰度差曲线做二值化处理,最后根据所找到的跳变点进行计数,并依据纸张宽度剔除干扰的标注点,以使计数结果更加准确。实验结果表明:该方法对于纹理单一、灰度对比明显的纸张,其计数效果理想,准确率高,达9 7%以上;且由于该算法从灰度图像列灰度特征入手,对一维数据进行处理,因此运行速度快,效率高,能满足实时快速处理的要求。     

一种基于颜色和灰度跳变的车牌定位方法

通过对现在的车牌定位方法进行研究,提出了一种粗细相结合的车牌定位方法,即利用颜色特征和灰度跳变结合来确定车牌位置,首先利用车牌的颜色特征将车牌可能区域从整幅图像中确定,然后将经过图像处理技术和基于ostu二值化方法初步定位的图像变为差分图,根据白色点数来确定灰度跳变次数,再根据灰度跳变来确定车牌的具体位置.实验结果表明：这种方法对车牌的定位较为准确,对噪音的抗干扰性强,定位速度快,符合实时性的要求.     

一款高频弧形换能器

多波束图像声纳广泛应用于水下工程实施、浅海地貌测绘、蛙人和水雷等水下小目标的探测识别,高频弧形换能器是多波束图像声纳的重要组成部分,用于发射高频宽波束声波.通过理论公式计算了宽波束高频弧形换能器的指向性图,分析了指向性特征：主波束内存在连续的震荡起伏,震荡幅度由中心向两侧逐渐增大,在波束边缘处出现最大值,波束中心幅值比最大值减小1~2 dB左右.采用1-3型压电复合材料,研制了一款宽波束发射的高频弧形换能器,换能器谐振频率为440 kHz,最大发送电压响应为162 dB,-5 dB水平开角为107o,-3 dB垂直开角为26o,可应用于多波束图像声纳.     

一种零件综合质量评定方法研究

零件的质量评定是柔性智能制造中十分重要的环节。现有的自动化识别装置一般采用非人工接触的光学检测系统,但由于工况环境复杂,诸多干扰因素均会影响零件质量检测与评定的准确性。另外,工业现场的连续作业对工控机硬件的运行速度、光学检测系统的环境适应性以及质量评定算法的预测准确性都提出了更高的要求。基于此,提出一种基于机器视觉与机器学习的零件综合质量评定方法。首先,借助机器视觉技术完成被测零件图像的实时采集与处理,并利用灰度匹配算法与几何匹配算法对零件的图像与CAD（computer aided design,计算机辅助设计）机械加工图进行比较,求解得到灰度匹配分数与几何匹配分数这2个几何特征参数。然后,针对零件表面的缺陷（如划伤、磨损、边缘缺料及锈蚀等）,在图像预处理（灰度化、图像增强、高斯降噪和二值化）的基础上,求解得到图像灰度的均值和标准差这2个表面缺陷特征参数。最后,借助主成分分析（principal component analysis, PCA）对零件的四维特征数据集进行降维处理,并利用K最近邻（K-nearest neighbor, KNN）算法对降维后的数据集进行训练和预测,完成零件综合质量评定;在此基础上,比较KNN算法与其他机器学习算法的准确率、召回率和特异度等指标,以验证其可行性。实验结果表明,所搭建的光学检测与处理系统在不同光源条件下的识别准确率达到96.15%以上;当相机的快门时间设定为100 μs时,该系统的图像处理速度达到45.2 帧/s。所提出的零件综合质量评定方法具有较高的准确率与处理速度,适用于复杂工况下零件的综合质量评定。     

纹理特征自适应的全息水印算法

目的在保证算法鲁棒性的同时最大化实现水印的不可见性,自适应地选择水印的嵌入区域,并根据图像特征嵌入不同强度的水印信号。方法利用分块的思想,根据载体图像灰度共生矩阵二次统计量下的各特征参量选择纹理复杂度最高的区域,通过模糊C均值聚类实现对纹理特征的定义,再利用灰度直方图分析各分块的纹理强弱,将不同强度的光全息加密水印信号自适应嵌入至图像小波域的对角分量。结果水印的不可见性得到显著提高(PSNR=49),且图像在滤波、噪声、剪切和旋转等操作下提取的水印内容依旧可被清晰识别。结论文中算法在确保鲁棒性和安全性的同时,极大地提升水印的不可见性。     

