基于OTSU和Canny算子的红外图像特征提取

由于红外图像背景复杂、分辨率低等因素,在利用涡流红外热成像技术检测金属材料裂纹缺陷时,会导致红外图像裂纹缺陷区域模糊。为解决这一问题,提出一种基于大津法(OTSU)和Canny算子相结合的红外图像特征提取方法,用于解决红外图像分割、特征增强和裂纹缺陷区域边缘特征提取等问题。首先对获取的红外图像进行降噪处理,增强图像中的特征信息;然后用OTSU算法将裂纹区域从背景区域分离出来,并用Canny算子提取裂纹区域的边缘,最终获得裂纹边缘的周长和面积等特征信息。实验结果表明,该方法能准确定位红外图像裂纹区域,提取红外图像裂纹边缘特征信息。     

一种改进的最大类间方差图像分割法

该文根据脑部切片图像中白质的特点,将均方差因素引入传统分割方法,提出了一种改进的最大类间方差图像分割方法.采用连通域标记进行图像预分割,借助形态学的开运算进行滤波处理,根据改进的最大类间方差分割原理进行白质提取.将该方法与传统最大类间方差法对序列脑切片的白质分割结果进行定性比较,并借助漏检率和误检率指标进行定量评估,发现两种方法的平均漏检率均约为0.03,平均误检率分别为0.251和0.026,表明该方法能够综合利用图像的区域特性和边缘特性,分割更加准确有效.     

基于Canny算子和Hough变换的夜间车道线检测

针对夜间只有车灯照射路面图像整体较暗、光照不均匀、车道线不易检测的问题,提出了一种夜间车道线识别方法。首先,对预处理后的图像采用Laplacian算子进行边缘增强;然后,结合Otsu算法进行Canny边缘检测,再在边缘图像底部1/3区域中利用Hough变换进行直线拟合;最后,在斜率约束的基础上提出了一种内侧车道线提取算法,实现了车辆所在车道内侧车道线的检测。针对多种夜间车道线图像进行实验,结果表明,该算法准确提取出了内侧车道线。提出的方法能克服图像较暗和光照不均的影响,排除旁侧车道线、护栏等的干扰,有助于夜间车辆各行其道。     

基于大津算法和深度学习的开集声纹识别自适应阈值计算方法

针对开集声纹识别的自适应阈值计算问题, 提出一种基于大津算法和深度学习的阈值计算方法. 首先, 采用三层受限Boltzmann机堆叠而成的深度置信网络从Mel倒谱系数中提取语音深层特征; 其次, 通过Gauss混合模型计算特征的相似度值, 对特征的相似度值使用大津算法计算阈值. 实验结果表明, 该方法识别效果较理想, 与等错误率计算阈值方法相比, 具有更高的识别准确率.     

日本的茶饮文化

在日本,有这样的谚语：＂睁开眼睛的一杯茶是添福的＂,所以茶在日本人的生活中,具有举足轻重的地位。拥有180公顷茶园的朝宫,并不算是日本最大的茶叶产地,却是日本重要的高级茶产区。据说朝宫所在的滋贺县,是日本茶的发源之地,当时是遣唐使最澄法师将天台山带回日本的茶籽,种植在滋贺县大津市的日吉神社附近。     

基于动态区域搜索框及K_Means聚类的三车道检测算法

为解决现有车道线检测方法在弯曲道路上识别准确率较差及Hough检测方法耗时较长的问题,提出一种基于动态搜索框及K-means聚类的三车道检测算法。首先,根据逆透视变换(IPM)将感兴趣区域内部转化成鸟瞰图的形式,利用大津法(OTSU)将单帧图像分成前景和背景两部分区域,然后,在图像底部规定区域内进行直方图分析,得到车道线基准点建立初始搜索框,并在其内部使用K-means算法聚类得到车道线候选点,根据建立的车道线直线模型迭代生成搜索框;最后,将得到的车道线候选点根据贝塞尔曲线对其进行拟合得到检测车道线。实验结果表明算法可以很好地检测车道线弯曲部分,算法单帧处理时间达到30 ms,在包含障碍干扰的路况下识别准确率为90. 1%。     

基于文化算法的PCNN自动系统的研究

脉冲耦合神经网络作为当前智能领域研究的热门课题,其多个参数的设置给实际应用造成很大的困难.而文化算法作为新型的进化算法,具有对参数自动寻优的优势,为此,提出一种基于文化算法的脉冲耦合神经网络的自动系统,并通过将其应用于图像分割,将分割结果与经典OTSU阈值分割法比较,验证了该方案的正确性与可行性.     

融合模糊连通图和区域生长的MRI脑组织图像分割算法

针对磁共振脑组织图像中存在灰度不均匀,不利于分割的问题,提出了一种应用模糊连通图和区域生长的MRI(Magnetic Resonance Imaging)脑组织图像分割算法。首先用大津法对脑组织进行粗分割,得到脑白质部分的大致轮廓,。然后计算粗分割结构的中心点,根据中心点得到图像的模糊连通图。最后用区域生长算法对模糊连通图中的脑白质进行更精确的分割。试验结果表明,此方法能够精确的得到脑白质轮廓的边缘,并且大大降低了区域生长种子点位置和阈值选取对分割结果的影响。     

手形识别中手形处理方法的研究

生物特征识别是人类本身具有的生理特征或者行为为前提,借助计算机判断个人身份的技术。手形识别是生物特征识别的一种方法,以其采集设备简单、识别速度快、稳定性高而成为继指纹识别之后的新的生物特征识别方法。手形边缘信息的准确提取为手形的识别与认证起到了至关重要的作用。在手形的采集和提取过程中,外部引入的噪声会降低手形信息提取的准确性。本文采用改进型中值滤波法和大津法进行自适应阈值搜索,能够快速、准确、有效地提取手形边缘信息的现象。通过实验验证了这两种方法的优越性,为手形认证做了很好的铺垫。     

智能车跑道图像的大津阈值分割算法

智能车跑道环境复杂多变,传统的大津阈值分割法无法完成跑道图像的准确分割.在分析传统大津法二值化的基础上,提出了适合智能车跑道图像处理的分块大津法二值化,准确快速地完成了跑道阈值的分割,并有效地完成路径的识别.