用于监控智能报警系统的图像识别技术

利用遗传算法的最佳熵阈值法进行图像分割 ,缩短了寻找阈值的时间 .分割后提取可疑区域 ,再运用人工智能中的基于缺省规则推理对可疑区域进行分别处理 .本系统运用于非法入侵对象识别和火灾识别 ,经实验验证实用可靠 ,满足实时性要求 .对采集的彩色图像具有与灰度图像同样良好的效果 ,能将报警信号和可疑区域图像通过网络传送到报警中心 .     

炭制品图像的缺陷分割与样本提取

针对炭制品X光图像的特点,为快速准确地分割出缺陷,提出了基于迭代的阈值构造方法和数学形态学相结合的缺陷分割方法.通过迭代算法确定了图像分割的最佳阈值,有效地减少了噪声对分割阈值的影响;设计可疑点区域搜索算法,确定了可疑点区域的位置和大小;通过试验得到了滤波模板的最佳概率阈值,并建立了可疑点的合并条件表达式,得到了完整的缺陷区域.研究结果表明:该法很好地解决了噪声抑制和保持图像缺陷细节之间的矛盾,且缺陷分割结果非常准确.最后,在缺陷分割的基础上,研究了缺陷样本的输出方式,设计了两个三维特征矩阵存储缺陷特征信息,实现了缺陷几何特征与灰度特征的提取,为进一步的缺陷特征参数的提取与缺陷识别奠定了基础.     

一种基于视觉的库区可疑目标识别算法研究

针对库区巡检图像采集设备对图像目标智能识别需求,进行基于视觉的远距离可疑目标识别算法设计与实现. 采用目标检测算法对图像进行目标识别并采集,通过基于卷积神经网络的深度学习模型卷积层对目标图像提取特征,采用基于机器学习传统方法的浅层网络对特征进行可疑目标分类. 根据算法设计实验,实验结果表明本算法模型识别效果良好,可有效减少人工识别工作量,能满足实际应用需要要求.      

基于相位的C-V模型乳腺超声图像分割方法

为了提高乳腺超声图像分割的准确率,提出了一种基于相位特征的C-V模型超声图像分割方法.首先,采用LOG-Gabor滤波器对超声图像进行6个不同方向的滤波,提取最大能量所对应的相位信息,得到超声图像的相位特征.然后,采用SRAD方法对超声图像降噪,并将降噪后的图像与相位特征点乘,增强图像目标与背景的对比度.最后,运用C-V模型的分割算法识别图像中的目标区域,并采用腐蚀方法使目标区域边缘完整、平滑.实验结果表明,与基于灰度的C-V模型、GAC模型以及基于相位特征的人工神经网络方法相比,利用该方法分割乳腺超声图像,分割的精确度明显提高,达到92.40%.     

一种基于阈值与边缘检测的遥感图像分割方法

针对阈值分割法分割遥感图像目标区域不完整问题,提出了一种融合边缘信息的遥感图像目标分割方法。方法以阈值分割得到的图像为基础,同时融合边缘提取方法得到的目标边缘图像,然后采用区域生长的方法填充融合图像的孔洞,最后利用形态学滤波得到完整的目标区域。实验证明,本方法能够完整分割遥感图像目标区域,为后续的目标识别奠定了基础。     

基于不变矩的前视红外图像机场目标识别

根据远距离前视红外图像中机场跑道的成像特点,提出了一种基于仿射不变矩的红外序列图像机场目标识别方法.该方法对图像进行多次双阈值分割,搜索分割图像中各潜在目标区域轮廓链,计算其仿射不变矩和目标背景梯度特征,并利用前后帧目标大小的约束关系等先验知识,对各候选目标区域进行识别,最终获取机场目标.试验结果表明:该算法对复杂背景下的远距离前视机场目标的正确识别率优于96%,误识率低于2%.     

