基于显著计算与自适应PCNN的图像融合方法

针对多尺度变换的图像融合对低频系数进行简单的加权平均处理时,不能很好地保护源图像中的显著信息的问题,提出一种将视觉显著计算的结果作为自适应脉冲耦合神经网络的链接强度,通过脉冲耦合神经网络指导多尺度图像融合中低频系数融合的方法。首先对源图像进行形态非抽样小波分解,得到低频系数和各尺度的高频系数,对低频系数采用显著计算与脉冲耦合神经网络的融合规则,高频系数选取绝对值较大者,最后通过反变换得到融合图像。实验结果表明,该方法在一定程度上保留了源图像中的显著信息,改善了互信息、信息熵、平均梯度和边缘保持度等融合指标。     

基于灰度特征聚类的图像自动分割方法

脉冲耦合神经网络是一种新型神经网络,该网络无需训练,根据脉冲耦合神经网络相邻神经元同步点火特性,提出了一种基于灰度特征聚类的脉冲耦合神经网络图像分割方法,利用脉冲耦合神经网络点火捕获特性,实现了对特征的自组织聚类,克服了以往基于统计方法对于相邻灰度影响的考虑,弥补了空间不连贯灰度区域分割成离散块的缺点.针对目前对网络参数的选取还主要停留在人工调整和确定阶段,对参数的选取进行了分析,并对迭代终止条件进行了研究.通过实验,证明分析结果是有效的.     

基于双目视觉的目标识别与定位

给出一种双目视觉系统结合SURF(Speeded Up Robust Feature)特征的目标识别与定位方法,分析了采用SURF特征实现目标识别的方法,利用双目视觉的原理求取识别出的目标物体的三维坐标信息,从而实现目标物体的识别与定位,与传统的基于SIFT(Scale Invariant Feature Transform)特征或基于颜色形状特征的目标识别与定位方法相比,该方法更具有鲁棒性和实时性.实验结果证明了该方法进行目标识别与定位的可行性,具有一定的应用价值.     

QR Code在多种类物体识别与操作中的应用

提出了一种基于QR Code的多种类物体识别和操作方法.家庭环境下物体种类繁多,形状各种各样,颜色也不尽相同,使用传统的图像处理的方法很难将目标物从背景图像中准确地分割出来.针对不同物体设计相应的QR Code标签,将对物体的识别转化为对QR Code标签的识别,可以大大减小计算量,提高识别精度和速度;同时还能够将足够多的操作信息(如抓取力、抓取位置等)记录在QR Code中,方便机器人实现对物品的准确操作;QR Code标签的定位由训练的基于Haar-like特征的层叠推进分类器检测实时图像来实现,实验表明该方法可以快速识别出目标物,具有很好的适用性和鲁棒性.     

QR Code在多种类物体识别与操作中的应用

提出了一种基于QR Code的多种类物体识别和操作方法．家庭环境下物体种类繁多，形状各种各样，颜色也不尽相同，使用传统的图像处理的方法很难将目标物从背景图像中准确地分割出来．针对不同物体设计相应的QR Code标签，将对物体的识别转化为对QR Code标签的识别，可以大大减小计算量，提高识别精度和速度；同时还能够将足够多的操作信息（如抓取力、抓取位置等）记录在QR Code中，方便机器人实现对物品的准确操作；QR Code标签的定位由训练的基于Haar-like特征的层叠推进分类器检测实时图像来实现，实验表明该方法可以快速识别出目标物，具有很好的适用性和鲁棒性．     

基于双向特征金字塔和深度学习的图像识别方法

图像物体识别与检测(图像识别)是计算机视觉领域的一个基础性任务.近年来,深度神经网络等推进了图像物体识别的发展.多尺度问题是图像识别的难点问题之一.引入特征金字塔是解决图像多尺度物体识别的有效途径之一.然而,现有基于特征金字塔的方法大多采用自上而下的语义特征信息融合方式,无法提升大尺度物体识别的精确率.为解决该问题,提...     

