图像灰度熵特征与SVM分类结合的人脸检测

提出了一种基于支持向量机并综合图像灰度值和灰度熵的人脸检测方法.在信息论的编码熵的基础上提出了灰度熵的概念,并把人脸图像的行像素灰度熵和列像素灰度熵作为人脸图像的部分特征.在人脸检测系统中,把人脸图像的灰度值和行像素灰度熵和列像素灰度熵作为特征用支持向量机进行训练,得到检测用分类模型,然后把分类模型应用于人脸检测.实验证明了这种方法的有效性.     

图像灰度熵特征与SVM分类结合的人脸检测

提出了一种基于支持向量机并综合图像灰度值和灰度熵的人脸检测方法．在信息论的编码熵的基础上提出了灰度熵的概念，并把人脸图像的行像素灰度熵和列像素灰度熵作为人脸图像的部分特征．在人脸检测系统中，把人脸图像的灰度值和行像素灰度熵和列像素灰度熵作为特征用支持向量机进行训练，得到检测用分类模型，然后把分类模型应用于人脸检测．实验证明了这种方法的有效性。     

棉花异性纤维定位新方法

以在生产线上采集的棉花异性纤维图像为研究对象,针对目前异性纤维识别算法编程复杂、运算速度低、无法满足在线剔除异性纤维等技术问题,提出运用标准差分割图像和定位异性纤维的新方法.该方法首先提取RGB图像的G分量并进行灰度值变换,接着运用列像素灰度值的标准差在宽度方向定位异性纤维,然后运用行像素灰度值的标准差在高度方向定位异性纤维,最后根据在图像宽度和高度2个方向异性纤维的位置信息进一步确定在输棉管道内异性纤维的精确位置.由测试含有塑料绳、地膜、麻绳、有色线和羽毛5类异性纤维的图像表明:该算法能快速准确地分割和识别异性纤维,在PC机上运用Matlab软件处理一幅3 096像素×60像素的图像,从读取图像到得到异性纤维精确的像素位置,算法运行约0.04 s;若直接采用FPGA硬件系统运行该算法速度会更快,有望实现在线剔除异性纤维.     

基于灰度共生矩阵和支持向量机的茶叶病害诊断研究

针对茶叶病害由于致病机理不同导致病斑纹理不同的特点,通过灰度共生矩阵来构造茶叶病害的纹理特征和将支持向量机应用到茶叶病害的识别方法;由于支持向量机是一个二分器,提出了投票最大策略建立SVM多分类识别算法。首先对茶叶病害的图像进行预处理以改善图像质量,然后利用灰度共生矩阵构造和提取了5种纹理特征,最后建立支持向量机多分类识别器并对茶叶病害进行识别。实验结果表明:利用灰度共生矩阵构造的纹理特征对茶叶病害的识别效果好;不同核函数的识别性能不同,径向基核函数比较适合茶叶病害的识别,识别率高达86.67%;不同样本数的识别性能不同,支持向量机在解决小样本的病害识别问题上有很好的识别能力,最低识别率达到70%,稳定性好。     

一种鲁棒性强的视频图像在线识别算法

针对当前视频图像水印在线识别正确率低的问题,提出一种鲁棒强的视频水印在线识别算法.首先利用支持向量机对邻域像素之间的相关性进行估计,并根据估计结果进行水印的嵌入,然后采用支持向量机对邻域像素值之间的关系进行估计,并根据估计结果与水印嵌入位置的像素关系进行视频图像水印的识别.仿真实验结果表明,该算法嵌入的水印不仅具有不可见性,而且可以实现视频图像水印的在线检测,具有较高的实际应用价值.     

应用频域分析与距离匹配函数的织物纹理周期测量

通过将频域分析与距离匹配函数(DMF)相结合,实现了机织物图像纹理周期的自动测量.首先按行和列方式分别将织物图像展开为行向量和列向量,然后应用一维快速傅里叶变换分别将所提取的行向量和列向量变换到频率域进行分析,并在此基础上提取两个最大峰值所对应的周期值,最后通过计算潜在周期的累加DMF实现织物纹理周期的准确测量.试验结果表明,该方法能有效地测量织物纹理周期,相比于累加DMF方法,其稳定性更好且计算效率高.     

