用平板扫描仪及图像处理方法检测大米粒型

提出并用区域跨度定义了米粒粒长及粒宽,即定义米粒区域的最小跨度为米粒粒宽,与此跨度方向垂直的方向上的米粒区域跨度为米粒粒长.根据此定义,通过搜索米粒区域跨度的办法搜索米粒粒长及粒宽,再由米粒粒长及粒宽求出大米粒型.由于此定义与人工对米粒粒长及粒宽的测量方式是一致的,因此,基于此定义的大米粒型检测方法的检测精度高.利用平板扫描仪及图像处理方法检测大米粒型的实验结果表明:用该定义对大米粒型的测量结果相对于人工测量结果的相对误差为1.03%,且该检测方法具有米粒旋转不变性检测的特点.     

基于饱和度的异色米粒检测方法

提出了一种基于饱和度的异色米粒检测方法.该方法由于利用米粒的一维饱和度特征将米粒分成正常白米粒和异色米粒两大类,因而,可通过一个分类阈值同时检测出米粒中的各种异色米粒.由于利用正常白米粒和异色米粒两类饱和度特征优化了分类阈值,而且还通过扫描式区域增长的办法来提高单个米粒的饱和度特征,因而,可在群米粒中检测出单个异色米粒,且检测精度高.实验结果得出:该方法对异色米粒检测的检测精度为97.8%.     

一种区域分离方法及其在米粒检测中的应用

针对计算机视觉技术中米粒靠接在一起不利于大米的分级检测,采用图像处理分离靠接在一起的米粒融合区域,提出了基于扫描式区域增长的区域分离方法。该方法充分利用了单个米粒图像区域为凸性区域这一几何特点,通过区域增长的方法在图像中寻找由凸性米粒靠接在一起所形成的融合凹性区,并从凹处将融合区域分离开来。由于利用了米粒区域的几何特征来分离融合米粒区域,因此分离工作的自适应性强。大米垩白粒率的检测实验结果表明：该方法分离融合米粒区域的成功率达到了100％,而且检测结果与人工检测结果基本一致。     

相干区域长轴的快速估计方法及其应用

相干区域的长轴作为复相干系数间最长的连线,反映了复干涉相干系数线性变化趋势,因此在基于相干散射模型的极化干涉森林应用中具有重要研究意义。针对遍历搜索方法估计长轴效率低、精度受采样间隔限制的不足,该文提出一种相干区域长轴的快速估计方法。该方法将相干区域外切矩形的切点连线作为长轴的初始估计,利用逼近技术求解长轴。为提高森林高度估计性能,该文还提出一种应用长轴信息反演森林参数的方法。松树林的极化干涉仿真数据的结果表明,快速估计方法运行时间远低于遍历搜索方法,且长轴估计精度高于遍历搜索方法,利用长轴信息估计的森林高度更接近于仿真森林高度。     

高分辨率SAR 图像道路交叉口检测与识别新方法

道路交叉口是道路网的重要组成部分,对GIS 数据更新、影像匹配、目标检测等具有重要作用。由于受各种干扰以及道路与周围地物对比度不明显等影响,传统道路交叉口检测方法很难应用于高分辨率SAR 图像。该文提出一种直接检测识别道路交叉口的新方法。该方法先根据交叉口的灰度特征,利用形态学变换,全局搜索交叉口候选区域中心点位置|然后以此为局部窗口中心,采用多阈值Otsu分割出各个局部窗口内道路目标|接着根据交叉口的几何特征,通过矩形旋转得到角度均值图,获取与交叉口相连的道路个数,最终识别出交叉口的类型。使用1 m 机载高分辨率SAR 图像进行实验,结果证明该方法可有效提取出各种干扰下的交叉口目标。      

基于色彩局域旋转搜索的区域融合方法及应用

报道了一种基于局域旋转搜索的目标区域融合方法。该方法可在搜索目标区域的同时，对那些搜索出的互不连通的各部分目标区域进行融合处理。由于融合处理只在局域范围内进行，因而处理的像素少，并可在1次局域旋转搜索过程中同时实现对目标区域的搜索及融合处理。该方法已有效地应用于彩色图像跟踪之中，实验在350MHz主频的微机上完成，系统的图像处理速度为20frames／s，相对于CCD的25frames／s图像采集速度，图像跟踪率为80％。     

