基于SURF的连续帧图像配准及高光去除

物体上的高光直接影响工业检测、模式识别和计算机视觉等领域中后续处理的算法性能。如何检测和消除图像中的高光区域一直是个热点问题。这里介绍了一种基于SURF的连续帧图像配准及高光去除的方法。首先,利用SURF特征检测及其特征描述方法,对连续帧图像进行自动配准;其次,在连续帧图像配准后,对图像进行融合;最后,输出去除高光的图像。实验表明:该方法用于消除或消弱高光区域有比较好的效果,有一定的理论和应用价值。     

基于Adaboost改进算法的铸坯表面缺陷检测方法

 针对钢铁铸坯表面检测及缺陷识别问题,从图像处理及机器学习角度,提出一种基于Adaboost算法的进行钢铁铸坯表面缺陷检测,并结合Gabor小波和Canny边缘检测进行处理,排除伪缺陷的新方法。大量试验表明：该方法能够较好地检出具有缺陷的钢铁铸坯,且具有准确率高、速度快、易实施等优点。     

车牌定位及倾斜校正方法

提出了一种基于车牌字符信息的车牌定位及其校正方法。首先使用灰度形态学的顶帽操作（top-hat）增强车牌区域,使其能在二值图中突出显示,然后根据二值图中车牌字符的连通元个数和排列位置来确定车牌的具体位置,最后对已定位的车牌进行方向校正,包括水平和垂直方向校正。水平校正是根据这些字符连通元的中心确定车牌的水平倾斜角度,使用旋转几何变换使其水平方向得到校正,垂直校正则使用投影分析的方法求出水平校正后垂直方向的倾斜角度,再进行图像的像素平移。实验结果表明,该方法能够在复杂背景下快速、准确定位到车牌,并且倾斜校正效果很好。     

面聚类网格简化新算法

三维物体表面重建广泛采用三角网格方法,密集的数据采样可以重建出精确的三维表面,但是庞大的数据量不利于多分辨率三维实时显示和三维物体网络传输,因此三维表面网格简化是迫切需要解决的问题之一.近年来表面简化问题得到了广泛地研究.本文提出基于面聚类的网格简化新算法,通过最小化最大类内距离算法进行面聚类实现区域划分,然后提取区域特征,进而根据特征点和边对区域进行受限三角剖分.实验说明本文提出的面聚类网格简化算法在保持三维表面几何拓扑特征的基础上取得了很好的简化效果.     

基于无组织结构数据集的三维表面重建算法

三维表面重建技术具有广泛的应用前景,通用高效的重建算法是迫切需要研究的课题之一。由于三维点集分布不均匀,目前通用的基于无组织结构数据集的重建算法欠缺稳定性,应用范围受到了限制。文中提出了分布不均匀补偿的近邻点确定算法,提高了算法的稳定性和可靠性,扩展了基于无组织结构数据集表面重建算法的应用范围。实验表明通过分布不均匀补偿的离散数据集三维表面重建算法具有很好的重建效果。     

三维生物特征识别进展

迄今为止的绝大多数生物特征识别系统都是基于二维图像的。而成像过程中必有物体三维信息缺失,这使得单纯基于二维图像的特征识别研究在经历了一段时间的发展后,停滞不前。越来越多的研究者开始关注三维生物特征识别技术。利用三维生物特征数据可以充分发掘深度、曲率信息并较好地处理光照、姿态的影响,从而进一步提高识别率。论文综述了该领域当前的国内外研究现状,并探讨了面临的主要困难以及未来的发展方向。     

基于图像显著性特征的铸坯表面缺陷检测

针对钢铁铸坯表面检测的缺陷复杂性问题,从图像处理及图形特征角度提出一种基于显著性区域特征的算法.该算法首先对源图像进行显著性特征区域处理和Gabor小波滤波处理,得到了对应的特征图像;然后再将2幅图像中的特征区域进行融合,得到可信度较高的缺陷特征区域图像;最后在缺陷区域中用训练好的Adaboost分类器检测缺陷,得到最终的缺陷定位结果.该算法结合了显著性特征和Gabor小波特征,既缩小了Adaboost分类器的搜索范围,也提高了排除伪缺陷的能力,具有较快的定位速度和较高的准确率.实验结果表明,该算法能获得较好的效果,具有较高的实用价值.     

高斯差分的AdaBoost车牌定位方法

针对实际拍摄场景中的复杂光照条件以及不同车牌颜色对车牌定位造成的影响,提出了一种基于高斯差分图像的AdaBoost车牌检测算法.该算法首先对原始灰度图像进行高斯差分,得到其对应的高斯差分图像,然后利用基于DoG图像的DoG+AdaBoost分类器与基于灰度图像的Gray+AdaBoost分类器构成二级车牌检测器进行车牌检测,最后根据车牌中的车牌号码信息对车牌检测结果进行验证,得到最终的车牌定位结果.该算法利用高斯差分方法,很好地抑制了复杂光照和不同车牌颜色对车牌检测造成的影响,具有较快的定位速度和很高的检出率.实验表明,该算法能获得很好的车牌定位效果,具有较高的实用价值.