小波分析与颜色矢量法对彩色图像去噪

为消除彩色图像中的高斯噪声,提出应用小波分析与颜色矢量法结合的方法对彩色图像去噪;根据欧拉距离,将主要目标识别和分割出来进行去噪.结果表明,与已有的算法相比,该算法能有效地去除彩色图像中的高斯噪声,并且保留图像地细节部分,同时计算耗时很短.     

基于梯度向量流的活动轮廓模型

针对当前活动轮廓模型对噪声敏感, 难实现弱边界图像的准确分割问题, 提出一种基于梯度向量流的活动轮廓模型. 首先采用Contourlet变换对图像进行去噪处理, 解决了噪声对图像分割的干扰; 然后在活动轮廓模型中引入一个指示函数, 用于描述向量场与轮廓曲线间的关系, 通过轮廓曲线演化过程实现图像分割; 最后用实验对本文模型的图像分割性能进行验证. 实验结果表明, 该方法可以快速、 准确地实现多种类型的图像分割, 分割精度和抗噪能力优于其他活动轮廓模型.     

人机交互过程中数字手势的识别方法

为了获得简单、高效的数字手势识别方法,增加使用者舒适的体验,提出一种基于Kinect融合深度信息和骨骼信息的数字手势识别方案.首先,使用Kinect进行深度数据的采集,建立深度图像;其次,结合骨骼追踪系统,提取人体轮廓,运用深度阈值法从轮廓中分割出手部区域,并进行二维图像的重建;再次,利用手腕和手掌骨骼点准确分割出手掌区域,并运用图像形态学开运算进行处理,得到不含手指的图像,进而提取掌心坐标;最后,计算半径,确定掌心圆,采用圆的边界和手指相交次数的方式识别手指个数.实验结果表明:数字手势识别方案能够准确、高效地识别数字手势.     

一种快速手势识别算法的实现与验证

基于大多数的手势识别算法,需要提取高维度的特征,限制了手势识别在实时系统中的应用。文中针对这种问题,提出一种快速的手势识别算法。首先,在原始图像上提取轮廓块边缘对目标区域进行分割。其次,提取目标区域的形状特征。然后,在数据库中,对每种手势只记录一幅标准的参考图像。最后,通过比较参考图像与待检测图像中的手势特征,来匹配和标记手势的含义。实验结果表明,文中提出的快速算法能够准确地识别手势。     

基于改进粒子群优化算法的图像分割

针对当前主动轮廓模型难实现图像高精度分割的问题, 以获得更理想的图像分割结果为目标, 提出一种基于改进粒子群优化算法的图像分割方法. 首先分析传统主动轮廓模型, 指出其存在的局限性; 然后建立能量最小化控制点的泛化函数, 采用粒子群优化算法对泛化函数的最优值进行搜索, 根据所有的能量最小化控制点实现图像分割; 最后采用标准图像库与传统图像分割方法进行对比测试. 测试结果表明, 相对于传统方法, 该方法能更精准、 快速地分割图像, 并有效抑制图像中的噪声干扰, 可获得理想的图像分割效果.     

车载手势识别中基于小波变换和双边滤波的图像去噪方法

手势识别是人机交互中的重要研究领域,车载手势识别系统可以减少驾驶员手动操作仪表导致的分心,提高驾驶安全性。受光照变化、汽车环境、摄像头成像质量等各因素的影响,车载手势图像中常会存在大量复杂噪声。这些噪声严重影响后续手势分割、特征提取和手势识别的准确性。针对手势图像中存在的噪声问题,本文提出了一种适用于车载手势图像处理的新方法。该方法先对小波分解后的各高频子带采用不同方向的一维非线性扩散滤波处理得到初步去噪手势图,在此基础上用多尺度双边滤波对图像再次处理。实验结果表明,本文方法可以较好地去除车载手势图中噪声,抑制车载手势图细节的模糊。      

基于时间序列手势轮廓模型的动态手势识别

针对动态手势在时间尺度上的多变性和复杂性,提出了一种动态手势识别框架.该框架利用时间序列上提取的手势轮廓构造动态手势轮廓图像,获得不同动态手势在不同时间尺度下其轮廓图像的均值图像和方差图像,并将这些图像用于构成动态手势轮廓模型库,在此模型库基础上,利用相关信息方法和改进的动态时间规整方法完成动态手势的识别.实验结果表明,文中提出的动态手势轮廓模型对不同时间尺度的动态手势具有较强的鲁棒性,改进的动态时间规整方法较传统方法具有更高的识别率.     

基于GMM-HMM的静态手势识别

提出了一种基于混合高斯模型的隐马尔科夫模型(GMM-HMM)与手势轮廓特征的单幅手势图像识别方法,该方法采用YCr Cb空间阈值处理对手势图像二值化处理,针对理想感兴趣区域提出了一种还原最上层轮廓的新型轮廓算法.将每类手势轮廓特征作为HMM的观察值分别训练对应手势的HMM参数,建立所有手势的HMM模型.分别用Viterbi算法计算测试集数据与每个模型的条件概率来获得识别结果.实验结果表明,该方法不仅对手势库内的特定人的静态手势识别具有较好的效果,且对提取的其他人的静态手势图像识别率也较高.     