一种基于RGB颜色空间和随机矩形区域的显著性检测方法

提出了一种基于RGB颜色空间和随机矩形区域的显著性检测方法.该方法以R、G、B作为图像特征,然后随机产生不同位置和大小的矩形区域,并统计每个矩形区域内各像素特征值与该区域的特征均值之间的距离,再综合所有矩形区域和所有特征得到最终的显著图.因不需进行颜色空间转换,可大幅减少计算时间;同时,RGB颜色空间三通道的亮度变化比较一致,使得在特征融合时能够充分利用所有特征的信息,因而取得了更好的检测效果.实验结果表明该方法能更快速、更有效地检测出图像中的显著性区域.     

矩形和（椭）圆区域目标的分类识别

研究了矩形与(椭)圆形区域目标的分类识别问题,详细阐述了区分矩形和(椭)圆形区域目标的方法和步骤.在二值图像中存在着不同角度和尺寸的矩形与(椭)圆形区域目标,通过两种目标的面积、周长与其边界框对应参数的关系很好地区分了矩形和(椭)圆形目标,并给出目标的中心位置、长度(或长轴长)、宽度(或短轴长)、周长、面积及最小惯性轴的角度等重要几何参数.该方法直观,且具有旋转、平移、尺度不变性.     

分布式MIMO雷达多目标定位

在多个目标的情况下,分布式MIMO雷达需要对不同观测通道中的参数进行配对来实现多目标定位,文中在已有的映像搜索配对法的基础上,提出了一种集中区域搜索配对法。在多目标分散情况下,该方法改善了映像搜索配对法搜索区域大,计算时间长等缺点,能够较快地定位目标。仿真结果表明,该方法在多目标分散,雷达截面闪烁的情况下能快速有效地对多目标进行定位。     

Automatic Detection Method of Line Scratches in Old Film and Video

在数字视频修复系统中,准确的损伤检测算法是有效去除损伤的前提.首先介绍旧视频资料中条带损伤的特点,然后提出1种条带损伤的自动检测方法,该方法通过搜索图像的局部极值点形成Blob区域,并根据条带自身的特征对Blob区域加以约束并从中提取出真正的条带.实验结果表明该检测方法对各种类型的条带损伤均有很好的检测效果.     

基于判别核窗宽的掌纹识别方法

提出了一种新的判别 核窗宽方法,进而研究了基于判别核窗宽的KPCA和LPP在掌纹识别中的应用。首先根据训练 样本和类标签计 算类内核窗宽和类间核窗宽;在分类密集区选择较小窗宽,在分类稀疏区选择较大窗宽,可 以有效提取数 据的关联特征;然后运用基于判别核窗宽的KPCA和LPP方法提取低维特征向量,计算特征向 量间的余弦 距离进行掌纹匹配;最后运用PolyU掌纹图像库,对本文算法进行测试。实验结果表明,与 传统算法相比, 本文算法的识别率最高,识别时间小于0.6s,验证了方法的有效性 。     

利用重心原理的图像目标最小外接矩形快速算法

提出了一种基于重心原理的求取目标最小外接矩形的快速算法寻找主轴法。利用重心原理确定水平主轴与垂直主轴的初始位置和旋转中心，根据水平主轴确定目标的初始外接矩形，在水平主轴和垂直主轴构成的锐角区域内，旋转外接矩形，找到面积最小的外接矩形，作为寻优目标。该算法利用重心原理确定的主轴初始位置非常有效，缩小了搜索区间，减少了整个寻优过程中的旋转次数，并且仅旋转用直线方程表示的主轴，大大减少了运算量，有效提高了运算速度，可以快速找到目标的最小外接矩形。     

