基于矩阵模式的林火图像半监督学习算法

森林火灾图像识别是森林防火监测系统的核心。目前的主要研究多在图像的向量 模式表示上展开。由于向量模式的样本数由图像分辨率决定,易导致模型训练的负担过重。样 本类别标记的准确性,直接影响后续的模型训练和目标识别。而目前的类别标定工作多采用手 工或图像预处理方法完成,任务繁琐且容易出错。此外,由于像素位置在图像向量化过程中被 调整,不可避免地会损失图像原有的结构信息。鉴于此,提出了基于矩阵分块的半监督学习算 法 Semi-MHKS,优势在于：①矩阵分块形式的样本数远低于向量模式,可有效缩短训练和识别 时间;②只需标记分块类别,更有利于准确标定样本类别;③采用双线性判别函数,设计了针 对林火问题的半监督学习算法;④证明了算法的收敛性。与支持向量机(SVM)、MHKS 和半监 督的 LapMatLSSVM 方法相比,在林火图像和视频上的实验验证了 Semi-MHKS 的具有较高的 识别率和较低的训练时间。     

试论计算机视觉技术在工业领域中的应用

随着计算机技术的不断发展,计算机视觉技术也有了很大的提升,目前在工业领域内广泛使用的计算机视觉技术将很多复杂的工作简单化,有效缩短了数据处理的周期,提高了工业生产效率。本文就计算机视觉技术的发展内容及变化进行介绍,同时深入分析了其在工业领域的应用,希望对计算机视觉技术的发展有所帮助。     

Curvelet域贝叶斯估计侧扫声呐图像降斑方法

针对侧扫声呐图像的斑点噪声,提出了一种贝叶斯估计的Curvelet域降斑方法.依据海底散射模型,得到侧扫声呐图像斑点噪声的瑞利分布乘性噪声模型.将取对数后的含斑图像进行Curvelet变换,依据噪声系数的瑞利分布、信号系数的高斯分布,结合贝叶斯理论的最大后验概率估计方法,在近似条件下,得到Curvelet变换域系数估计的理论解析式.采用局部自适应的邻域窗口确定方法,对Curvelet变换域处理后的系数进行逆变换,再经过指数变换后得到降斑的侧扫声呐图像.实验结果表明,在客观评价指标和主观视觉效果方面,新方法均取得了优于传统的空间滤波及基于小波的降斑方法的效果.     

采用局部动态阈值的图像分割算法

针对图像全局Otsu分割算法和传统的局部闻值分割算法在复杂背景图像分割中的不足,提出了一种采用局部动态阈值的图像分割算法.首先通过分析图像直方图类型对图像进行划分,并使用Otsu算法确定各个子图像的阈值.然后对阈值矩阵进行平滑和插值处理,使之成为和原图像像素数目相等的新阈值矩阵.最终利用此阈值矩阵完成图像分割.实验结果...     

侧扫声呐图像的3维块匹配降斑方法

斑点噪声是影响侧扫声呐图像质量的主要因素,降斑处理对侧扫声呐图像的判别与分析非常重要。针对侧扫声呐图像自身特性和斑点噪声分布特点,提出一种基于3维块匹配(BM3D)的降斑方法。根据海底散射模型,得到侧扫声呐图像斑点噪声的瑞利分布模型,然后通过高斯光滑函数幂变换将瑞利分布的噪声转化为高斯分布,通过对数变换将乘性噪声转变为加性噪声,再进行自适应的BM3D滤波,最后采用逆变换得到降斑图像。实验结果表明,该方法在降噪、边缘和纹理保持等方面均优于空间域、小波域、Curvelet域的一些降斑方法。