图像分割技术及其在路面开裂损坏识别中的应用

研究了一种基于神经网络的图像分割技术，并将其应用于路面识别。该方法通过分析路面的照片，根据路面图像灰度与纹理的特征来判断路面损坏的类型、面积和严重程度，得出路面状况指数，具有速度快、数据质量高、方便等优点，远远优于目前的人工调查方法。     

基于内容的图像检索技术与系统

对图像检索的过去、现在和未来进行了分析,论述了每个阶段的研究特点,对基于内容的图像检索的主要研究技术进行详细和全面的论述,介绍了典型的基于内容的图像检索系统,通过综述指出了目前研究中存在的主要问题并指出了今后的研究方向。     

基于统计模式识别的真假印鉴图像模拟分类

介绍一个模拟分类真假印鉴图像的计算机实现系统。在该系统中，标准印鉴和被测印鉴的图像采用二值图像模拟输入，经过对两种二值图像进行配准，获得两者之间的最佳配准关系系数，采用统计模式识别的方法对被测印鉴的直假进行分类。     

基于Prewitt算法的图像分割法及其应用

基于直方图均衡化技术，提出了一种对Prewitt图像分割方法的改进算法，应用错分概率准则对上述两种方法进行了对比评价。实验结果表明提出的算法比Prewitt方法有更好的分割效果，简述了提出的方法的几种应用。     

基于图像处理和模式识别的网络图像监控系统

随着科学技术和生活水平不断的提高,人们的财产和人身安全问题已经不仅仅来自于传统的经验,而是逐渐的转变到虚拟的网络当中;为此,提高人们的隐私安全和财产安全需要加强网络监控,其中图像监控是较为主要的方面;加强图像监控的可靠性和实时性,是实现社会稳步发展和人民网络隐私安全的首要目标;应用计算机网络技术和现代化通讯技术相结合,综合图像处理技术和模式识别技术的应用,设计应用于网络图像监控系统是当前社会发展的安全技术保障之一;文章通过对图像监控进行简析,阐述图像处理技术和模式识别技术的相关方面,探讨研究网络图像监控中图像识别和处理方面的技术;通过对图像处理中的色彩均化和模糊识别实验,得出其对于网络中传播的图片辨识度和提取信息能力具有很高的发展。     

基于数学形态学的边缘检测和图像分割方法

本文提出利用数学形态学对图像进行边缘检测和图像分割，与传统的方法相比较，该方法不仅可滤除图像中的噪声，而且通过改变结构元的大小、方位、形态能够将不同的目标图像提取出来。     

基于TFD联合要素的图像分类

文中提出了基于时间频率分布联合要素的非平稳时间序列信号的分类方法,其结果显示：对于非平时间序列信号,基于时间频率分布联合要素的分类法比单独基于时间或频率分布要素的方法处理效果好。     

基于SOM神经网络的颜色图像分割

1.引言基于内容的图像检索(Content-Based Image Retrieval)已广泛应用于生化、军事、文化、教育等领域。其原理是利用图像自身的特征,如颜色、纹理、形状及对象空间关系等信息,建立图像的特征矢量以进行检索。它与传统的基于文本的图像检索相比,能够更充分地利用图像的语义信息。在CBIR方法中,用户检索时通常可以提供样本图像,检索系统将该样本图像同图像库中的图像按一定方法进行比较,将与样本图像相似的图像返回给用户。     

模式识别及其在图像处理中的应用

模式识别是人类的一种基本智能,在日常的生活中人们经常使用模式识别智能,随着计算机时代的到来,基于计算机的模式识别学科迅速得到发展。本文就简单讲解一下模式识别在图像处理过程中的具体应用。     

基于神经网络的遥感图像分类

针对传统的遥感图像分类方法分类精度低的缺点,提出了一种基于神经网络的分类方法。实验结果表明,这种基于神经网络的分类器经过训练后,可应用于遥感图像的分类,其分类精度明显高于传统的最大似然分类法。     

基于数字图像处理技术的微小群孔快速检测系统

传统小孔检测方法适用于单个小孔的测量,检测微小群孔时效率低。针对微小群孔快速检测的需求,设计了一种基于数字图像处理技术的微小群孔快速检测系统,提取图像骨架,用模式匹配算法识别群孔,采用最小区域法逐个获取各个小孔的直径与圆度,引入真圆度信息判别各小孔的形状。实验表明：该系统精度满足生产要求,检测效率高,适用于微小群孔的快速检测。     

基于数字图像处理技术的实时检测系统*

基于在线检测系统与图像处理算法的研究,提出了一种适用于在线检测的快速胶片弊病检测算法。采用了红外光对胶片成像,并通过CCD相机采集图像信号送入计算机,通过平滑滤波、边缘提取及累加判别等处理技术,实现了对胶片弊病的识别与检测。现场调试运行表明,在卷片机车速2070 m/min的条件下,该系统运行稳定,对于黑白胶片的各种典型弊病能够正确检测,并能忽略掉胶片上可以接受的微小瑕疵,满足了实际生产的需要。     

