基于MSER的弹孔识别算法的研究

研究了基于最大稳定极值区域(Maximally Stable Extremal Regions,MSER)的弹孔识别算法。用基于积分图像的阈值自适应算法对MSER算法改进(MSER-I),以提取弹孔候选区域。通过透视变换确定胸环靶及背景区域,排除胸环靶外部的弹孔候选区域。对于胸环靶内弹孔候选区域,利用弹孔特征排除非弹孔区域,根据报靶记录,排除靶面已报过的弹孔区域,实现对新增弹孔的识别。实验结果表明,该算法满足报靶精度及实时性要求。     

基于BZX-1系统的自适应图像处理快速算法设计

提出了基于BZX-1系统的实时图像处理的快速自适应算法本算法由快速图像分割、快速弹孔识别和快速成绩计算3个模块组成。快速图像分割模块的功能是用削波投影算法，从靶位图中分割出胸环靶；在快速弹孔识别模块中，基于图像区域聚类，设计了自适应模糊弹孔识别算法；快速成绩计算模块是利用从参考圆心到弹孔点的灰度跃变计算环数。     

基于改进Fast MBD显著性检测和多特征融合匹配的靶纸区域快速检测算法

为了解决基于机器视觉的自动报靶系统快速、准确定位靶纸区域的问题,通过对靶纸图像的颜色和形状特性分析,提出一种基于改进Fast Minimum Barrier Distance显著性和多特征匹配的靶纸区域快速检测算法。该算法在原始Fast Minimum Barrier Distance显著区域提取算法的基础上,引入局部区域对比度先验和形状先验作为显著性区域提取的补充准则。同时,为了判断提取到的区域是否包含靶纸,再引入多特征匹配算法。首先,分别对图像边界连通先验、局部区域对比度先验和形状先验进行量化,形成距离图、对比度图和形状图,再结合三者分割出显著性目标区域,然后提取分割出的各目标区域的多种特征,并将其进行特征融合,最后利用1-范式将得到的目标特征与模板特征进行匹配,把匹配结果小于阈值的目标视为靶纸。在400张包含靶纸图像数据集上的实验结果显示了该算法的有效性。同时,在华为海思平台上,该算法处理速度能达到30帧/秒,足以证明该算法的实时性。     

基于颜色相似性度量的弹孔识别方法

针对现有自动报靶系统对弱小弹孔目标识别能力差的缺点提出了一种新的弹孔识别方法。该方法以彩色图像为数据源,在分析弹孔成像的基础上采用颜色相似性概念对弹孔的特征进行描述。然后,以3×3的方形区域为基本的比较单元对射击前后两帧靶面图像的变化情况进行量化表示,并提取出满足人眼识别阈值的区域。最后,依据对弹孔特点的分析结果从这些区域中提取出满足弹孔特征的区域。实验结果表明：和现有方法相比,该方法充分利用了彩色图像包含的丰富信息,对与背景颜色相似程度低于98%的弹孔实现了有效识别,且符合人眼视觉生理特性。     

改进的边缘特征点提取算法

对一种基于图像几何重心的特征点提取算法进行了改进。改进后的算法可以提取任何边缘线上凹凸处的特征点。其基本思想是,首先提取图像的边缘轮廓线,计算封闭边缘线和非封闭边缘线的几何重心。然后以重心为极点,对边缘点极坐标化,形成幅角-极径曲线,在该曲线上寻找局部极大极小值点。最后根据局部非极大（小）抑制原则对极大（小）值点进行取舍获得特征点。模拟结果表明算法计算简单、稳定性好。该方法提取的特征点能准确地反映目标的形状,对目标的识别、跟踪以及三维表面重建等都具有重要的价值。     

基于融合特征的行人再识别方法*

行人再识别过程中,由于姿势和光照等因素的变化使不同相机中所得行人的外形具有明显变化,较难提取不变性特征,导致识别率偏低.鉴于此种情况,文中提出基于融合特征的行人再识别方法,提取的特征包括HSV颜色特征、颜色直方图特征及梯度方向直方图特征,行人再识别过程分为训练阶段和识别阶段.在训练阶段,首先对训练图像集中每幅图像进行特征提取,然后利用典型相关分析获得2部相机拍摄同一行人的图像特征之间的相关性,生成相关性矩阵.在识别阶段,首先对参考图像集和测试图像集中每幅图像进行特征提取,然后将各自特征向量利用相关性矩阵进行变换,最后进行相似度度量,得到识别结果.在3个图像库上的实验表明,文中方法可以提高行人再识别的识别率.     