基于活跃度的脉冲耦合神经网络的苹果腐烂分割方法

基于现有的机器视觉技术,针对水果的腐烂检测受到水果形状、大小、颜色影响而提取困难的问题,以苹果为研究对象,在机械自动化采摘时提出基于信息融合技术的苹果腐烂识别检测方法,检测苹果腐烂区域以便后续进行自动化处理。为了较好地分割苹果腐烂部分,提出一种基于活跃度的脉冲耦合神经网络图像分割算法,选择采用两个位置像素的联合概率密度定义的灰度共生矩阵,不仅描述了像素灰度信息,还描述了灰度空间分布信息,可以有效用来度量图像的复杂程度,较好地实现苹果腐烂分割。应用结果表明,采用改进的脉冲耦合神经网络图像分割算法较好地实现了苹果腐烂区域检测。     

互信息在图像检索中的应用

提出了一种新的相似性图像检索方法,它利用信息熵理论,分别对图像的颜色、形状和纹理特征进行描述,给出一个综合的相似性匹配算法。该方法首先分割图像,把一幅图像划分为若干子区域,抽取图像的主要形状和统计其所含的角度信息;然后利用信息熵计算图像之间的颜色、形状和纹理互信息。试验结果表明与其他方法相比,新的相似性图像检索方法具有更好的图像检索效果。     

基于特征抽取和模式识别的工件智能检测系统

以工件为对象,研究开发了适合于工业应用的视觉算法,在图像的预处理,特征抽取和识别等方面做了深入探讨。重点介绍了形状分析和形状特征抽取算法。链码分析和傅立叶描绘子相结合是本文一大特色。理论分析和实验表明本方法是一种有效快速的高精度图像边界频谱特征的抽取方法。     

基于Kinect传感器的机器人室内环境检测方法

针对移动机器人室内环境检测问题,提出了一种基于Kinect传感器的目标物体检测方法.利用Kinect传感器采集的视频图像和深度数据来实现对机器人工作环境中已知特征目标物体和完全未知目标物体的检测及定位.对于已知特征目标通过颜色特征分析来完成检测,而对于完全未知的物体则通过深度地面消除算法和提取深度图像的轮廓来进行检测.利用传感器成像模型对检测出的目标区域进行三维空间定位,从而获取目标物相对于机器人的空间位置信息.基于移动机器人平台进行实验,结果表明,该方法能够有效地实现室内环境信息的检测及定位.     

Feature-Based Fusion of Dual Band Infrared Image Using Multiple Pulse Coupled Neural Network

To improve the quality of the infrared image and enhance the information of the object, a dual band infrared image fusion method based on feature extraction and a novel multiple pulse coupled neural network (multi-PCNN)is proposed. In this multi-PCNN fusion scheme, the auxiliary PCNN which captures the characteristics of feature image extracting from the infrared image is used to modulate the main PCNN, whose input could be original infrared image. Meanwhile, to make the PCNN fusion effect consistent with the human vision system, Laplacian energy is adopted to obtain the value of adaptive linking strength in PCNN. After that, the original dual band infrared images are reconstructed by using a weight fusion rule with the fire mapping images generated by the main PCNNs to obtain the fused image. Compared to wavelet transforms, Laplacian pyramids and traditional multi-PCNNs, fusion images based on our method have more information, rich details and clear edges.     

一种基于神经网络提取图像特征的图像检索方法

脉冲耦合神经网络是新一代的人工神经网络,具有优良的自适应图像分割和自适应图像特征提取能力。本文有机的运用自适应图像分割和自适应图像特征提取,提出了一种新的图像特征———空间自适应类直方图,它既包含了图像的空间位置特征,又包含了图像的灰度特征。最后,我们把空间自适应类直方图与传统的基于共生矩阵的图像纹理特征组合作为图像的特征应用于图像检索。大量实验表明本文方法的有效性。     

基于神经网络方法的手写体数字识别

利用神经网络技术对无限制手写体数字进行识别。在选取合适的特征基础上，对图像进行分域处理，每一小域对应输入层的一个神经元。测试结果表明，该识别方案具有很强的抗畸变、抗旋转能力。     

基于小波变换和径向基神经网络的签名识别

主要研究利用小波变换和径向基神经网络进行签名图像的分类识别.它包括不同签名图像和相似签名图像的分类识别.所提出的方法包括小波域的图像特征提取和利用径向基神经网络的模式分类.采用小波的多分辨分析方法对签名图像进行时频分析特别有效.熵和能量相关特征的概念用于小波域.径向基神经网络具有快速的收敛速度和分类能力.实验仿真证实了...     