基于图像处理技术的混凝土路面裂缝检测方法

为了提高公路混凝土路面病害的检测效率,采用图像处理技术实现了路面裂缝的自动识别和病害参数的自动提取。首先通过阈值分割法检测出路面裂缝,根据线性和网状裂缝图像背景连通域数量的差异,采用区域标记法计算背景连通域的数量实现了裂缝分类;其次根据线性裂缝几何形态的差异性,通过投影法实现了横、纵和斜向裂缝的细分;最后对线性裂缝提取裂缝骨架并细化求出其长度、平均宽度等病害参数;对于网状裂缝通过求其最小外接矩形计算其破损面积。     

基于机器视觉的加工误差在线检测系统设计

针对加工零部件人工误差检测高劳动强度、低效率的问题,以及被检测工件的特殊形貌,设计了一套加工件装配过程在线检测系统,将基于计算机的非接触式视觉检测技术引入到工业生产线中。利用CCD相机捕捉工件表面形貌图像,结合图像噪声去除、边缘提取、阴影检测、模式特征句法分析、模板匹配等技术,在线检测工件生产流程中出现的误差。实验结果表明所设计的系统降低了操作人员的劳动强度,提高了零部件误差检测效率。     

基于视频图像处理的交通事件检测系统

针对目前公路事件发生后不能及时有效检测与报警、事故处理延迟等不足,研究开发了一种基于视频图像处理的交通事件检测系统。利用计算机视觉与数字图像处理技术,对设置在公路上的摄像头采集的视频图像,进行事件检测算法智能处理,自动采集各种交通参数,检测交通事件并及时报警,可有效地减少交通延误,防止二次事件发生,保障道路安全。与传统交通事件检测系统相比,具有直观方便、费用低等优点,拥有良好的市场需求和实用价值。     

嵌入式气体检测系统及其图像分析算法

针对传统气体检测方法的不足,提出了基于嵌入式和卟啉阵列传感器的气体快速检测系统及其图像分析算法。该系统通过USB接口的摄像头采集待测气体与卟啉阵列传感器反应前后的RGB图像信息,再由图像处理算法得到图像中每个卟啉点的颜色变化信息,最后通过模式识别算法得到待测气体种类和浓度。重点研究了检测系统的结构及软件功能的设计,给出了针对卟啉阵列传感图像的图像处理算法及与标准数据库匹配的模式识别算法。通过对氨气等气体进行试验,结果表明该系统及其分析算法能够很好地识别出气体的种类和浓度。     

基于传统图像处理算法和YOLOv4的水位识别方法研究

水位监测是水利建设的重点问题,为及时掌握水情、预防洪涝灾害,提出了一种智能图像水位识别系统解决方案。对多种情况下的水尺图片利用传统图像算法进行图像预处理后,使用基于YOLOv4的深度学习水位识别算法,对采集的图像进行训练,实现水位自动识别。实验结果表明,基于YOLOv4的深度学习水位识别算法能够有效的通过水尺图像读取当前的水位,算法误差仅在1~2cm左右,符合工程水位监测误差要求。     

基于边缘检测的噪声图像压缩编码方法

基于小波变换的图像压缩算法在含噪图像和较低码率时出现的边缘模糊现象多年来一直未能得到很好的解决,为了解决这一问题,提出一种基于边缘检测的噪声图像压缩编码方法。首先,对图像进行小波边缘检测,确定哪些小波系数是图像的边缘特征,将其保护起来;然后,对小波变换域系数采用软阈值收缩方法实现去噪;最后,利用等级树集合分裂算法(SPIHT)算法对图像进行压缩编码。实验结果表明,本文提出的方法不仅能获得较高的图像压缩率、较好地去除噪声,而且能在一定程度上解决边缘模糊问题。     

一种基于动态图像处理的邮件检测方法

利用动态图像处理技术,设计了一种实时处理的邮件检测算法。采用了一种快速的中值滤波算法进行降噪处理,提出了一种简洁的边界提取算法,可以快速地提取出单像素边界。然后以自适应多直线匹配的方法实现两帧图像的配准,并利用差分图像信息实现邮件图像的提取,最后计算出邮件的相关参数。仿真实验表明,该算法能有效检测出运动状态下邮件的相关参数,实时性良好。     

基于图像处理及降噪的局部放电图谱智能识别方法

局部放电检测是目前电力设备状态评价的主要手段,得到广泛应用推广。由于缺陷图谱的复杂性及现场干扰的多样性,传统的局部放电模式识别方法正确率低,训练时间长。针对上述问题,本文提出了一种基于图像处理技术及数据深度稀疏降噪的电力设备局部放电图谱智能识别方法。首先,运用图像处理技术对检测得到的图谱进行预处理;然后利用深度稀疏降噪自编码器进行数据稀疏降噪;最后对得到的有效去噪的数学模型,利用极限学习机(Extreme Learning Machine, ELM)网络,实现对局部放电的智能分类和识别。利用在变电站现场实测数据对本方法进行验证,证明本方法对含有多样干扰的局部放电信号有更好的识别效果,能很好适用于目前的电力设备图像信息模式识别应用当中。