基于交互式遗传算法的园林景观空间环境优化设计

为了提高园林景观空间环境设计效果,提出基于交互式遗传算法的园林景观空间环境优化设计方法。构建园林景观空间环境设计图像的视觉特征空间分布式检测和模糊像素区域特征融合性重构模型,进行园林景观空间环境设计图像的多级特征分解和灰色像素特征分离,建立园林景观空间环境设计图像的视觉特征重构模型,结合分块区域模板匹配方法进行园林景观空间环境设计图像的特征视觉重构和视觉特征空间分布式检测,采用相似度信息融合模型进行园林景观空间环境设计图像视觉重构过程中的园林艺术景观信息融合感知和分块区域模板匹配,提取园林景观空间环境设计图像的模糊特征量,采用交互式遗传算法方法实现园林艺术景观信息融合感知和视觉重构质量评估。仿真结果表明,采用该方法进行园林景观空间环境设计图像视觉重构的质量较好,图像识别精度较高,对园林景观空间环境视觉的艺术特征重构的输出信噪比较高,具有很好的园林景观空间环境设计效果。     

基于融合型深度学习的人体动态特征提取

为了提高对不同运动状态下人体动态特征的分析能力,提出了一种基于融合型深度学习的人体动态特征提取算法。采用图像亮点流形标注方法进行人体图像的动态特征采样,对动态图像采用RGB颜色特征分解方法进行灰度像素二值化拟合处理,采用多尺度小波分解方法实现行人的差异性特征提取,对所提取的人体动态特征量采用深度学习方法进行自适应分类处理,使用融合型卷积神经网络对分类后的动态特征量进行超分辨融合,实现了人体动态特征的优化提取。仿真结果表明,采用该方法进行人体动态特征提取的超分辨性较好,在时间开销和图像识别精度方面具有优越性。     

多阶微分环形模板匹配跟踪方法

基于环形模板结构提出一种新的模板匹配跟踪方法,在匹配准则函数中增加了图像的多阶微分匹配信息,在确保算法具有旋转不变性的前提下,可有效提高算法识别的准确性.匹配模板中的像素按环形结构排列,环形结构的中心对称性确保了算法具有旋转不变性.根据图像的灰度值可计算图像的各阶微分值,匹配准则函数由灰度匹配值和各阶微分匹配值共同构成.微分匹配信息中包含了图像的细节信息的匹配结果,因此可提高算法识别的准确性.仿真结果表明:该方法可应用于序列图像的目标识别,在背景复杂或目标发生较大旋转变化的情况下,该方法的识别性能明显优于传统方法.     

多分辨批量古典建筑图像深度学习检索算法

针对传统的模糊BP分类识别方法进行多分辨建筑图像检索误分率较高的问题,提出了一种基于深度学习神经网络分类和多特征融合的多分辨古典建筑图像检索算法。采用小波降噪方法对模糊图像进行降噪处理,对降噪后的图像采用LGB向量量化算法进行特征分解,采用颜色分量融合方法进行图像的信息增强处理,提取图像的灰度不变矩特征量。将提取的特征量输入BP神经网络分类器中,在检索器的隐含层采用深度学习算法进行图像特征聚类的自适应寻优,进行多特征融合处理,避免聚类中心扰动,实现了对批量多分辨古典建筑图像检索的优化。仿真结果表明,采用该算法进行多分辨古典建筑图像检索的准确性较好,抗类间属性扰动能力较强,图像输出的查全率较高,图像检索的时间开销较小。     

基于视频的果蝇求偶行为识别和运动轨迹跟踪预测

针对人工检测果蝇求偶行为效率低、果蝇轨迹跟踪困难的问题, 提出一种基于视频的果蝇求偶行为识别和运动轨迹跟踪预测的方法。首先采用Ostu法实现图像分割,并使用外接椭圆锁定果蝇目标,根据果蝇位置关系和差值图像灰度均方差进行求偶行为误判筛除; 然后提取果蝇轮廓的形状特征(面积,周长,似圆度等)和7个不变矩特征,并依据特征信息实现果蝇求偶行为的识别; 最后采用卡尔曼滤波和特征匹配的轨迹跟踪方法实现运动果蝇的跟踪预测。实验结果表明,该方法能够准确识别果蝇的求偶行为和运动跟踪预测。     

利用深度和灰度图像实现三维目标的识别与分类

将深度图像和灰度图像相结合,对围绕定轴旋转的三维目标进行了识别与分类。将深度图像作为相位因子,对其进行傅里叶变换,并用其制成三维定向图,用于三维目标的识别和旋转角度的判定;对于灰度图像,采用主分量分析(PCA)的方法,对训练图像进行特征分析。根据深度图像测定的目标角度,对三维目标灰度图像在其所属特征空间进行分解与重构。实验结果表明,综合利用深度图像和灰度图像,可以大大降低目标识别中的误判概率。     

植物景观三维图像边缘锐化方法

针对当前植物景观三维图像表面点自相似性系数较低,边缘锐化效果较差的问题,提出基于色调映射和颜色特征分解的植物景观三维图像边缘锐化方法.采用稀疏线性组合方法进行植物景观三维图像的边缘轮廓特征分解,提取植物景观三维图像的边缘分块特征量;根据植物景观的表面点、细节区域进行植物景观图像超分辨率重构和模板匹配,重建植物景观图像的整体直方图分布模型,采用色调映射和颜色特征分解方法,获得植物景观三维图像边缘锐化表面点自相似性系数.仿真结果表明,该方法获得的自相似性系数较高.     