一种几何约束目标识别方法

针对复杂背景中有几何形状且可分割的目标图像,本文提出了一种以方向编码进行抗旋转匹配,结合几何约束进行目标识别和分类的进行目标检测的方法.首先对图像分割,获得连通区域并进行标记后,对各标记块进行基于模板特征的旋转匹配方法,方法采180个编码矢量进行积相关计算,在标记块比较大的情况下,大大减少了传统相关匹配方法的计算量,获取模板最明显特征块在实时图像中的定位;然后根据目标模板各连通区域间的几何依赖关系进行几何约束计算,消除了可区分背景对模板匹配的影响.图像分割采用改进的分水岭方法实现,减少了纹理和噪声对图像分割效果的影响.最后针对目标识别的实际应用对方法的性能和误差进行了分析,给出了实验结果.     

半自动图像分割

半自动图像分割是图像分割的方法之一,本文提出了一种半自动图像分割的方法,即首先用手工粗略地将图像中的对象勾画出来,将图像划分为目标区域和背景区域,再利用边缘检测、最佳阈值分割、数学形态学等算法对图像的目标区域边缘进行优化,通过大量试验,得到精确的对象形状信息。     

面向红外视频图像的火焰识别

针对红外图像的火焰识别,采用基于粒子群优化算法的二维最大熵阈值选取方法,选取最佳阈值对红外图像进行分割,使可疑区域从背景中分离出来.选择物体的高度作为特征量,采用标准模板序列,设计两层模糊分类器分析物体的高度变化和灰度分布,给出可疑目标隶属于火焰的评价.实验证明,这种结合火焰动、静特性的算法鲁棒性强,识别率及灵敏度较高,适用于广范围的火灾监控.     

半自动图像分割

半自动图像分割是图像分割的方法之一,本文提出了一种半自动图像分割的方法,即首先用手工粗略地将图像中的对象勾画出来,将图像划分为目标区域和背景区域,再利用边缘检测、最佳阈值分割、数学形态学等算法对图像的目标区域边缘进行优化,通过大量试验,得到精确的对象形状信息。     

交警手势的图像处理与识别

提出了一种基于交警手势识别的交通灯控制方法.该方法首先对彩色摄影机采集的交警手势图像进行预处理,包括彩色图像平滑、彩色图像增强;其次利用边缘检测和图像分割方法对目标图像进行分割,由于图像受噪声干扰严重,采用Sobel算子消除噪声;再次将分割得到的目标轮廓进行表示与描述,为图像的识别作好准备;最后结合图像的轮廓特征对图像进行识别,采用了模糊模式识别方法.试验结果表明,该方法能够实现对交警手势准确的识别.     

基于Nystrom方法的水平集医学图像分割算法

现有的基于最小化区域扩展拟合能量的图像分割模型,对于边缘模糊、噪声强的图像存在易产生边缘泄露的现象,导致分割效果不理想.针对这种现象提出了一种基于Nystrom方法的水平集医学图像分割算法.算法将原始图像通过Nystrom方法采样,近似估算相似矩阵和特征向量,通过k-means算法将特征向量聚类,最后利用水平集分割方法实现图像分割.实验结果表明,与基于最小化区域扩展拟合能量的图像分割模型相比,在相同的迭代次数中,分割时间减少,相似度系数提高.     

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.     

基于机器视觉的动态多目标识别

提出了一种基于机器视觉的实时动态多目标识别的方法.该方法首先根据前后帧之间像素的变化,分割出运动目标和样本图像,然后使用Gabor滤波器提取图像的特征,得到特征向量.最后使用Fisher判别准则分类识别,将得到的分类识别结果自动标注在输出图像中,并且将其连续输出,便能获得已经识别完成的输出视频.实验结果表明,在多个动态目标的情况下,综合运用Gabor特征与帧间差分法的动态目标识别方法能准确检测到动态目标区域,并能准确分类、识别和标注.     

