基于上下文敏感度的动态图像目标识别

针对机载实时系统获取的图像序列既不满足背景固定又没有目标、背景的高灰度比,而且常规方法处理这些图像存在局限性,提出了基于上下文敏感度的运动图像目标识别算法.首先,对标准Hough变换(HT)算法进行改进,即沿着某一方向做HT,如果线段长度或已识别的目标点数加上剩余线段长度小于阈值,则停止此方向的扫描,这种变换克服了标准HT以图像边界点为扫描边界的缺点.其次,在静态图像识别的基础上,定义了图像识别的置信度,对运动图像前后帧的关系进行了量化,据此实现了对目标的识别.实验结果表明,与标准HT相比,改进的算法不仅具有很强的稳定性和高抗干扰能力,识别准确性高,而且处理速度是标准HT的3～5倍.     

机场目标检索在雷达景象匹配数据库中的应用

采用基于内容的图像检索方法，对雷达景象匹配数据库中的图像数据进行兴趣目标的查询检索与识别．由于雷达图像具有受斑点噪音影响明显等特点，故综合运用迭代阈值选取以及区域生长的方法，进行兴趣目标（主要是机场）的分离；由于匹配数据库中图像数据范围比较大，包含目标多，为了在检索过程中确定检索目标在图像中的位置，预处理时，采用对同一图像多幅子图进行特征提取的方法，最终在检索时通过子图范围来确定目标在大幅图像上的位置．由实验分析，证明在机场目标的检索识别中，这一方法是可行的．     

基于灰度特征约束的Radon变换改进算法

针对跑道信息在机场目标识别算法中的重要性,分析了子母弹在实施跑道封锁时对跑道端点信息的需求,给出了机场红外图像的灰度约束先验知识;针对传统R adon变换无法获取线段端点信息的特点,提出了一种新的基于灰度特征约束的R adon附加策略识别算法,对低对比度的红外图像进行了识别,仿真计算结果表明:该算法可以较为有效地获得准确的跑道中点和端点信息。     

TM遥感图像中河流的自动提取

提出了一个TM图像中河流目标自动提取的方法.对TM图像上河流及其背景地物的光谱特征进行分析,利用所发现的知识建立河流地物的提取模型,检出河流区域;对河流进行细化,抽取骨架;最后利用基于线段间斜率差的方法对河流骨架进行矢量化.试验结果表明该方法能较准确的识别提取TM图像中的河流目标,得到理想的矢量数据.     

基于假设检验的SAR图像机场跑道自动识别

针对复杂条件下合成孔径雷达图像中机场目标自动检测识别问题,提出了一种基于假设检验的机场跑道自动识别算法,利用雷达图像中跑道灰度特性和结构知识,通过迭代分割和形态学滤波提取感兴趣区域,抑制具有类似灰度特性的水域对跑道线检测的影响,并结合Hough变换和线段跟踪连接提取候选跑道,最后采用假设检验方法对机场跑道进行识别.试验结果表明该方法可快速有效地检测识别复杂背景下低分辨率、低信噪比合成孔径雷达(SAR)图像中的机场跑道.     

基于单目视频的手术器械相对工作空间估计方法

由于单目手术视频的镜头参数未知，仅凭该单目图像难以准确估算内镜镜头下的手术器械的三维坐标．针对这一问题，提出一种手术器械相对工作空间的估计方法．首先，对用U-Net网络分割后的掩膜图像进行直线检测，对图像坐标系下的直线映射到参数空间上的点进行聚类，从而优化直线检测效果．然后，利用边缘线段的相对几何位置特征对因网络分割效果欠佳导致的边缘线段残缺进行补足，从而提取出与目标边缘高度拟合的完整线段.结合目标器械实际尺寸与图像尺寸间的比例关系，利用平行线在投影平面上的消隐点特性计算出目标器械目标点处的实际三维坐标．最后，进行测距实验和轨迹跟踪实验.实验结果表明：该方法较磁导航传感器准确度高、鲁棒性强，距离测量精度可达2.658 1 mm，轨迹拟合度达91.2%，满足实际情况下手术器械相对工作空间的估算要求．     

