基于均值平移的自动人脸检测与跟踪算法

针对彩色图像序列的人脸跟踪问题,提出了一种基于均值平移的自动人脸检测与跟踪算法.对每帧图像采用基于肤色和支持向量机的算法检测人脸,可以减少计算量.对于检测到的人脸,判断是否含有新增人脸,有则将新的人脸加入跟踪序列,否则继续跟踪原有人脸序列.然后采用均值平移算法对人脸序列进行跟踪,其计算量小,跟踪稳定可靠,从而实现自动的人脸检测与跟踪.实验结果表明,该算法可以很好地进行人脸的自动检测跟踪.     

光照变化条件下的光流估计

目的 为了提高光流法在处理光照变化和大位移方面的稳健性。提出一种结合结构纹理分解预处理和加权中值滤波的光流场模型。方法 该方法数据项采用灰度守恒假设和梯度守恒假设相结合、局部约束与全局约束相结合的思想。同时采用结构纹理分解、加权中值滤波、金字塔结构等高效的光流估计技术,进一步增强了光流算法的精确性与实用性。结果 分别通过Middlebury光流数据库图像和真实场景图像对提出的光流估计算法进行了大量实验验证。实验结果表明,改进的光流估计法在处理光照变化方面表现不错,不仅获得稠密的光流场,而且提高了光流场准确提取目标边缘的能力。结论 和传统光流方法相比,所提方法在光照变化情况下能获得更加理想的结果,降低了实际场景中光线变化的干扰,能更好地适用于实际场景中。     

一种基于动态阈值的自适应中值滤波方法

针对图像受到电磁干扰带来的脉冲噪声,对自适应中值滤波方法进行改进。在去除噪声的过程中为了更好地将信号和噪声进行区分开,引入噪声点的预判机制。为满足改进算法对自适应中值滤波半径和窗口的变化的适应．采用自适应动态阈值。通过与SMF、RAMF等方法的比较实验表明,该算法具有较高的峰值信噪比和边缘保持性能。     

一种有效的拖尾噪声处理复合算法

为有效地去除拖尾噪声,研究了拖尾噪声的消噪方法．针对拖尾噪声的特点,提出了中值滤波B样奈经验模态分解算法．仿真实验结果表明,与处理拖尾噪声的传统算法相比,该算法可行有效,而且去噪效果更好．     

基于三维直方图的立体图像层次化分割算法

由于立体图像噪声强度与边界信息的不确定性,若仅考虑图像局部或全局信息会导致过分割现象,影响图像处理效果.为改善立体图像分割效果,提出三维直方图的立体图像层次化分割算法.根据模糊集特性,将图像表示为模糊矩阵形式,计算加权平均值,构造模糊中值图像;采用自适应阈值小波方法,获取噪声方差和一级尺度参数对图像进行划层次去噪;定义图像局部对比度与局部梯度,在亮度级与边缘级基础上,对不同像素类别进行划分,获取像素同一性特征;通过三维直方图方式,获得三维单元频率,将其分割为八个立方体区域,找出与目标、背景对应部分,结合评价函数选取最佳阈值,完成立体图像层次化分割.仿真结果表明,所提算法抗噪性能良好,边缘贴合度较高,可提供更多关于背景与目标的特征信息.     

偏振光实时定位的标识线导航路径图像识别

针对传统方法存在图像噪声免疫性弱、识别偏差大、导航路径实时性较差的问题,提出基于偏振光实时定位的标识线导航路径图像识别方法.通过选取四个偏振光的偏振方向向量、时间信息、太阳方向向量判定方式与地磁信息,获取当地的地理坐标,完成偏振光实时定位.采用中值滤波技术实现图像的降噪与边缘处理,通过目标、背景区域与整体路径图像的关系,利用Otsu方法在直方图灰度变化区间内选取一个阈值,令该阈值满足类内方差极小、类间方差极大的条件,从而获得最佳阈值.再使用架构的判定函数验证阈值,根据抽行扫描法获得标识线的中心像素方位,并对其拟合,最后依据数学形态学实现对标识线的有效识别.实验结果表明,所提方法可以有效去除图像中存在的噪声点,在路径识别中能有效识别出各类标识物,识别效果较好.     

基于色彩空间分解的低照度图像增强方法

针对低照度图像增强问题,提出一种基于色彩空间分解的图像增强算法.为了实现图像亮度和色彩的解耦合,将图像进行空间转换;利用中值滤波算法与Retinex算法融合以及基于OTSU处理的自适应局部直方图均衡化,分别实现了亮度分量的增强和饱和度分量的校正.分层图像合成、图像降噪处理和色彩空间的转换,确保增强图像色彩的均匀和清晰度的提高.实验结果与其他几种经典算法相比较,算法获得的增强图像细节方面更为丰富,图像的清晰度更高.     

采用改进平均梯度与自适应PCNN的图像融合

为了改善对多聚焦图像融合的视觉效果和时效性.借助非下抽样剪切波(NSST)变换的平移不变性和较强的方向选择性,提出改进的融合策略.通过NSST变换对源图像进行分解,获得与源图像大小相同但尺度不同的低频子带和高频子带,再采用改进平均梯度的策略对低频子带进行融合,对高频子带则利用改进的自适应PCNN策略进行融合.对融合后的高低频子带进行NSST逆变换,重构出整体更自然明亮和细节纹理更清晰的融合图像.仿真结果表明:改进融合策略较好地提取出了源图像的细节信息,在主观视觉和五种客观评价指标上均优于其他几种比较算法,且由于NSST引入了快速傅里叶变换,明显提高了运算的时效性.     

隐马尔科夫模糊C均值聚类分割算法改进

对隐马尔科夫模糊C均值算法加以改进,以提高其对加噪图像的分割质量。在初始化之前,先对图像进行中值滤波,以降低均值漂移算法产生的过分割现象,再对原有算法迭代所得隶属度进行均值滤波,以增强图像分割的抗干扰能力。对标准灰度图像添加噪声,验证改进算法的性能。实验结果显示,经过改进,算法的分割结果更稳定,边界更平滑,且对噪声具有较强鲁棒性。     

基于平面图像的集成成像方法研究

集成成像技术是一种能够较为真实地再现三维场景的立体显示技术,研究发现平面图像在经过计算机处理后能够得到其视差图像。本文基于集成成像技术的原理提出一种适用于各类层次分明平面图像的计算机生成集成成像方法,该方法通过对平面图像进行分层和像素平移来获取视差图像,从而得到子图像阵列,并使用连续抽样法和间隔抽样法将子图像阵列转换为单元图像阵列。实验证明,在对视差图像形成中位移量等参数设定合理的情况下,本文提出的方法可取得较好的立体显示效果。