基于RANSAC和灰度一致性的PET瓶胚口缺陷检测

针对现代高速生产线上PET瓶胚口的缺陷检测问题,提出了一种基于RANSAC和灰度一致性的PET瓶胚口缺陷检测算法。算法利用RANSAC方法精确定位瓶胚口区域,然后利用瓶胚口区域内的灰度一致性进行缺陷检测。实验证明,该算法准确率高、速度快,对于640×480图像的检测速度为10 ms/帧,完全满足高速生产线的检测需求。     

H.264中基于特征的快速帧内4×4模式选择算法

提出了一种快速帧内4×4模式选择算法.该方法利用最可能的模式(MPM)、前帧同位置块编码模式(PBM)及绝对变换差和(SATD)等特征,定义了一种代价函数FMPS.基于该代价函数算法再通过设置阈值排除了大部分的候选模式,最终仅计算1-3种模式的率失真代价.实验结果也表明,相比于标准算法,提出的方法在基本不改变编码效率的...     

一种头部磁共振图像自动配准方法

提出一种基于曲线形状匹配的头部磁共振图像自动配准方法，可实现预分割提取头部轮廓曲线、曲线形状特征提取及匹配和单层匹配结果的校正。实验证明在缺乏成像位置参数时，该方法可快速有效地成功实现头部磁共振图像的配准，特别是颅脑内部包含肿瘤的图像配准。     

基于颜色恒常性的低照度图像视见度增强

在彩色成像过程中,低照度是导致图像降质的一个重要因素. 本文提出了一种新的基于颜色恒常性的低照度图像视见度增强算法. 为了避免场景光源的影响,提出了像素有效集的概念. 基于灰色调算法的灰度像素假设,利用有效像素估计光 照的颜色;在后处理阶段,利用有效像素的灰度级范围确定直方图剪裁的上下限. 实验表明,算法有效地校正了图像 的颜色、对比度和亮度,从而增强了图像的视见度,且不会产生Retinex 算法所固有的灰化效应和Halo 效应.     

结合梯度重建和非线性处理的语义图像分割

语义图像分割是进一步图像分析与理解的重要基础,本文面向语义分割,针对传统分水岭分割算法对噪声敏感、易于产生过分割等问题,研究了一种结合梯度重建和非线性处理的图像分割方案.首先提出了基于形态学的开闭二次重建获得形态梯度图像的方法,然后对其进行阈值变换,以抑制噪声引起的明暗细节,之后进行给定尺度等级的非线性划分,以降低目标和背景内部细密纹理的影响,而后,采用了一种改进的分水岭浸没标记算法进行分割.实验结果表明,与传统算法和Matlab工具箱中算法相比,本文算法获得了更为理想的分割结果.     

基于局部纹理分析的虹膜识别算法

提出了一种新的基于局部纹理分析的虹膜识别算法。基于多通道Gabor滤波器，滤波图像的系数定量地描述了虹膜纹理局部子块和给定滤波器之间的相似度，系数越大，说明该子块在空间形态上和滤波器越相似。采用局部滤波图像系数的加权平均作为特征编码，那些具有较大系数的点，即和滤波器最相似的点对特征点的位置贡献较大，更能真实的反应虹膜纹理结构。基于欧氏距离的特征匹配试验表明了该方法的有效性。     

多视角下结合形状和运动信息的三维人体姿态估计

该文以多视角同步视频为输入,提出综合利用形状和运动信息的3维人体姿态估计方法。该方法将人体分为头、躯干和四肢等3部分,每部分利用运动信息来预测当前的状态,并以形状信息作为检测器来确定姿态。这种在姿态估计中使用互补信息的方式极大地解决了漂移和收敛到局部极小的问题,也使系统能自动初始化和失败后重初始化。同时,多视角数据的使用也解决了自遮挡问题和运动歧义性。在包含多种运动类型的序列上的测试结果说明了该方法的有效性,对比实验结果也优于Condensation算法和退火粒子滤波。     

基于非线性滤波方法的PIV计算

针对流体运动图像计算(也称为PIV),为了获得可靠的运动矢量场、散度场和旋度场,该文提出了一种基于非线性滤波思想的PIV计算方法。新方法属于变分PIV方法,其在克服传统PIV方法不足的同时避开了经典变分方法中能量范函凸性和可微性的约束,将能量函数的最小化过程转变为非线性滤波过程。该文针对实际粒子图像序列与经典方法进行了实验和比较,结果证明新方法能够在有效抑制噪声的同时可以较好地保持在多流体运动的情况下运动矢量、散度和旋度场的细节信息。     

基于特征提取的脑部MRI肿瘤自动分割

对脑部磁共振图像中肿瘤的自动分割,有助于了解疾病特征和制定手术方案,评价治疗效果。该文通过提取基于灰度统计、对称性、纹理等的特征,结合AdaBoost方法,利用计算机进行自动脑肿瘤分割。该方法综合利用了磁共振(MR)各加权图像的信息和大脑解剖结构的知识,以及AdaBoost算法的特征选择能力。在20帧带有肿瘤的MR图像上进行实验,得到了96.82%的分类准确率。     

基于模板匹配的跳水运动视频分析

提出了一种基于模板匹配和模板库的姿势分析与跟踪算法,建立了跳水过程中可能出现的姿势模板库,并在离散的姿势模板库中使用ConDensation算法进行预测和跟踪,能够快速地识别跳水过程中运动员每个时刻的身体姿势,对关键点位置进行标定,并恢复出人体的主要姿势参数.