基于改进的LBP人脸识别算法

针对基本LBP算子提取的特征不够完整,不能全面地表达出人脸局部特征的问题,提出了基于分块的完备局部二值模式(CLBP)人脸识别算法。首先对原始人脸图像进行分块处理,对每一分块的图像进行局部差异值和中心像素灰度值分析,用Su2CLBP(8,2)、Mu2CLBP(8,2)和CCLBP(8,2)算子分别提取每一分块的直方图统计特征。然后将所有分块的CLBP直方图序列连接起来,得到人脸图像的CLBP特征,将其作为人脸的鉴别特征用于分类识别。最后利用Chi平方统计法计算直方图的不相似度,用最近邻准则进行分类。所提出的算法分别在ORL、FERET、YALE数据库中进行实验,分别取得了高达99.5%、92%、98.67%的识别率,与分块LBP算法相比识别率分别有2.5%、8%、2.67%的提高。实验结果表明,完备LBP提取的特征比较全面且具有较强的鉴别能力,在ORL、FERET、YALE人脸库中均能获得较好的识别率。     

纹理特征自适应的全息水印算法

目的在保证算法鲁棒性的同时最大化实现水印的不可见性,自适应地选择水印的嵌入区域,并根据图像特征嵌入不同强度的水印信号。方法利用分块的思想,根据载体图像灰度共生矩阵二次统计量下的各特征参量选择纹理复杂度最高的区域,通过模糊C均值聚类实现对纹理特征的定义,再利用灰度直方图分析各分块的纹理强弱,将不同强度的光全息加密水印信号自适应嵌入至图像小波域的对角分量。结果水印的不可见性得到显著提高(PSNR=49),且图像在滤波、噪声、剪切和旋转等操作下提取的水印内容依旧可被清晰识别。结论文中算法在确保鲁棒性和安全性的同时,极大地提升水印的不可见性。     

基于FSVM时域背景预测的红外弱小目标检测

本文提出了一种基于模糊支持向量机(FSVM)时域背景预测的红外弱小目标检测方法.首先针对前几帧图像中对应同一位置像素点的灰度值序列,利用模糊支持向量机进行函数拟合,并据此预测下一帧图像在该位置处像素点的灰度值:然后将原始图像与预测图像相减得到预测残差图像,利用基于二维Tsallis-Havrda-Charvat熵的阈值选取快速算法进行分割,并根据小目标运动的连续性和轨迹的一致性进一步分离噪声和小目标.文中给出了实验结果及分析,并与现有的检测红外小目标的空域和时域背景预测算法进行了比较.结果表明,本文提出的算法具有更高的检测概率,明显优于已有的基于背景预测的红外小目标检测算法.     

图像调焦算法研究及FPGA实现

利用图像处理方法进行自动调焦的关键是提取图像清晰度特征,并建立其评价算法.本文研究了灰度值线性变换、灰度直方图均衡、中值滤波及同态滤波等预处理方法和基于功率谱的清晰度评价函数,并与其它的评价方法进行了比较分析.研究表明,中值滤波和灰度值线性变换相结合的预处理方法,具有效果好、计算量少等优点;基于功率谱的清晰度评价函数比其它的评价方法具有更好的调焦性能和更明确的物理意义.根据基于功率谱的图像调焦算法的特点,设计了图像处理模块的结构框架和算法流程,提出了流水线作业结构、"乒乓"操作模式、双蝶形处理器复用、基-2 FFT算法的FPGA实现方案,提高了图像自动调焦的计算和响应速度.     

基于改进梯度向量流形变模型的动目标检测方法

针对现有图像序列动目标检测技术抗噪声能力较差、跟踪性能鲁棒性不强的不足,提出了一种改进的梯度向量流形变模型算法,该算法构造了新的梯度向量场,利用图像灰度梯度信息、帧间运动信息以及邻域灰度信息相结合进行梯度向量场计算.仿真试验结果表明,该方法较好地克服了图像序列中随机噪声的影响,计算出的梯度向量场基本没有干扰区域,同传统向量场相比较,有效地提高了算法的抗噪能力和跟踪结果的准确性,可更好地实现图像序列的动目标检测.     

动背景下帧差分法与边缘信息融合的目标检测算法

针对动背景下运动目标的检测问题,文中提出了改进的三步搜索算法有效地提高灰度投影法检测序列帧间运动矢量搜索速度,同时保持了运动矢量的搜索精度.首先通过帧间运动矢量补偿将连续三帧图像的相同背景稳定在同一幅图像的相同位置上,其次对连续的三帧图像进行边缘信息提取,并对三帧连续的边缘图像进行差分法运算,最后结合数学形态学的闭运算...     

一种新的声呐图像处理算法

针对高频声呐图像的目标检测问题,在分析声呐灰度图像像素点的灰度分布模型的基础上,提出了一种新的快速图像处理算法。该算法利用图像中各像素点处滑动窗内像素点的灰度分布模型的参数以及灰度分布模型和归一化灰度直方图的拟合误差为特征量,构造声呐图像的特征图,并采用自适应阈值算法进行图像处理。仿真结果表明该算法具有实时性好、准确度高的特点,并且可有效地克服背景干扰的影响,有利于人造目标的准确提取。     

一种基于HVS特性的视频质量评测方法

本文针对视频质量的评测应用,对传统峰值信噪比(PSNR)算法加以改进.通过在视频帧内图像和帧间图像的处理过程中引入人眼视觉系统(HVS)的主要特性,克服传统PSNR算法在序列质量检测应用方面的缺陷.方法在帧内图像处理上利用人眼对边缘轮廓失真具有较强敏感性的特点,设计了基于图像边缘的检测方案以提高对典型空域失真的检测性能;在帧间图像处理上,通过测量帧间时域能量的变化,获得序列在时域轴上的典型特征,并据此对空域检测结果进行修正.通过上述改进,算法能在保持传统PSNR算法简易性的同时,提升其检测结果与主观感受的相关性;同时算法的计算量并不复杂,易于在检测设备中实现系统集成     

基于滤波残差的组合导航系统故障检测研究

论文研究了两种用于组合导航系统中的故障检测方法,首先介绍了传统的残差χ2检验法,随后给出了一种基于最大残差样本协方差阵特征值的故障检测算法.通过计算机仿真比较了两种算法在组合系统中的应用,仿真结果显示,基于特征值的故障检验算法对故障较敏感,系统组合精度略高,一定程度上优于传统残差χ2算法.最后,文章讨论了组合导航系统中两种故障检测算法的优缺点.     

基于灰度共生矩阵算法的新型散包检测

目的 解决传统亮度、色彩等检测方法不能有效检测出烟包(尤其背景为白色的烟包)有无油封包裹的问题。方法 在传统检测方法的基础上,增加基于灰度共生矩阵算法的检测方法进行散包检测,通过对新型散包检测硬件架构设计、硬件隔离设计、相机优化、数学建模、灰度共生矩阵特征值提取、最优解等处理,采用基于灰度共生矩阵算法的新型散包检测方法能实现烟包散包检测精度的提升,有效检测出烟包(尤其浅色烟包)有无油封包裹的情况,降低无油封包裹烟包流入下道工序的风险。结果 基于灰度共生矩阵算法的新型散包检测方法能有效提升烟包的散包检测精度,散包烟包的检出剔除率≥99.9%。结论 基于灰度共生矩阵算法的新型散包检测方法能有效提升烟包的散包检测精度,尤其对浅色烟包有无油封包裹情况效果提升明显。