基于图像连续表示的角点检测

为研究基于数字图像连续表示的角点检测方法,利用弦理论给出了离散数字图像的连续表示形式,利用快速付里叶变换实现了离散数字图像的连续表示和重建.通过计算小矩形区域的积分对直线段进行了检测.将角点的响应函数定义为平行四边形面积的大小,利用检测出的有向直线段,实现了对角点的检测.运用不同于传统的离散图像角点检测方法进行了角点检测实验,结果表明:它对图像的噪声有较强的适应性.     

基于分形和数学形态学的TIG焊熔池图像分析

焊接图像中不可避免地存在烟尘和弧光等干扰造成的噪声,而传统的图像处理方法对噪声非常敏感,因此很难准确地对焊接图像进行处理.文中提出了一种基于分形和数学形态学理论的综合图像处理方法.该方法利用分形理论中的离散分数布朗随机场理论得到按分形维分布的熔池灰度图像,然后利用二值形态学中的连通域检测去除噪声并得到目标图像,进而利用形态学中的开运算和闭运算得到图像的强连通边界.试验结果表明,该方法能够快速、准确地检测熔池的边缘、高度、宽度以及面积等信息.     

模糊图像的不连续边缘智能检测改进算法

针对传统不连续边缘检测算法利用增强图像边缘对比度进行检测, 只适用于检测灰度值变化不强烈及含有普通噪声的图像边缘, 检测性能具有局限性的问题, 提出一种模糊图像的不连续边缘智能检测改进算法. 首先通过广义交叉验证准则获取图像噪声方差估计值, 对图像中高斯噪声进行判别, 使用自适应模糊滤波器对含噪图像进行模糊滤波处理; 然后采用改进模糊图像边缘检测算法, 按图像含噪情形制定边缘检测策略, 获取模糊图像边缘; 最后通过灰度形态学的模糊图像不连续边缘检测算法, 对模糊图像边缘受灰度值不均匀变化形成的膨胀、 腐蚀、 形态学梯度型不连续边缘进行检测. 实验结果表明, 该算法抗噪性较高, 模糊图像不连续边缘检测的结果更清晰、 完整.     

模糊图像的不连续边缘智能检测改进算法

针对传统不连续边缘检测算法利用增强图像边缘对比度进行检测, 只适用于检测灰度值变化不强烈及含有普通噪声的图像边缘, 检测性能具有局限性的问题, 提出一种模糊图像的不连续边缘智能检测改进算法. 首先通过广义交叉验证准则获取图像噪声方差估计值, 对图像中高斯噪声进行判别, 使用自适应模糊滤波器对含噪图像进行模糊滤波处理; 然后采用改进模糊图像边缘检测算法, 按图像含噪情形制定边缘检测策略, 获取模糊图像边缘； 最后通过灰度形态学的模糊图像不连续边缘检测算法, 对模糊图像边缘受灰度值不均匀变化形成的膨胀、 腐蚀、 形态学梯度型不连续边缘进行检测. 实验结果表明, 该算法抗噪性较高, 模糊图像不连续边缘检测的结果更清晰、 完整.     

基于Haralick离散正交多项式曲面拟合的弱小多目标检测方法

提出一种红外弱小多目标图像检测方法,图像先经过中值滤波、高提升滤波增强处理,再用基于Haralick离散正交多项式曲面拟合图像,拟合曲面的极大值点即目标点,可以利用导出的二阶方向导数算子与图像进行卷积得到。对天空、地面背景下低信噪比的红外弱小多目标图像能够有效地分割,增强处理能够有效地抑制噪声干扰。描述了对图像的处理过程,并分析了分割结果。实验表明该算法在执行效率和检测概率上能够取得满意的结果。     

一种离散正交Hahn矩的图像分析方法

提出了一种新的以离散Hahn多项式为变换核的离散正交Hahn矩并用于图像重建,推导了Hahn多项式的有关递推关系式.为了能计算高阶矩,减少矩计算过程中的累计误差,精确重建图像,利用Hahn多项式关于x方向的对称性并对部分表达式进行了优化处理,取得了显著的效果.通过与离散正交Tchebichef矩的重建图像进行比较,表明了该方法的有效性.     

基于压缩感知的MIT图像重建方法

针对目前磁感应成像技术(MIT)的图像重建质量存在精度较低的问题,提出了一种基于压缩感知原MIT图像重建方法.将MIT系统电压数据的采集过程视为压缩感知的线性测量过程,通过对灵敏度矩阵进行补零拓展和行向量随机重组操作重新设计了测量矩阵;采集到的电压向量也用相同的方式处理,作为压缩感知的测量信号.然后利用压缩感知信号重构算法恢复原始信号.最后进行了仿真实验,实验结果表明,利用本方法获得的重建图像误差和相关系数比传统图像重建算法要好.由此可见,这是一种精度较高的MIT图像重建方法.     

基于Gabor滤波器的布匹瑕疵自动检测方法

给出一种基于多通道Gabor滤波技术实现高速实时布匹瑕疵检测方法.在多分辨率和多方向上分别对图像进行Gabor滤波,建立金字塔图像表示结构,并对滤波后的多幅图像进行融合与重建,把瑕疵区域从布匹背景中提取出来,从而实现对布匹瑕疵的实时检测.实验表明,这种方法的检测准确率可达到95%,而且具有计算量小、稳定性好等优点.     