基于色彩和边缘特征的图像检索方法

为了改善基于内容的图像检索的效果和提高其检索效率,提出一种基于色彩和边缘特征的图像检索方法。首先将RGB图像分成几个子图像的形式,然后,对于每一个子图像提取其色彩特征和边缘特征,其中边缘特征的获得采用了瞬时保持（MP）边缘检测技术。将这两种特征结合在一起使用,可以实现准确快捷的图像检索。实验结果表明,该方法在检索精度和检索效率上都高于Cheng的两种方法且所用的时间分别为Cheng的方法的10%和3%,检索精度提高近20%。     

基于车牌色彩变化特征的车牌定位方法*

针对复杂背景下的车牌定位问题,提出了一种基于车牌色彩变化特征的车牌定位方法。该定位方法将RGB彩色空间中的车牌图像转换到HSV彩色空间中进行颜色识别,分割出车牌底色及字符颜色相对应的颜色区域,同时通过边缘提取、二值化处理、与运算找到对应颜色边缘特征点,最后经纹理分析来定位车牌。     

一种提取航拍图像中线特征的方法

提出一种提取航拍图像中线特征的方法.首先利用canny算子检测出图像的边缘,再利用改进的层进式hough变换对得到的边缘图提取线特征.仿真表明该方法能有效地提取出目标的线特征,有利于目标的准确识别.     

一种基于彩色边缘综合特征的图像检索算法

图像特征的提取与表达是基于内容的图像检索技术基础。边缘是重要的视觉感知信息,也是图像最基本的特征之一,其在图像分析和理解中有重要价值。文中以视觉重要的图像边缘轮廓为基础,提出一种基于彩色边缘综合特征的图像检索算法。该算法首先利用Canny检测算子提取出原始图像的彩色边缘轮廓。然后构造出能全面反映边缘轮廓内容的3种直方图,即加权颜色直方图、角度直方图和梯度方向直方图。最后综合利用上述3种彩色边缘直方图计算图像间的内容相似度,并进行彩色图像检索。仿真实验表明,该算法能够准确和高效地查找出用户所需内容的彩色图像,并且具有较好的查准率和查全率。     

基于空间特征的图像检索

提出一种新的基于空间特征的图像特征描述子SCH,利用基于颜色向量角和欧几里得距离的MCVAE算法共同检测原始彩色图像边缘,同时利用一种新的“最大最小分量颜色不变量模型”对原始图像量化,对边缘像素建立边缘相关矩阵;对非边缘像素使用颜色直方图描述局部颜色分布信息;然后,利用新的sin相似性度量法则衡量图像特征间的相似度。实验采用VC++6.0开发了基于内容的图像检索原型系统“SttImageRetrieval”,基于Oracle 9i数据库建立了一个综合型图像数据库“IMAGEDB”。实验分析结果证明,利用SCH描述子的检索准确度明显高于仅基于颜色统计特征的检索结果。     

综合颜色特征与形状特征的图像检索算法

由于小波变换具有良好的局部特性与多尺度特性,能多尺度逼近边缘,这使得它在图像奇异性检测和特征提取方面得到了广泛的应用。采用二次样条二进小波变换进行边缘检测,用边缘梯度方向直方图表示图像形状特征,用颜色直方图表示图像颜色特征,提出了综合颜色特征和形状特征的图像检索算法。实验结果表明,该算法不仅具有较好的检索性能,而且对图像中存在的光照变化和几何变化（尺度、平移、旋转等）具有较强的鲁棒性。     

