基于类间距离和准则的镜头分割

镜头切换检测是视频检索研究领域中一项基本的、重要的技术.然而传统的镜头边界检测方法都只考虑了视频相邻两帧的信息,没有充分考虑到视频序列中前后的连续性,从而容易导致误检测.基于此,提出了一种基于类间距离和准则对镜头边界进行检测的新方法,该方法能够充分利用视频序列中的连续性信息,克服传统镜头边界检测方法的不足,有效地提高了检出率及精确率.大量实验表明,该方法是行之有效的.     

二维最大类间方差和遗传算法在红外图像分割中的应用

为了改善红外图像的分割效果,将二维最大类间方差算法应用于红外图像分割,通过二维最大类间方差算法选取阈值将红外图像分为目标和背景,并结合遗传算法,利用遗传算法搜索最优解的能力,加快二维最大类间方差算法寻找阈值的速度,提高分割效率.     

基于DCT域加权最大类间边缘准则的模式识别

本文提出一种加权最大类间边缘准则(WPMMC)特征提取算法,它是最大类间边缘准则(MMC)的一般形式;同时证明了这种新的特征提取方法在DCT域的提取结果与空间域足相同的.对于JPEG格式的压缩域图像,WPM-Mc直接在DCT域应用,可以省去计算IDCT的过程.最后,在人脸识别系统中检验这种基于DCT和WPMMC的特征提取方法.实验结果表明WPMMC方法比PEA、IDA和MMC方法提取的特征更为有效;保留部分DCT系数的识别结果略高于保留全部DCT系数和在空间域应用WPMMC方法的识别结果.     

基于改进型类间方差分割的红外目标提取算法

文章对最大类间方差法进行了改进,利用计算图像类间方差的约束条件,通过构造罚函数,把求最大类间方差问题转换为求带约束条件的函数最优解问题,再用迭代法对图像进行分割,从而有效地弥补了最大类间方差法对图像噪音和目标大小敏感不足。仿真实验结果表明,该方法效果良好。     

基于遗传最大类间方差值选择的研究

目前对图像的阈值选取进行了改进,其中最大类间方差算法是使用最多的方法之一。该文在对该方法进行分析的基础上,采用改进的大津法,结合遗传算法的优点进行全局寻优,提出了一种改进的最大类间方差值的选取算法,能自动进行最大类间方差阈值的更优选取。实验表明,该方法对图像双峰问题有较好的效果,有效地解决了背景色和目标色的交叉现象。     

基于最大熵的灰度阈值选取方法

图像分割是图像处理中的一个重要问题。在最大类间方差法和一致性准则法的基础上，运用最大熵原理来选择灰度阈值对图像进行分割。实验结果表明，本算法确定的阈值具有更佳的分割效果。     

基于二进制粒子群的图像分割算法

基于最大类间方差的分隔方法思想简单、稳定有效,对于简单图像的分割效果良好。为了改善对复杂图像的分割效果,将算法推广到多阈值分割法;针对计算复杂度问题,引入二进制粒子群算法来解决,提高了算法的求解性能。通过对图像分割的实验,证明了算法的可行性和有效性。     

基于最大类间方差法的天空图像云空识别模型

准确的云空辨识对提高光伏发电功率超短期预测精度具有重要意义。首先针对由全天空成像仪采集的一系列天空图像进行预处理,然后提取样本图像的灰度矩阵,最后根据所提取的灰度矩阵建立基于最大类间方差法的天空图像云空识别模型。为验证本文提出的云空辨识模型的有效性,利用云南地区光伏电站中全天空成像仪(Total Sky Imager,TSI)采集的图像进行测试验证,与固定阈值法处理效果对比的结果表明,在复杂天气情况下面对不同分布特性的云团,本文提出的基于最大类间方差法的云空辨识模型更为准确、高效。     

基于改进遗传算法的图像分割

为了快速准确地确定图像的最佳分割阈值,提出了一种改进的遗传算法.该算法通过完善选择机制、引进父子竞争机制和使用二元变异算子进行变异操作,有效地解决了遗传算法的收敛速度慢和种群过早成熟的问题.实验结果表明:采用改进遗传算法对图像搜索阈值时能收敛至全局最优解,并且大大缩短寻找最优阈值的时间,取得良好的分割效果.     

基于形状先验与轮廓预定位的目标分割

针对单帧图像中特定目标的分割一直面临着由于背景复杂和光照变化等因素带来的分割精度偏低的问题,提出一种基于轮廓预定位的先验局部二值拟合(local binary fitting,LBF)算法,用于人体上肢图像的分割.首先,利用浅层卷积神经网络对上肢形状模板进行筛选和预定位,得到分割目标的粗轮廓曲线;然后,利用基于先验形状的LBF算法对粗轮廓曲线进行演化,得到分割目标的精确轮廓曲线.实验结果显示算法的成功率在90%以上,表明该方法对于背景复杂和光照变化情况下的特定目标分割具有良好的效果.     

轮廓跟踪与边沿检测的图像自动识别

讨论了轮廓跟踪和边沿检测两种技术在图像自动识别中的应用,指出检测后的边缘点不一定都在图像的边界上,会影响下一步的分析和处理,需要进行轮廓跟踪来将边缘点连成一条连续的边界.提出了一种轮廓跟踪的详细算法,通过寻找适当的起始点坐标,解决了图像边缘点被错误提取的问题.     