基于IRP和TD2DPCA的轴承故障诊断方法EI北大核心CSCD

针对轴承振动信号的非平稳特征和现实中难以提取故障参数的情况,提出了一种基于图像的轴承故障诊断方法即基于递归灰度图(Improved Recurrence Plots,IRP)和双向二维主成分分析(Two directional,Two dimensional Principal Component Analysis,TD2DPCA)的轴承故障诊断法。该方法对递归图(Recurrence Plots,RP)中阈值选取的问题进行了优化,提出了IRP算法,对采集到的轴承振动信号进行IRP分析,生成递归灰度图;然后用TD2DPCA对生成的递归灰度图进行特征参数提取,得到系数编码矩阵;最后采用分类器对上述编码矩阵直接进行模式识别,以实现轴承故障的自动化诊断。将该方法应用在轴承4种典型工况的故障诊断实例中,识别率高达99.8%,结果表明:基于IRP和TD2DPCA的轴承故障诊断方法能够自适应的对轴承进行故障诊断,具有故障识别精度高、噪声鲁棒性好等优点,为轴承振动诊断探索了一条新途径。     

基于云模型编码算法的图像消噪研究

为了提高图像消噪的质量,采用云模型编码算法.首先通过正态云发生器产生云滴;接着正云滴映射为图像中大于平均灰度的像素,负云滴映射为图像中小于平均灰度的像素,不同云滴的编码则表示不同的像素的灰度特征;然后根据编码规则将图像子块分为平滑块和非平滑块,平滑块区域保持其增强质量;最后给出了基于云模型编码算法的图像消噪模型和算法流程.实验仿真显示该文算法对图像消噪效果最好,能以较大概率找到全局最优解.     

大视场线阵CCD图像灰度均匀化

针对大视场线阵 CCD 图像不均匀现象,提出了一种基于图像像素灰度补偿的均匀化方法。首先分析并计算线形目标上不同坐标位置的微小面元在线阵CCD上产生的辐射照度,并由此推导线阵CCD面元上不同像素灰度值与中心像素灰度值之间的关系,进而建立大视场线阵CCD像面上像素的灰度补偿模型,实现大视场线阵CCD图像快速均匀化的目的。对大量线阵 CCD 采集的高速路面图像进行了处理,结果表明我们提出的方法具有较强的可行性、鲁棒性和实用性。     

区域灰度分布耦合相似判定策略的图像匹配算法

目的为了解决当前因图像匹配算法主要依靠提取图像的特征属性矢量进行度量,从而利用其对应的相关系数最大的点进行匹配时导致匹配结果中存在较多的错误匹配点以及匹配误差变大的问题。方法提出区域灰度分布耦合相似判定策略的图像匹配算法,首先利用Forstner算子来提取图像的特征点,以特征点为中心,采取建立极坐标系的方法来确定特征点的主方向,通过特征点邻域的灰度特征来生成低维度的特征描述子;然后引入归一化互相(NCC)函数对特征点之间的相似度进行评估,建立矩形窗口特征点双向匹配规则,完成特征点的匹配,以提高特征点之间的匹配准确度和算法鲁棒性;最后,根据正确匹配特征点组成的三角形具有相似性的特征,设计相似判定策略,对错误匹配点进行剔除,以改善匹配精度。结果实验结果表明,与当前图像匹配技术相比,文中匹配算法具有更高的匹配精度与效率,有效降低了特征点的误匹配率。结论所提图像匹配技术具有较高的配准精度,在图像伪造、包装条码识别等领域具有一定的应用价值。     

小波域鲁棒自适应灰度水印盲算法

提出了一个有效的基于图像特征的小波域灰度水印盲算法。该算法使用灰度图像作为水印,将水印信息进行 Arnold 置乱加密和小波压缩后,利用相邻特征平均值和奇偶判决法嵌入载体图像的二阶小波变换域中的低频子带上。实验结果表明,该算法具有好的透明性和强的鲁棒性。