一种基于小波矩的图像识别方法

研究了一种基于小波矩的图像目标平移、缩放和旋转不变特征提取算法,将不变特征提取算法与BP神经网络结合,组成一个图像识别系统.目的在于提高图像处理的质量,这种方法有更好的实用性.在这个系统中,利用小波矩不变量不仅可以得到图像的局部特征,还增加了对图像结构精细特征的把握能力强的优点,把提取的图像目标平移、缩放和旋转不变特征馈人BP神经网络,完成有监督的不变性模式识别.在实验中,利用该方法对无噪、有噪图像,特别是相似物体图像进行识别,可获得98％的正确识别率;并且将其与一般不变矩特征的算法获得的实验数据进行了对比分析.实验结果表明,该方法在图像识别准确率和抗噪性能上都有较大的提高.     

利用RBF神经网络识别切屑形态

针对自动化加工中切屑生成过程的监控问题，研究了径 在函数神经网络在切屑形态图像识别中的应用，提出了面积比，欧拉数，伸长度等切屑形态图像的几何特征，以这些特征作为神经网络的输入矢量，利用径向基函数网络（RBF），采用了递推最小二乘法训练该网络，并开发了相应的计算机程序，试验证明：此法具有良好的实时处理性和适应性，识别率达到90％。     

东巴象形文字识别方法

针对东巴文特有的结构特征进行了识别难点方面的分析,讨论了东巴象形文字的识别原理,提出了图像压缩、图像灰度化、平滑去噪、图像分割、归一化等图像预处理过程和基于特征提取的神经网络识别过程的东巴文识别方法,并通过实验对该方法进行了验证,实验结果表明了该方法的可行性。     

一种基于层次分类与纹理分析的指纹识别方法

介绍了一种基于层次分类与纹理分析相结合的指纹识别方法．该方法通过指纹整体纹线特征分析，分层次进行指纹的形与子形分类，再由指纹的局部纹理分析确定指纹的细节特征，由此得到具有层次类属的待识指纹特征矢量．在此基础上采用了最大似然法和模糊综合评判方法，在特征数据库的相应类属中进行指纹识别，得到识别结果．该方法已用于指纹考勤系统，应用表明该方法在保证识别准确性的前提下明显地提高了识别速度．识别速度达0．8s／枚．     

基于注意力机制的多尺度特征融合图像去雨方法

雨纹分布和形状具有多样性,现有去雨算法在去雨的同时会产生图像背景模糊、泛化性能差等问题.因此,本文提出一种基于注意力机制的多尺度特征融合图像去雨方法.特征提取阶段由多个包含两个多尺度注意力残差块的残差组构成,多尺度注意力残差块利用多尺度特征提取模块提取及聚合不同尺度的特征信息,并通过坐标注意力进一步提高网络的特征提取能力.在组内进行局部特征融合,组间利用全局特征融合注意力模块更好地融合不同层次的特征,通过像素注意力使网络重点关注于雨纹区域.在仿真和真实雨像数据集上与其他现有图像去雨算法相比,本文方法的定量指标有着明显提高,去雨后的图像视觉效果较好且具有良好的泛化性.     

一种基于谱估计的被动声呐目标识别方法

为解决被动声呐目标的特征提取与识别问题，通过对被动声呐目标噪声频谱特性的深入分析，给出了一种基于Welch谱估计的目标特征提取方法．对提取出来的特征采用动态规划的方法进行特征选择，得到用于识别的特征向量．对海上实录的多种型号和多种工况的大量噪声样本进行了特征提取和特征选择．采用BP神经网络和最近邻法对噪声样本进行了分类识别实验，结果证实了所提方法的可行性和有效性．研究结果可以用于被动声呐目标识别．