基于双线性插值动态直方图均衡化的雾天图像增强算法

为解决雾天图像降质问题,提出一种基于双线性插值动态直方图均衡化(BIDHE)的雾天图像增强算法.将原始图像分割为若干大小相同的子图像,利用局部最小值分割子图像直方图,计算子直方图输出灰度映射范围,然后对子直方图进行直方图均衡化,对图像进行双线性插值.选取真实雾天降质图像为处理对象,利用边缘检测及均方误差(MSE)、信噪比(SNR)和峰值信噪比(PSNR)3项评价指标对不同算法进行比较.结果表明,该算法有效增强了雾天降质图像对比度,并且清晰地恢复了图像细节.     

基于改进的深度卷积神经网络的人脸疲劳检测

针对疲劳驾驶检测问题,提出一种以softmax损失与中心损失相结合的深度卷积神经网络算法。首先,利用含有方向的梯度直方图(histogram of oriented gridients,HOG)和级联分类器(support vector machine,SVM)算法的Dlib库中预训练的人脸检测器,来检测驾驶员的脸部区域。其次,使用级联回归(ensemble of regression trees,ERT)算法实现脸部68个关键点标定及眼睛和嘴巴的定位。最后,为了优化softmax损失在深度卷积网络分类中出现的类内间距大的问题,加入中心损失函数,提高类间差异性、类内紧密性以及驾驶员脸部疲劳状态识别准确率。在自建测试集和YawDD哈欠数据集中的实验结果显示,该方法能够准确地识别检测驾驶员疲劳表情,平均识别准确率达到98.81%。与传统的疲劳驾驶检测识别方法相比,该方法可以自动进行疲劳特征提取,并且训练准确率、检测识别率及鲁棒性得到提高;与未改进的深度卷积网络相比,检测识别的概率平均提高了约5.09%。     

对比度受限下直方图均衡化处理的木板纹路图像增强算法

在木板纹路识别的工程应用中,光照不均匀等因素会产生对比度差的木板图像,将影响木纹的准确识别,针对此现象采用改进的对比度受限自适应直方图均衡化方法(contrast-limited adaptive histogram equalization,CLAHE)对木板纹路图像进行增强处理,首先借助加权平均灰度化对原始图像进行灰度处理,再利用CLAHE算法将灰度图像分割成若干个大小相等连续的子块,选取合适的阈值对每个子块的直方图进行截取,将超过阈值的像素均分到其他的灰度级中,使用双线性插值对图像进行插值运算,得到对比度受限下直方图均衡化图像,最后使用双边滤波器(bilateral filter)对均衡化图像进行降噪保边处理。共用600幅木板图像,其中450幅图像作为训练集图像,150幅作为验证集图像,通过平均绝对误差(mean absolute error,MAE),峰值信噪比(peak signal to noise rate,PSNR)以及最终实验结论对比CLAHE算法和其他一些常规算法,工程运行结果表明:CLAHE方法处理木板纹理图像具有较好的运行效果,为木板纹理的准确识别提供了理论依据。     

基于HOG/PCA/SVM的跨年龄人脸识别算法

为了实现跨年龄的人脸识别,通过梯度幅值和梯度方向这2个重要的图像特征测量图像相似度,建立了一种方向梯度直方图 (HOG)、主成分分析 (PCA)和支持向量机（SVM）相结合的人脸识别算法.首先对从FG-NET数据库中选取的人脸图像作预处理,然后用HOG算法提取特征值,用PCA方法降维特征值,最后将样本输入到SVM中进行训练,人脸识别匹配度最高可达90.91%.实验结果验证了算法的有效性.     