航空发动机孔探损伤识别方法

针对目前航空发动机孔探检测不能对损伤类型自动识别现状,将支持向量机与孔探检测技术相结合,提出基于支持向量机（SVM）的损伤图像识别方法。该方法将损伤图像进行二值化分割,利用链码跟踪及灰度共生矩阵分别提取损伤区域的形状特征和纹理特征,组成多维特征向量,输入支持向量机进行分类识别。分类器设计阶段,组建性能优越的二叉树支持向量机以减少训练样本,提高分类效率。CFM56发动机实验结果表明：该方法的识别性能明显优于传统SVM多分类器和BP神经网络方法。     

一种基于改进运动历史图像和支持向量机的行为识别算法

针对传统运动历史图像难以区分相似运动的缺陷,提出了一种基于改进运动历史图像和支持向量机的行为识别方法。首先提取视频帧的前景运动目标并标记出其外接矩形框,计算矩形区域内各像素的光流矢量;然后设定运动历史图像中前景像素点的灰度值为该像素点的光流长度叠加一定权重的历史灰度,而背景像素点的灰度值则按一定比例进行衰减;最后从运动历史图像中提取Hu矩为特征向量,输入支持向量机进行分类,从而完成人体行为识别。在KTH数据集的实验结果表明,所提算法能够满足实时性要求,识别率可达99%。     

基于遗传算法寻优的支持向量机图像插值方法

锯齿波、边缘模糊是影响图像质量的重要因素,为了有效提高图像质量,提出了一种优化支持向量机图像插值方法.先将遗传算法应用到支持向量机的参数寻优,将使用最优参数的支持向量机结合图像相关性对图像插值.算法根据图像相关性选择适当的相邻点作为输入模式训练支持向量机,用训练好的支持向量机及输入模式估计出待插值点的像素值.仿真结果表明,与已有算法相比,该算法获得图像的RPSN值、NMSE值、MSE等指标均有明显改善,且视觉效果有显著提高.     

基于小波变换和支持向量机的遥感图像目标识别方法

提出了将小波变换结合灰度共生矩阵法,以用于提取目标样本图像特征信息.建立了基于支持向量机方法的分类器,以对高分辨率遥感图像进行目标识别.实验结果表明:该方法快速、高效且具备一定的鲁棒性.     

基于支持向量机的J型坡口接头相贯线检测

摘要： 针对核电压力容器中J型坡口焊缝的自动化焊接,应用图像处理技术,结合支持向量机(SVM)分类器,研究了核电压力容器封头与圆管相贯线检测算法. 以颜色矩特征和灰度共生矩阵特征组合作为特征向量,利用SVM对图像进行分类,结合滑块机制和投票机制可以生成相贯线区域高亮的二值图像,利用二次曲线对二值图像中最大轮廓进行拟合,获取相贯线的准确位置. 结果表明：算法具有较高的鲁棒性和实时性,SVM分类器准确率达到95.6%,每幅图像处理时间在170 ms以内.     

一种镜像立体匹配改进算法

基于图像视差的三维扫描技术中,计算样本外形需要从存在干扰的图像中寻找匹配对应点,提出一种镜像立体匹配改进算法,处理场景存在镜面的情况下物体和镜像的点点对应问题.新算法通过计算像素点与其邻域的灰度值之差,结合变权构建多维判别向量,通过判断物体空间和像空间中对应点的多维向量夹角的大小,来确定两个像素是否匹配.实验结果表明,相比传统的SAD,NSAD,SSD,NSSD立体匹配方法,新算法能够更好地处理有衰减模糊和色差的图像匹配问题,提高重现物体的几何外形精度.     