基于计算机视觉的空瓶检测系统

为了利用数字图像处理技术实现空瓶缺陷的自动检测,对啤酒瓶缺陷的光学特征进行了分析,研究了检测过程中的图像获取、图像预处理、图像分割、缺陷识别、外围设备通信控制等关键技术,实现了一个适用于实验室环境的、基于计算机视觉的小型空瓶缺陷在线检测系统.实验结果表明,该系统可有效地检测出有缺陷或异物等不合格空瓶.     

基于轮廓跟踪的泡罩药品缺陷检测算法

检测泡罩包装中的药片是否存在形状缺陷,需要提取药片图像边缘轮廓。"爬虫"法是基本的边缘跟踪方法。提出一种基于有记忆的变窗"爬虫"轮廓跟踪的缺陷判别方法,利用封闭轮廓曲线的密集度指标,"爬虫"跟踪的陷阱和边缘分支,设置"爬虫"中止变换的窗口大小,可快速实现缺陷的预判,从而有效地提高后续缺陷识别过程的工作效率。     

一种新的活动轮廓模型图像分割方法

局部二值拟合模型利用图像的局部邻域信息拟合能量函数,局部二值拟合模型相当于对活动轮廓内外进行局部均值滤波,因此该模型对高斯噪声有一定的抗噪性,但是该模型对椒盐噪声污染的图像不能取得令人满意的分割结果。为了提高活动轮廓模型对椒盐噪声的鲁棒性,结合局部二值拟合模型中的局部拟合项,提出一种能消除椒盐噪声影响的新的局部拟合项。提出的拟合项的能量函数极小值是局部区域的中值,新的拟合项相当于对活动轮廓内外进行局部中值滤波,中值滤波对椒盐噪声不敏感。原模型中边缘停止函数是基于图像梯度信息,难以区分图像不同区域间模糊的弱边缘和灰度渐进图像目标,并且容易受到各类噪声的影响,抗噪声能力弱。提出一种新的边缘检测算子,重新定义边缘停止函数,进一步提高模型的抗噪性,降低高斯噪声和椒盐噪声对分割结果的影响。为了保持活动轮廓在演化过程中的稳定性,在曲线演化迭代过程中必须周期地初始化以使水平集函数重新变成带符号的距离函数,但重新初始化的计算量大。引入一个惩罚能量,解决水平集函数在演化过程中的重新初始化难题。对不同噪声污染的图像进行试验的结果表明,提出的模型可以取得较好的图像分割结果,比CV模型、LBF模型和LIF模型更具有优势。     

基于分布匹配的主动轮廓模型及其图像分割算法

针对运动目标跟踪的快速性和鲁棒性要求,提出了基于分布匹配的主动轮廓模型,该模型将模板和候选区域的分布匹配标准——相对熵(即Kullback-Leibler距离)作为主动轮廓的外部能量,使用目标和背景全图像的匹配,克服了跟踪过程中噪声的影响。同时根据匹配力构建帧内和帧间的运动向量,加快了序列图像分割速度。相比于现有的基于边缘、块匹配、区域匹配的主动轮廓模型,该模型具有更好的噪声鲁棒性及在跟踪过程中容忍目标旋转和较大位移的能力。实验验证了该模型的有效性。     

非经典感受野的朝向和对比度特性在轮廓提取中的应用

对于普通的复杂背景图像的边缘检测方法,在检测出主体轮廓的同时也保留了背景的纹理,不利于检测出主体的轮廓.根据生物视觉感知的特性,模拟出复杂细胞感受野的响应函数,然后提出了一种基于朝向和对比度特性的非经典感受野抑制模型,从而得到了清晰的轮廓.仿真实验证明,该方法在提取物体轮廓的同时有效地抑制了背景的纹理,提高了轮廓提取的正确率.     

基于HMAX模型和非经典感受野抑制的轮廓提取

针对图像里处于复杂纹理背景中物体的轮廓提取正确率低的问题,首先研究了基于非经典感受野抑制的轮廓提取算法和HMAX模型,然后利用HMAX模型所具备的具有基本视皮层功能结构的优点,弥补了前者所依据的生物学视觉结构比较简单的不足,最后提出并实现了基于HMAX模型和非经典感受野抑制的轮廓提取算法。通过与Canny算子和非经典感受野抑制的轮廓提取算法的评估比较,表明本文算法有效提高了轮廓提取的正确率。     

基于改进的局部二值拟合主动轮廓模型的指静脉图像分割

对应用于图像分割的局部二值拟合(LBF)模型进行改进,提出一种加权全变分局部二值拟合能量泛函分割模型。改进后的模型在加权全变分分量中加入边缘停止函数,使得模型对边缘信息更加敏感,解决了指静脉图像对比度低、不易分割的问题。同时模型中采用正则化约束项,避免水平集函数的重新初始化,缩短了演化时间。对合成图像和真实指静脉图像的分割实验结果表明,本文模型比LBF模型具有更强的边缘细节分割能力,且不易陷入局部收敛,更加适用于指静脉图像的分割。     

基于公共标志点的三维点云拼接方法研究

针对目前在处理公共标志点配准所面临的算法复杂性高、自动化程度低等问题,提出了一种公共标志点自动配准方法。首先获取基准点对,通过比对各个标志点到基准点的欧式距离来匹配标志点;再利用罗德里格参数进行变换矩阵求解,实现两组点云的粗拼接。为避免最近点迭代算法陷入局部最优,采用粗拼接后两组点云的交集作为初始位置。通过在不同视角下进行拼接实验和精确拼接的误差可以看出,其明显优越于传统的拼接方法。结果表明,该方法快速有效,拼接精度高。