面向图像的有效目标区域提取方法

针对图像标注、目标识别等实际应用中图像的前景目标定位不够准确的问题,提出了一种图像中的有效目标区域提取方法。该方法以提取图像的前景目标为目的,将目标区域提取问题转化为二分类问题,实现了对图像中有效目标区域的提取,主要包括4个步骤:利用选择性搜索算法生成图像中的候选目标区域;通过对像素值的差值化处理来进行图像区域的特征增强;基于深度学习实现对候选目标区域进行分类;区域选择与融合。在MSCOCO数据集上进行实验,结果表明,该方法在保证较高召回率的基础上,达到了比现有多种算法更加准确的目标区域定位结果。     

序列图像中多运动目标的识别

提出了一种对序列图像中多目标进行识别的方法．利用多帧差分与颜色查表法相结合，采用高斯滤波器对差分后的图像进行平滑去噪，并且消除了运动快慢带来的不利因素．基于颜色表的快速搜索进一步提高了目标识别速度．经过实践证明该方法识别准确、速度快、效率高．     

基于改进的区域背景实时更新的目标检测

针对静止摄像机条件下运动目标的检测问题,提出了基于改进的区域背景实时更新的目标检测算法,该方法首先对连续的三帧图像分别做帧间差分并将差分图像二值化,运用改进的线段编码的方法对二值化后的差分图像进行扩充以填补由帧间差分引起的空洞,然后用当前的二值化差分图像减去前一个二值化差分图像,差值为负的区域就是背景应该实时更新的区域,最后用传统的背景差分法就能检测出运动目标.实验结果表明,该方法不仅能在一直有运动物体的视野内获得完整的背景图像,而且背景的实时更新也能有效的减小噪声和突然进入摄像机视野的物体的干扰,有较强的鲁棒性.     

一种基于贝叶斯理论的目标验证方法

提出了一种验证图像中候选目标的新方案.综合目标的先验知识,将目标验证转化为给定候选目标的条件下,图像特征观察集合的条件概率问题.同时,提取图像的短线段特征,利用短线段特征的观察,给出了一种目标验证方法排除复杂场景图像中虚假建筑物目标.在自然图像集上进行的实验表明,所提出的方法能有效排除虚假目标,满足处理自然图像的要求.     

基于改进LeNet-5的车牌识别算法

传统的车牌识别算法包括模板匹配、特征统计等方法,但是这些算法依赖于人工提取图像特征,识别准确率低。卷积神经网络LeNet-5算法能够自动提取车牌图像的特征,提高车牌识别准确率。但是目前基于LeNet-5网络结构的车牌识别算法存在识别不完整,运算时间长等缺点。提出基于改进的LeNet-5网络的车牌识别算法,该算法将输入车牌字符图像归一化为32×16大小,并通过删除传统LeNet-5网络中的C5层、修改输出层中神经元个数等,将车牌字符按照汉字和数字/字母的形式识别输出。通过采集大量车牌数据进行训练验证,结果表明:与前人改进的LeNet-5网络结构相比,本文算法在识别率和时间效率上均得到了提高。     

一种基于链码向量的图像匹配算法

基于特征的图像匹配算法被广泛应用于图像处理和模式识别领域中,图像特征提取以及采用的匹配算法并直接决定图像匹配的效果。为了尽可能准确的实现图像匹配,提出了一种基于链码向量的边缘特征匹配算法。首先通过改进的Laplace边缘检测算子提取图像中的边缘信息,提高了边缘检测的可靠性;然后,将提取到的边缘信息由边界链码描述,并将边界链码构造成向量,利用数学向量相似度原则进行图像匹配。实验结果表明,该匹配算法简单快速,匹配准确率高,具有较高的实用价值。     

字符图像识别的分布加权模板匹配方法研究

使用标准模板匹配识别算法对图像中的字符进行识别时,图像中的背景噪声会导致识别准确率较低.为了提高识别准确率,提出一种基于分布加权的模板匹配识别算法,在获取图像与模板在对应的各个像素点上的匹配情况后,根据点间距分别对匹配点和不匹配点进行聚类,将聚集在一起的点划分到同一个分组中,根据聚类结果对不同组内的点设置不同的权重值,再计算图像与各个模板的匹配度,将匹配度最高的模板代表的字符作为识别的结果.实验结果证明,此算法提高了对有背景噪声的字符图像进行识别的准确率.     