基于颜色与缺陷检测的椪柑分级算法

以湘西椪柑为研究对象,提出了一种基于颜色与缺陷检测的椪柑自动分级算法.首先,对椪柑灰度图像进行阈值分割和孔洞填充得到二值图像;然后,将二值图像与椪柑彩色图像的R,G,B分量分别进行与运算,并将运算后的3幅单色图像进行合成,从而得到彩色图像的椪柑目标区域;接着,提取目标区域的黄色像素占比和缺陷面积作为色泽特征参数和缺陷特征参数;最后,利用决策树模型融合特征参数以进行椪柑分级判定.实验结果表明,对比基于单一特征的椪柑分级算法,新算法通过特征的互补提高了椪柑分级的准确率.     

典型图像边缘检测算子的比较与分析

通过MATLAB编程,采用Roberts算子、Prewitt算子、Sobel算子、Kirsch算子、Log算子和Canny算子等对数字图像做了边缘检测.通过图像的直方图,直观展示了各算子检测图像之间及其与原图的差别.引入高斯噪声和椒盐噪声,并评价了每种算子抑制噪声的能力.这些研究结果对边缘检测算子的选择及改进具有一定的指导意义.     

基于粒子滤波与层级形状描述的红外目标跟踪

提出了一种基于粒子滤波和层级形状描述的红外目标跟踪新方法。在粒子滤波理论框架下,观测概率模型的建立是影响红外目标跟踪性能的重要因素,而红外目标描述是建立观测概率模型的基础。针对红外成像特性,以梯度直方图和空域金字塔技术为基础,建立层级梯度直方图,实现红外目标的层级形状描述。通过计算参考目标的层级梯度直方图与目标样本的层级梯度直方图之间的Bhattacharyya距离,建立观测概率模型。两种不同场景特性的红外目标跟踪实验和对比实验分析都表明该方法是有效的、稳健的。     

基于一维Otsu的多阈值医学图像分割算法

针对传统医学图像分割算法时间复杂度高、 分割精度低等问题, 提出一种基于一维Otsu的自动多阈值分割算法. 考虑到医学图像信息的复杂性, 引入基于梯度、 灰度、 距离的综合信息直方图替代传统的灰度直方图, 并分别赋予这3个信息相应的权值. 采用kd-树作为框架快速自动确定阈值个数, 进而实现Otsu对医学图像的自动多阈值分割. 与最大熵、 基于粒子群优化的Otsu算法等进行对比实验的结果表明, 该算法的分割性能优于其他算法.     

基于粒子滤波的变电站内动态目标跟踪技术

为实时智能监控变电站安全生产区域内的移动目标,克服现有视频系统人工切换图像和肉眼判断所造成的漏检和滞后问题,对变电站内运动目标的自动检测与识别跟踪技术进行了研究;基于背景差分法实现了人物动态目标检测,提出了基于颜色直方图的粒子滤波人物动态目标跟踪方法;通过提取目标颜色特征,建立目标状态模型和系统模型,进而准确定位目标;研发了变电站安全事件视频自动识别跟踪系统.系统应用结果表明:算法检测与跟踪的时间性能良好,能够快速识别目标,并准确跟踪目标运动轨迹,有效提升了全天候智能监控站内的安全生产能力.     

基于灰度直方图的加权模板匹配法在摄像机标定中的应用

采用基于灰度直方图的加权模板匹配法实现摄像机的标定.首先以一个游标卡尺作为目标采集图像,此采集图像作为后续分析的同时用于模板的多处提取;提取的每个模板都将用于后续的模板匹配来提取目标区域(Region of Interest,ROI);匹配所获得的所有目标区域二值化后并旋转90°,以提取其水平方向的灰度直方图;所获得灰度直方图经过优化获得单一峰值后用于获取测量精度;最终标定出的测量精度是由所获得的所有测量精度值进行可信区间的加权平均决定的.本文所采用的加权模板匹配方法不仅降低了单一模板匹配的风险,而且充分利用了具有相似纹理这一有利信息,实验结果表明,提出的方法可以达到工程要求的亚像素级别误差,由此说明该方法在摄像机标定的应用中是行之有效的.