基于幂次变换和区域收缩算法的运动目标检测与定位

运动目标分割与跟踪是计算机视觉中的重要研究课题,而目标检测与定位是其中的必要步骤,对分割与跟踪效果影响很大.在此提出一种新的运动目标检测与定位方法,该方法在差分二值图像上,通过区域收缩定位到运动像素密度较大的区域,从而实现运动目标定位.在多目标情况下,先通过幂次变换突出不同位置的目标,然后再通过区域收缩实现目标定位,给出目标的特征矩形,便于进一步的跟踪与识别.该方法不需要任何关于目标数的先验知识,对噪声鲁棒性较强.文中给出的实验结果证明该算法的有效性.     

高分辨率遥感图像中油库的检测识别

针对遥感图像中油库检测识别效率低、难度大的问题,提出了一种分布式的目标检测识别方法.首先利用多阈值Otsu方法分割出目标,然后利用油罐的类圆形特征和分布式目标的空间分布规律对油库进行检测识别,最后通过油库场景分布的先验知识,提高检测识别效率、降低虚警率.实验表明本文方法可以有效实现对遥感图像中油库的检测识别.     

基于视觉显著特征的人脸图像分割与跟踪方法的研究

将人脑视觉注意机制应用于人脸图像分割与跟踪中,提出了一种基于视觉显著特征的人脸目标分割与跟踪算法.该方法由三步完成：首先通过模拟人脑视觉注意机制迅速而准确地利用颜色、结构、梯度和位置等信息建立人脸显著特征图.其次,基于建立的视觉显著特征图,对人脸图像视觉显著特征进行学习和聚类,最终能够快速而准确地确认和分割出图像中的人脸区域.该方法突破了传统的逐点搜索的限制,通过一个几何模型和眼图模型对图像中的人脸区域进行搜索,大大提高了人脸候选区域搜索标记的效率,减少了后续处理工作.最后,通过分割出的人脸区域得到一个有效的边界特征图,并融合人脸显著特征图对人脸进行跟踪.实验结果表明本论文所提出的基于视觉显著特征的人脸图像分割与跟踪方法能够较有效地分割出人脸.     

基于改进k-均值聚类的纸币冠字号图像分割算法

针对传统彩色图像分割方法的局限性,提出了基于HSI色彩空间和改进K-均值聚类的图像分割方法,通过将彩色图像分解成三个相互独立的H、S、I分量,利用各个分量特点及其直方图确定聚类类别和初始聚类中心,在高饱和度区和低饱和度区分别聚类,并将聚类结果合并取交集,从而分割出目标区域.将该方法用于纸币冠字号码图像分割,经仿真验证,结果不受噪声和局部边缘变化的影响,分割效果得到明显提升,为后续冠字号准确识别提供了良好的基础.     

基于PCNN模型的区域生长图像分割

提出了一种结合区域生长算法和脉冲耦合神经网络进行图像分割的方法.该方法将待分割图像的像素点映射为PCNN模型中的神经元,把改进的脉冲耦合神经网络模型的点火频率同区域生长的理论结合起来进行图像分割.实验表明该方法分割的图像与传统的分割法相比具有边缘信息更加完整,区域划分更加准确,分割效果更能符合人眼视觉的识别特征.     

基于形态学和贴标签法的苹果图像增强

苹果图像的精准分割是目标果实识别与定位的关键步骤,然而分割出的图像往往存在较多的孔洞和噪声,影响着进一步的识别与分析,因此需要对目标果实的分割图像进行完善和去噪处理.应用于苹果采摘机器人的图像处理中,既要考虑处理精度,还要考虑处理效率.将数学形态学和贴标签法相结合,首先利用数学形态学方法去除分割图像的孔洞以及部分噪声,求出最大连通区域;然后利用贴标签法进一步处理,得到较为完好的目标果实图像.在HSI和Lab两种颜色空间下进行实验,对组合方法处理后的图像再利用Sobel算子进行边缘检测,结果表明,该方法能够有效地填补孔洞和滤除噪声,且不会破坏图像的边缘信息,为进一步的图像识别打下基础.