基于局部结构相似与稀疏表示的超分辨率图像重建

稀疏表示在图像超分辨率(super-resolution, SR)重建中表现良好,但是传统的稀疏表示方法独立考虑图像块之间的稀疏性,会导致重建图像损失部分纹理结构。文章提出了一种基于局部结构相似与稀疏表示的SR图像重建算法。该算法利用局部几何结构相似的约束模型和L_1范数正则化的稀疏表示来求解图像块在低分辨率字典下的稀疏表示,以此重建高分辨率图像块。实验结果表明,该算法比传统稀疏表示方法能更好地恢复图像纹理结构,并在重建效果上具有明显的优越性。     

用Kalman滤波改进的背景建模红外运动目标检测

针对运动目标检测中的背景重建问题,提出一种用Kalman滤波理论改进混合高斯背景模型的建模方法,进行背景图像的重建和更新.把当前帧目标图像与背景图像进行差分运算,检测出运动目标.通过红外图像库中标准数据集的测试,实验结果验证了该方法应用于红外图像运动目标检测的有效性.     

计算机图像处理与分析技术在作物领域的应用

介绍了计算机图像处理与分析技术在作物生长监测、作物缺素判别、作物质量检测与分级、作物杂草与病虫害防治等方面的应用进展,指出随着信息处理技术和人工智能技术的发展,图像处理与分析技术将为作物领域的研究和应用开辟新的空间。     

基于区域分割的损伤图像修复

本文针对档案照片中两种常见的损伤,即划痕和因折叠所造成的裂纹,提出两种基于图像分割的修复方法．通过区域分割检测受损区域,然后根据分割后的二值模板取伤痕周围的某种平均值进行替代修补．在区域分割中分别采用修正的直线跟踪检测法和改进的梯度直方图法,取得了良好的效果．这些方法已经成功地应用于作者所在实验室研制开发的档案图像恢复处理系统中     

一种运动图像的检测与识别技术

提出了一套检测和识别视频序列图像中运动物体的算法．该方法在连续3帧视频图像中,分别在第1和第2帧之间、第2和第3帧之间作差分运算,根据未交化区域与运动交化区域服从不同的统计规律设计检测门限,对差分图像作运动变化检测和连通域的识别．将检测到的运动变化图像作去噪和空域分割后,再对得到的两幅差分图像作相与运算以确定运动图像的位置,最后再基于运动物体自身的灰度信患,恢复出完整的运动图像．该算法适于应用在实时视频监控场合,实验结果令人满意．     

一种改进的自适应各向异性LOG算子

针对经典各向同性高斯-拉普拉斯(LOG)算子在具有方向性差异的场合中不适用的问题,引入多尺度,多角度参量,使之能对各个方向的边缘更加有效地检测,进而提出一种自适应各向异性LOG算子。该方法由独立强度传播(DS)模型调整长轴尺度,由像素的邻域平滑度决定长短轴的比例,然后通过8邻域一阶偏导决定长轴方向。实验表明,与传统LOG算子相比,该算法很好地解决了不同方向边缘的提取,还完全保留了经典LOG算子原有的优点。     

光学小波变换在图像边缘特征提取中的应用

小波变换是一种有效检测图像边缘的方法,但由于变换中维数倍增,造成计算量十分大。介绍用传统的4f光学处理系统实现小波变换。它在光学图像的边缘特征提取中能够很好地得到应用。最后给出计算机仿真结果。     

农田作业视觉导航系统研究

 主要介绍了水田插秧、水田管理、小麦播种和小麦管理的导航线检测算法,展示了耕作、玉米播种、棉花播种、小麦收割、玉米收获、棉花收获的导航线检测结果及地头的检测结果。对开发的样机在棉花喷药现场进行了性能测试,车速4.7 km/h,苗列跟随误差2 cm,没有压苗现象,验证了视觉导航的实用性。     

二维小波变换在粮虫图像处理中的应用

提出了用小波变换检测储粮害虫图像边缘的方法,这种方法通过对二维小波变换图像局部极大值的检测得到图像的边缘信息.计算表明,将二维小波变换应用于储粮害虫的图像去噪和边缘检测,不仅可以保留图像的边缘特征,视觉效果好,还可以得到较清晰的粮虫特征图像,为粮虫图像特征提取打下了良好的基础.     

基于互信息和图像镜像的图像阴影消除

为了能够准确地识别待检测目标,必须检测和消除待检测目标的图像阴影.为此,论文提出了基于互信息和图像镜像的图像阴影消除法.该方法首先使用光照不变性原理来获取原图像的二维光照不变性图像,然后利用互信息结合亮度信息来融合两幅图像以消除阴影,最后利用图像镜像来消除阴影边缘以改善阴影消除效果.实验结果表明,该方法能够有效地消除待测目标的图像阴影.     

基于角点检测的图像匹配算法及其在图像拼接中的应用

研究了图像匹配与图像角点匹配之间的关系．并在此基础上提出一种基于角点检测的图像匹配算法，成功地应用于图像拼接中．该算法将角点作为图像的特征点，并通过角点值、邻域角点数、角点间距及参数一致性等4个指标对角点集进行逐级筛选，有效地剔除了不匹配的角点，保证了匹配精度，同时避免了传统算法中进行模板匹配的繁重计算，大大提高了匹配速度．图像拼接实验验证了本文算法的快速、准确和稳定的特性．     

视频序列中基于肤色的人脸实时检测

利用肤色在颜色空间的聚类特性来检测人脸,为了去除亮度对肤色的影响,增强检测的可靠性,采用了同时在RGB归一化颜色空间和HSV颜色空间中对肤色进行检测.在肤色检测之前采用了图像差分法先检测出运动空间,消除了背景对肤色检测的影响,也缩小了肤色搜索的范围.关于实际场景的实验表明,本文算法既能准确地检测出人脸,同时又能够达到实时效果.