一种改进的有雾图像去雾算法

针对基于大气散射模型的图像去雾算法存在的图像去雾后颜色偏暗、对比度过度增强的问题,提出一种基于灰色关联度引导滤波的图像去雾算法。首先,假设有雾图像的像素可以分为正常像素和被雾霾颗粒破坏的像素,应用灰色关联理论对雾霾图像的像素值进行判断;然后,对雾霾颗粒破坏的像素进行引导滤波,通过取对数的方法缩小原始图像和滤波以后图像像素值之间的差异,在对数域中计算雾气面纱值;最后,依据大气散射退化模型反演复原清晰的图像。实验结果表明,该算法不仅可以有效改善雾霾图像的清晰度,而且能够解决去雾后存在的亮度偏暗,色彩失真等问题。     

结合SVM和分形维数的多特征红外人造目标提取

研究了红外图像中人造目标的提取.首先,通过计算红外图像目标的分形维数确定红外目标和背景的大致区域;然后,分别提取目标图像和背景图像的灰度级特征(邻域中心像素亮度、邻域中值亮度和邻域平均亮度),再利用支持向量机(SVM)进行训练,并尝试用不同的核函数及其参数建立最适当的区分目标和背景像素点的模型,进而把红外图像像素点分成目标和背景2类;最后,利用构建的模型实现红外图像中人造目标的提取.实验结果表明,用该方法建立的分类模型可以有效地提取红外图像中的人造目标.     

模糊信息粒化和GWO-SVM算法结合的短期风速范围预测

为了实现对风速范围区间的准确预测,提出一种基于模糊信息粒化和灰狼优化-支持向量机(GWO-SVM)算法的风速预测模型.该模型首先利用模糊信息粒子,从一段连续时间的风速值提取出最大值、最小值及大致的平均水平值;然后,采用时间序列风速输入模型,构建输入支持向量机模型的标签向量与特征矩阵;最后,通过灰狼算法进行支持向量机预测模型的参数寻优,实现对风速范围区间的准确预测.在实例验证阶段,将风速历史数据进行模糊粒化,采取4种不同的参数寻优方式对支持向量机预测模型进行参数寻优.结果表明:GWO-SVM算法可以有效地提高风速范围预测的精确度.     

基于图片DCT域共生矩阵的图像拼接盲检测

通过对图像拼接技术的分析,提出了一种基于灰度共生矩阵的拼接图像检测算法.该算法把离散余弦变换(DCT)与灰度共生矩阵结合,计算图片DCT域上的灰度共生矩阵,将共生矩阵作为特征向量,采用特征提取 分类方法,利用支持向量机（SVM）分类器进行分类预测.实验结果表明,该算法在哥伦比亚大学灰度图片库和中国科学院彩色图片库上达到了91.2%和98.5%的最高检测准确率.     

基于小波变换和SVM的文本区域定位

提出了一种基于小波变换和支持向量机(SVM)在数字图像中定位文本的方法.对图像进行小波变换,并在低频概貌和高频能量空间应用SVM提取文本的纹理特征,由SVM来决定当前的像素是文本类还是非文本类.因为SVM的分类结果可能存在噪声或错误,用形态学去噪和计算纹理能量的方法对SVM的分类结果进行后处理.小波变换和SVM的结合,不仅降低了输入空间样本的数量,而且利用了SVM适合于高维空间工作的特点,提高了文本提取的效率.实验结果表明,提出的方法可以快速有效地定位数字图像中的文本区域.     

一种改进的基于梯度的自适应边缘检测算法

对常见的边缘检测算法进行改进,从梯度的定义出发,提出了一种应用于灰度图像的自适应阈值边缘检测算法.根据边缘处像素灰度值的差异,将模版中的9个像素分两组进行分析,计算出像素的梯度幅度和梯度方向.按梯度值的不同将图像分割成若干个区域,计算每个区域的灰度平均值,确定阈值,实现边缘检测.实验表明,该方法检测出的边缘更细、更准确,可以除去虚假的边缘,是一种有效的对灰度图像进行边缘检测的方法.     

Image Reconstruction Using a Genetic Algorithm for Electrical Capacitance Tomography

Electrical capacitance tomography （ECT） has been used for more than a decade for imaging dielectric processes. However, because of its ill-posedness and non-linearity, ECT image reconstruction has always been a challenge. A new genetic algorithm （GA） developed for ECT image reconstruction uses initial results from a linear back-projection, which is widely used for ECT image reconstruction to optimize the threshold and the maximum and minimum gray values for the image. The procedure avoids optimizing the gray values pixel by pixel and significantly reduces the search space dimension. Both simulations and static experimental results show that the method is efficient and capable of reconstructing high quality images. Evaluation criteria show that the GA-based method has smaller image error and greater correlation coefficients. In addition, the GA-based method converges quickly with a small number of iterations.