基于深度卷积神经网络和支持向量机的手势识别算法

为了提高手势识别的准确率,提出一种基于深度卷积神经网络和支持向量机的手势识别算法;将包含手势的图像进行手掌轮廓分割及手指关节特征提取,经过去噪后获得准确的手势图像,然后通过卷积与池化获得手势特征样本,采用神经网络算法对输入特征样本进行训练,并对全连接层各节点的输出结果进行支持向量机多元分类,从而获得手势识别结果;在差异化设置条件下,通过对比手势识别的平均准确率和识别时间,可获得最优的卷积核尺寸及池化方法。仿真实验结果表明,相比其他3种识别算法,所提出的算法具有更优的识别准确率。     

基于边缘信息和先验形状的水平集图像分割方法及其在病原菌识别中的应用

研究从多目标图像中自动提取单个目标的图像处理方法.从分析曲线的水平集表示入手,首先探讨了水平集动态轮廓分割和配准模型构建的统计思想和变分方法,然后针对多目标粘连图像的特点,提出了含边缘信息和先验形状的水平集图像分割模型,并将其应用于病原菌的识别.由于引入边缘信息改进对分割的约束,加强了目标边缘对分割轮廓的吸引,同时消除了一些由噪声、阴影和杂质造成的影响.实验表明,改进后的先验形状水平集图像分割方法能直接从多目标粘连图像中提取单个目标,进一步完善了依据显微镜图像识别病原菌的图像处理方法.     

遥感图像处理系统与光化学影像输出系统的复合研究

高效、优质与经济实用的图像输出方式,是目前数字图像输出技术研究的热点.传统的数字图像输出技术,尚存在色彩与分辨率等方面的不足,且设备造价昂贵.结合信息提取与光化学影像增强,讨论了解决这些问题的有效途径.研究结果表明,采用遥感图像处理系统与光化学影像输出系统相结合的方式,输出的图像清晰、色彩鲜艳,突出了特定的目标影像,且明显提高了成图的速度.     

基于层次格子坐标系的图像识别方法

介绍一种利用层次格子坐标系记录图像区域信息,通过逐层融合图像区域,获得不同清晰度的图像区域信息,从而对图像进行识别的方法.该方法能快速将图像分层矢量化,降低了图像识别的难度.     

数字视频监控系统

采用通用高速数字信号处理器(DSP)和可编程逻辑器件(CPLD)设计了视频图像目标快速识别与跟踪系统。     

一种基于火柴棒模型的图像水平倾斜矫正算法

针对二值化图像中待识目标倾斜的问题,提出一种基于火柴棒模型的图像水平倾斜矫正算法.首先将原图像二值化,对该区域进行去噪处理,获取目标区域,然后构建"火柴棒"模型,再采用该模型对图像进行水平倾斜矫正.实验结果表明,该方法能有效克服目标区域较小、附近干扰较多、边缘不清晰等情况带来的不良影响,矫正效果良好.     

一种新的运动点目标检测方法

常规运动目标检测中所用图像都是基于二维空间坐标的序列图,文中根据运动点目标与静态背景的特性,采用一种新的图像表示方法,以时间和空间为坐标,描述的时空图像能较直观地反映运动目标与静态背景的差异,易于实现目标与背景分离。通过实例处理表明,时空方法能更有效地从复杂背景中检测出低信噪比的运动点目标,抗噪声干扰能力强。     

一种密度聚类的染色精子医学图像识别算法

当数据的密度有变化时,密度聚类算法DBSCAN不能一次发现多种密度的簇结构,通常需要调整参数,而合适参数的确定比较困难.提出了一种两阶段的密度聚类算法以识别精子图像,算法采用相同的参数完成对不同密度簇的发现.首先对原始数据图像采用初步的预处理技术,调用DBSCAN算法得到精子头部簇,然后对其余图像部分进行增强,以精子头部为核心点集合,再次调用DBSCAN算法得出密度可达的簇,从而完成精子图像的识别.实验证明对精子图像识别的准确率、效率、效果均优于传统密度聚类方法,为医生诊断病情提供有效的数据支持.     

基于数学形态学二值图像分割算法的研究

用数学形态学方法进行数字图像的分析和处理是一种新兴的图像处理技术。图像分割在图像分析、模拟识别目标中将会直接影响到处理的结果。通过讨论数字图像中最基本的二值图像的分割算法,用数学形态算子的序结构和级联的数学形态学算法结合的方法完成对二值图像的分割。     

挖掘机器人铲斗不变矩及改进BP网络识别方法

在利用视觉信息跟踪、识别挖掘机器人铲斗目标时,实时采集的铲斗图像存在旋转、平移、缩放等情况.为提高对铲斗目标的识别能力,提出了基于不变矩和神经网络相结合的铲斗目标识别方法.提取铲斗图像对于平移、旋转、缩放具有不变性能的7个不变矩特征向量,归一化后作为改进BP神经网络的训练样本及测试样本.应用训练后的神经网络对铲斗目标进行识别,仿真表明该方法具有较好的识别能力.     

基于像素流的视频彩色化

针对利用传统光流传递关键帧颜色信息的视频彩色化方法计 算耗时问题, 以及全局传递颜色的视频彩色化方法导致欠饱和度问题, 提出基于像素流的视频彩色化方法. 首先, 将参考帧与目标帧转换到 Lab 颜色空间中, 利用其亮度通道通过一个深度学习网络得到像素流, 该像素流中的数值指示了目标帧的颜色在参考帧中的位置; 然后, 利用该像素流对参考帧颜色通道进行双线性插值得到目标帧颜色通道; 最后, 将得到的颜色通道与目标帧亮度通道组合得到最终的彩色化图像. 实验结果表明: 该方法得到的彩色化图像能够保持参考帧颜色的饱和度且边缘颜色清晰, 具有更高的峰值信噪比; 运算速度较基于传统光流彩色化方法大大提高.     

图像处理技术在彩色印刷品质量检测中的应用

基于数字化、高精度彩色印刷的需求,将图像处理技术应用到彩色印刷品的质量检测中,制定了印品图像的检测方案,并对方案中的采集、去噪、分色处理进行了理论分析和试验验证,在保证较高处理速度的同时得到了较为理想的处理效果,为进一步研究彩色印刷质量检测系统奠定了基础.