基于混合颜色模型的枪弹外观缺陷分割

为实现枪弹外观颜色缺陷快速、自动、准确分割,提出一种基于混合颜色模型的枪弹外观缺陷分割方法.分析统计正常光照条件下弹体和颜色缺陷图像特征,获得统计规律,提取颜色特征,分割颜色缺陷,对感兴趣的局部弹体图像进行由RGB到HSI的颜色模型转换,利用色调H分量进一步分割缺陷,使用数学形态学优化分割结果,定义缺陷平均分割率和平均偏差量化分割结果.实验结果表明,该方法在弹体缺陷分割的应用中表现出较好的准确性和鲁棒性.     

基于彩色图像分割的高温辐射体识别方法

准确识别待测目标是利用CCD图像传感器进行高温测量的关键.本文在对高温辐射体彩色图像的噪声特点进行分析的基础上,提出一种基于彩色图像分割的高温辐射体识别方法,通过对红、绿基色图像分别进行分割来减小甚至消除高温辐射体图像的各种噪声,然后综合红、绿基色图像分割结果实现高温辐射体的准确识别,并运用数学形态学方法对分割结果进行后处理以消除游离点和孔洞,使图像边缘平滑;实验表明,该方法可以有效地实现高温辐射体的正确识别,具有较强的实用性.     

基于支持向量机的多特征彩色图像边缘检测

针对在特殊领域中彩色图像边缘检测,不仅需要准确地检测到目标边缘而且需要去除非目标边缘,提出了一种新的支持向量机多特征彩色图像边缘检测方法.这种方法根据彩色图像边缘的特点,在图像亮度和色度通道上结合像素加权梯度值和像素邻域相关信息构建多维特征向量,通过训练的支持向量机可以准确识别出目标边缘.实验结果表明,该方法比传统边缘检测方法具有更好目标边缘识别能力.     

基于彩色信息的尺度不变特征变换图像特征点提取与匹配

针对将彩色图像转化为灰度图像后再进行特征点提取与匹配会丢失彩色信息,可能导致误匹配这一问题,采用一种基于彩色信息的SIFT特征点提取及匹配算法(CSIFT)以实现彩色图像的特征点提取及匹配,结合目标的颜色特征与几何特征,以颜色不变量作为输入图像,再提取特征点并描述特征点周围的信息,通过最近邻匹配法求出图像间的匹配对。实验将该算法应用于视觉里程计中,对相机所拍的相邻两帧图像进行了特征点提取及匹配,并比较了该算法与传统SIFT算法的差异。实验结果表明该算法是有效的。     

基于边缘和颜色特征的图像检索技术

提出了一种综合运用边缘和颜色特征进行图像检索的方法.该方法首先利用Matlab实现基于数学形态学的多结构元的边缘提取,并通过圆环划分法在HSV空间上量化得到颜色直方图,然后根据边缘和颜色特征的不同特性,采用不同的分块方法提取图像特征,突出了目标重要性的同时又兼顾了颜色的旋转不变性.本文根据该方法设计并实现了一个基于边缘和颜色特征的图像检索系统.实验结果表明,综合运用边缘和颜色特征进行图像检索,可显著提高图像检索系统的查全率和查准率.     

基于边缘颜色对的车牌定位新方法

车牌定位是车牌自动识别系统中的一个关键问题．该文提出了一种新的基于边缘颜色对的车牌定位方法．首先进行彩色边缘检测，然后以每一边缘点为中心，垂直于边缘方向取一线形窗口，在窗口内检测边缘点两侧像素的颜色是否分别匹配车牌的底色与字符颜色，若是，则保留为候选车牌边缘点；然后进行形态滤波，剥离不符合车牌结构特征的区域，最后对候选车牌区域进行纹理特征的分析以确定真实车牌区域．该方法抓住了车牌背景与字符具有固定颜色搭配的重要特点，综合利用了车牌的结构特征和纹理特征，提高了车牌定位的可靠性．对各种条件下拍摄的163幅含有车牌的图像应用该算法，定位准确率达到98．2％。