相关跟踪算法在水下高速运动体识别中的研究

针对水下高速运动体试验图像背景灰度分布不均、信噪比低、对比度下降明显以及图像效果差等缺点,采用一种基于特征相关系数作为相似性度量准则的相关跟踪方法,克服了传统算法易受图像中噪声、局部遮挡等因素影响的缺点,该算法相对于传统算法计算量降低,提高了系统的运算速度.帧间图像像素变化率快,因此仅仅用某种固定的模板进行相关跟踪容易导致失配甚至失去目标,进而又提出一种行之有效的模板更新方法,使得跟踪算法对环境的适应能力和稳定性得到较大提高.实验结果表明,该算法跟踪精度高、速度快、稳定性好,满足实时性系统的要求.     

植物景观三维图像边缘锐化方法

针对当前植物景观三维图像表面点自相似性系数较低,边缘锐化效果较差的问题,提出基于色调映射和颜色特征分解的植物景观三维图像边缘锐化方法.采用稀疏线性组合方法进行植物景观三维图像的边缘轮廓特征分解,提取植物景观三维图像的边缘分块特征量;根据植物景观的表面点、细节区域进行植物景观图像超分辨率重构和模板匹配,重建植物景观图像的整体直方图分布模型,采用色调映射和颜色特征分解方法,获得植物景观三维图像边缘锐化表面点自相似性系数.仿真结果表明,该方法获得的自相似性系数较高.     

融合灰度和非局部空间灰度特征的二维Otsu法

为了克服图像噪声对二维Otsu阈值分割方法性能的影响,采用图像像素的灰度和非局部空间灰度特征构造新的二维直方图,其中像素的非局部空间灰度特征是通过对与当前像素具有相似邻域结构的像素灰度加权平均得到的。将此直方图引入到快速二维Otsu阈值分割方法中,可得融合灰度和非局部空间灰度特征的二维Otsu阈值分割法.实验结果表明改进算法对图像噪声具有一定的鲁棒性,在含噪图像上的分割结果比较理想。     

基于人工智能技术的人脸图像局部细节信息识别研究

为了提高人脸图像局部细节信息识别能力,提出基于人工智能技术的人脸图像局部细节信息识别方法.提取不同表情下的人脸图像,结合多区域融合聚类分析方法进行不同表情下的人脸动态特征提取,建立人脸图像的边缘轮廓特征检测模型;采用相似度特征分析方法进行不同表情下人脸图像的鲁棒性重构;提取不同表情下人脸图像的模糊度辨识特征信息,通过多...     

一种改进的水下偏振图像融合算法研究

针对传统图像融合算法造成的对比度低、细节信息模糊等问题,提出了一种改进的基于二维离散小波变换的图像融合算法.利用光强度相机和分焦平面相机同时对水下运动目标进行探测,获得光强图像和偏振图像.将计算得到的偏振度图像和偏振角图像先进行简单的融合处理,再将融合后的偏振特征图像与光强图像采用改进的二维离散小波变换进行分解,得到低频分量和高频分量.对于低频部分,提出一种基于区域方差加局部能量相结合的图像融合算法;高频部分采用一种基于Sobel算子的图像融合算法.最后将低频分量与高频分量进行二维离散小波重构,得到结果图像.仿真结果表明,与传统图像融合算法相比,该算法获得的融合图像有效地拉升了目标与背景的对比度,增强了水下图像视觉效果,有利于准确识别水下运动目标.     

基于小波变换与特征提取的红外弱小目标图像融合

当前红外单波段数据不能全面反映图像细节以及轮廓信息,弱小目标成像后难以抵抗背景干扰,使得图像产生较低的信噪比。因此有必要利用不同波段数据的纹理差异性,通过互补融合方法提高图像的信噪比。基于此,提出一种基于小波变换与特征提取的融合方法。首先将多源图像进行多尺度二维分解,获得各图像的低频信息与高频信息,在此基础上,高频信息采取绝对值取大的融合方法,低频信息采取加权求平均的融合方法,进而重构图像。然后,利用特征提取方法得到中波与长波特征图像。最后对重构图像与红外中长波特征图像进行对比度调制再融合。融合结果与多种融合算法进行对比。实验结果表明,该算法能够增强图像中弱小目标的灰度,可以很好地识别目标,解决了图像中弱小目标抗背景干扰的问题。     

纵横切割的碎片文件复原方法

为了实现对规则纸质碎片的快速复原,提出基于碎片边缘像素的特征匹配算法.该算法通过分析规则碎片图像的边缘像素点,构建二维灰度向量;通过引入像素灰度相似度指标,构建基于规则图像碎片边缘像素点的灰度值二维匹配向量,建立像素点二维灰度匹配的数学模型;在进行碎片图像的横向匹配时,引入行约束条件以减少纵向误差,同时,对列匹配进行优化,最终实现对规则纸质碎片的快速匹配.仿真实验显示：在对209块中文(英文）规则碎片进行匹配时,采用该方法分别只需21次（34次）人工干预调整,即可实现碎片文件的完整复原.     