基于视频流的地铁人群目标识别

地铁站内人群数目及分布的在线监测是有效控制和疏散客流,保障地铁安全的重要依据之一.利用站内现有的闭路电视监视系统,通过计算机视觉技术实现人群数目的自动识别是目前国外普遍采用的一种方式.文中提出了一种结合了自适应背景差分和比例自适应模板匹配的算法,用背景减除对图像进行分割,然后再利用比例自适应模板对感兴趣的区域进行搜索匹配,识别目标人群的数目及位置分布.该算法能有效减少传统模板匹配的计算量,提高匹配的准确率,在一定误差范围内可以达到较好的效果.     

基于数字图像处理的车牌定位与分割技术研究

针对车牌识别系统中参数选择的问题,提出一种基于数字图像处理的车牌定位与分割技术.采用基于数学形态学和边缘检测以及颜色相结合的方法实现了车牌定位.通过垂直投影法、模板匹配法实现了车牌字符图像的分割.实验结果表明,该方法能够有效、准确地实现车牌图像的定位与分割.     

基于DSP＋FPGA的实时图像识别系统硬件与算法设计

图像识别算法的运算量大,控制复杂,对系统的性能要求很高,DSP的结构特殊和性能优良,能很好地满足系统的需要,笔者选用ADS-BF535作为图像识别模块的核心,负责图像识别算法的实现,选用高速灵活的XC2S200 FPGA作为图像采集模块的核心,负责图像的采集,完成预处理工作,从而保证了系统的实时性,系统使用模板匹配和BP网络识别这2种算法对数字0-9进行识别。研究表明：在DSP＋FPGA的构架上实现的图像识别系统,结构灵活、通用性强,提高了算法的效率,充分发挥DSP和FPGA结合的优势,准确快速地实现了图像识别。     

基于k-近邻分类匹配的虹膜识别技术与应用

利用虹膜图像中丰富的结构和纹理特征作为身份鉴别的依据,与其他生物特征识别相比,具有更高的可靠性.虹膜识别系统包括虹膜图像采集、虹膜图像预处理、特征提取、匹配与识别等部分.该文提出一种基于k-近邻分类器虹膜识别方法,该方法先对虹膜图像进行定位、归一化和增强等预处理,利用Gabor滤波实现虹膜纹理特征的提取,再用k-近邻分类器进行匹配,达到了识别的目的.实验结果表明,该方法是可行的.     

一种基于互相关匹配的空域目标提取方法

研究对空域目标的提取,针对空域目标和背景特殊的灰度差异性对目标进行分离。目标提取是通过图像阈值分割实现的。利用信号中的互相关原理,并结合图形模式识别中配准原理,提出了一种互相关匹配的阈值分割方法。实验结果表明针对于空域目标,该方法能够很好的提取出目标信息。     

基于SIFT的车标识别算法

针对车标识别过程中匹配阈值难、识别速度慢的问题,提出一种基于尺度不变特征变换(SIFT)的特征匹配车标识别算法.利用SIFT算子对图像的视角、平移、放射、亮度、旋转等不变特性进行提取,并采用BP神经网络算法自主选取车标图像特征进行分类、匹配和识别.仿真实验结果表明,简单车标和复杂车标的识别率平均值均达90%以上,该算法识别速度较快、识别率较高,能满足实际应用的需要.     

纸币号码图像预处理及识别技术

在不去除纸币号码图像背景的前提下,为了进一步提高纸币号码图像识别的工作效率和准确度,本文对纸币号码图像的识别技术做了相应研究。运用图像增强、图像灰度形态学平滑去噪、图像二值化和识别区域的定位等方法对图像进行预处理。以实验分析为基础,应用模板匹配算法和特征结构识别算法相结合来实现纸币号码识别。实验结果表明,该方法针对印度币和人民币号码图像的识别率、识别时间均达到实际使用要求,是能够满足实际需要的综合识别算法。