基于上下文敏感度的动态图像目标识别

针对机载实时系统获取的图像序列既不满足背景固定又没有目标、背景的高灰度比,而且常规方法处理这些图像存在局限性,提出了基于上下文敏感度的运动图像目标识别算法.首先,对标准Hough变换(HT)算法进行改进,即沿着某一方向做HT,如果线段长度或已识别的目标点数加上剩余线段长度小于阈值,则停止此方向的扫描,这种变换克服了标准HT以图像边界点为扫描边界的缺点.其次,在静态图像识别的基础上,定义了图像识别的置信度,对运动图像前后帧的关系进行了量化,据此实现了对目标的识别.实验结果表明,与标准HT相比,改进的算法不仅具有很强的稳定性和高抗干扰能力,识别准确性高,而且处理速度是标准HT的3～5倍.     

从图像中快速检测直线的并行算法

提出了一种在具有可扩展机群体系结构的通用超级并行机环境下的快速直线检测算法．采用最优域划分法将原图像进行NXN等面积划分，并映射到并行系统各节点的局部坐标下进行直线检测．通过先后两次在Hough变换的扫描过程中提前引入闽值作用，可有效减小计算的复杂度．同时证明了，划分后的子图像采用原阈值的1／（2N-1）进行检测，可满足原图像中的直线目标不丢失的要求．实验结果表明，所提算法具备高鲁棒性和强抗噪能力，能有效提升加速比，该比值的最大值可为25．320．