人脸特征点跟踪及夸张人脸动画系统

为了研究视频中人脸特征点的跟踪问题,根据人脸特征点的不同特征,提出了不同的跟踪方法.对于眉都等特征点,利用光流跟踪方法,用拉普拉斯金字塔图代替了通常的灰度图作为光流输入图,减少了累积误差,提高了光流跟踪的准确性;对于嘴部特征点,将光流与弹性图匹配相结合,通过光流预先得到大致位置,减小了弹性图匹配时的搜索范围,提高了跟踪速度;对于眼部特征点,采用图像二值化方法进行跟踪.通过MPEG-4机制将跟踪到的运动数据克隆到系统根据真实人脸特点生成的夸张人脸上进行动画,具有很强的娱乐色彩.     

移动机器人检测与跟踪系统的研究与设计

从智能控制与模式识别方法和传统控制理论相结合的思想出发，提出了一种自主移动机器人对运动目标检测和自动跟踪的识别与控制方法.建立了基于连续图像帧差分和二次帧差分的改进的图像HSI差分模型，给出了运动目标的特征分析和计算方法.通过特征匹配识别所需跟踪目标的区域，采用Kalman预报器对运动目标状态进行一步预测估计和两步增量式跟踪，可以快速平滑地实现移动机器人对运动目标的跟踪驱动控制.以移动机器人对汽车桩考的全过程进行监控为例，给出了移动机器人视觉检测识别和跟踪控制系统在汽车桩考中的应用.     

基于感兴趣区域灰度统计量的颅脑CT图像检索

针对目前只限于特定任务的医学图像检测方法,根据颅脑CT图像的特点,给出了将感兴趣区域灰度统计量作为参数检索图像的方法.首先利用区域生长法提取CT图像中的全局感兴趣区域颅脑,采用分块的方法将全局区域划分成多个子区域,以获得局部灰度空间信息,使整幅图像的检索转变为对各子区域的识别.进一步提取每个子区域的灰度统计量平均值、均方差和三阶矩作为特征,检索时将示例图像特征与特征库中的特征按照欧几里得距离进行相似性匹配.实验结果表明,该方法可查找出在相同位置具有相似病理特征的颅脑CT图像.     

基于多源大数据分析的图像特征智能识别模型

针对图像受噪声影响导致特征识别精度下降的问题,提出了基于多源大数据分析的图像特征智能识别模型。根据改进的自适应二维中值滤波法,对所有小窗口内像素排查,过滤噪声,若检测到未被噪声污染的像素则直接输出,在单尺度模糊数学基础上,利用三高斯模型经过迭代处理均匀图像亮度值,将邻域中心点灰度取值分解为实部、虚部,提取局部二值特征和Brushlet特征,将邻近两个像素灰度值作减法运算,根据启发因子与灰度梯度最大值,智能识别图像特征。仿真实验结果表明：所提模型在图像不清楚情况下能均衡调节分辨率,且保证信息完整,识别结果精准有效,抗噪能力强。     

基于移动增强现实技术的复杂场景视频图像多目标跟踪

复杂场景视频图像多目标跟踪过程中在环境干扰下检测准确性不好,为了提高复杂场景视频图像多目标跟踪能力,提出基于移动增强现实技术的复杂场景视频图像多目标跟踪方法,构建复杂场景视频图像的3维成像模型.采用边缘特征分割和Harris角点特征检测方法进行复杂场景视频图像的多维尺度分解,构建目标图像的3维成像模型,采用灰度信息重构...     

台风图像快速匹配算法研究与实现

在图像模板匹配问题中,目前基于像素灰度值的相关算法都还存在有时间复杂度高、对图像亮度与尺寸变化敏感等缺点.为克服这些缺点,提出了一种基于图像灰度值的编码表示方法.这种方法将图像分割为一定大小的方块(称为R-块),计算每个R-块图像的总灰度值,并根据它与相邻R-块灰度值的排序关系进行编码.然后通过各个R-块编码值的比较,实现图像与模板的匹配.算法中各个R-块编码的计算十分简单;匹配过程只要对编码值进行相等比较,而且可以采用快速的比较算法.新算法对像素灰度的变化与噪声具有鲁棒性.实验结果表明,新算法比现有灰度相关算法的计算时间快了2个数量级.