基于表面等离激元的谐振腔侧面耦合MDM结构波导滤波器色散关系及透射谱

研究了一类L形和矩形谐振腔侧面耦合MDM结构亚波长表面等离激元滤波器的色散关系和透射谱。研究结果表明等效折射率的实部和虚部在短波部分变化较大,在长波部分（800 nm-2000 nm）趋于稳定值,传播距离随着波长的增加和介质层厚度的增加均增加,当波导宽度在50 nm以上时,SPPs的传播距离在所研究的波长范围为4-9 um,可以满足纳米光子器件的尺寸要求;通过对侧面 型谐振腔和矩形谐振腔耦合的透射谱研究表明在保持腔体总长度不变的情况下,两种耦合方式所产生的光谱曲线完全相似,说明禁带的出现只与谐振腔的长度有关系,对集成光子器件的研发具有一定的参考意义。     

基于多峰分布最大类间方差的垩白米粒检测方法

采用一种基于多峰分布最大类间方差(Otsu)方法检测垩白米粒。首先利用垩白米粒图像的灰度分布具有多峰分布这一特性,应用数理统计方法进行多峰分布度测度。然后根据垩白米粒图像中垩白部分具有白色不透明这一物理特征将垩白米粒图像的灰度级分成3类,通过使用最大类间方差法确定两个分割阈值,并且检测出大米中垩白部分面积。由于使用了区域控制分割,使得最大类间方差阈值的确定具有自适应性和准确性特点。实验结果表明,本文采用的方法对垩白米粒检测正确度为97.4%,效果好于基于形态学分水岭的检测算法。     

基于最小二乘支持向量机的图像边缘检测研究

本文研究了基于最小二乘支持向量机(LS-SVM)的图像边缘检测技术,利用LS-SVM对图像像素邻域的灰度值进行曲面拟合,通过采用多项式核函数、高斯核函数推导出图像的梯度和零交叉算子,并结合梯度算子和零交叉算子实现了图像边缘定位.通过实验获取了不同核函数的最佳卷积核的大小,同时采用遗传算法对不同核函数的参数进行寻优以获得最佳的边缘检测性能.通过与Canny方法的实验比较,验证了本文提出的边缘检测方法是有效的.     

基于特征融合的图像目标显著性检测方法

为了凸显图像中的感兴趣目标,提出了基于特征融合的图像目标显著性检测方法。首先通过提取可见光图像不同尺度空间的不同特征,利用区域协方差理论融合尺度空间之间串接的不同特征,然后结合全局核密度估计体现图像的全局显著性,实现局部和全局特征融合的图像目标显著性检测。仿真结果表明,无论主观评价,还是客观指标,新方法均优于当前流行的图像显著性检测方法。     

An adaptive KPCA approach for detecting LDoS attack

Low‐rate denial‐of‐service (LDoS) attack sends out attack packets at low‐average rate of traffic flow in short time. It is stealthier than traditional DoS attack, which makes detection of LDoS extremely difficult. In this paper, an adaptive kernel principal component analysis method is proposed for LDoS attack detection. The network traffic flow is extracted through wavelet multi‐scale analysis. An adaptive kernel principal component analysis method is adopted to detect LDoS attack through the squared prediction error statistics. Key parameters such as the parameter of the radial basis function, the number of principal components, and the squared prediction error confidence limit are adaptively trained with training data and updated with the network environment. Simulation is accomplished in NS‐2 environment, and results prove the favorable LDoS attack detection efficiency by the proposed approach. Copyright © 2015 John Wiley & Sons, Ltd.     

基于协方差矩阵的复杂背景中目标检测

在视频的运动目标检测中,有很多经典方法,但是大部分都不能完整地从复杂背景中检测出运动目标。提出了一种运动目标检测的新算法——协方差矩阵算法,它集成了像素级和区域级2种不同的层次。在像素级中,空间的属性主要来之于像素的坐标值、亮度、纹理和梯度等。在区域级中,通过计算一个像素周围矩形区域的协方差矩阵来表示像素间的特征相关性。实验结果表明,该方法具有较强的鲁棒性,明显优于传统的目标检测算法。