一种基于RCRF+BCH算法的NAND FLASH纠错方案的FPGA设计与实现

针对可见光图像和红外图像的融合目标检测问题,提出了一种基于决策级融合的目标检测算法。通过建立带标注的数据集对YOLOv3网络进行重新训练,并在融合之前,利用训练好的YOLOv3网络对可见光图像和红外图像分别进行检测。在融合过程中,提出了一种新颖的检测融合算法,首先,保留只在可见光图像或只在红外图像中检测到的目标的准确结果;然后,对在可见光图像和红外图像中同时检测到的同一目标的准确结果进行加权融合;最后,将所得的检测结果进行合并,作为融合图像中所有对应目标的检测结果,进而实现基于决策级融合的快速目标检测。实验结果表明：各项指标在建立的数据集上均有较好的表现。所提算法的检测精度达到了84.07%,与单独检测可见光图像和红外图像的算法相比,检测精度分别提升了2.44%和21.89%,可以检测到更多的目标并且减少了误检目标的情况;与3种基于特征级图像融合的检测算法相比,算法的检测精度分别提升了4.5%,1.74%和3.42%。     

基于多图像与多分辨率的路面裂缝检测方法

路面图像的复杂性及裂缝信息的弱信号性导致对路面裂缝进行检测非常困难,为此提出一种基于多图像和多分辨率的路面裂缝检测方法.首先,在数据采集上,本文使用双摄像机对同一段路面于不同角度进行数据采集,光源分别使用定向光源和自然光源进行测试.其次,在裂缝检测上,使用金字塔变换对图像进行多尺度分解,再将每个尺度的分解图像阈值处理后重建为类梯度(gradient-like)图像,然后使用分水岭算法对类梯度图像进行分割,得到细化后的检测图像.最后,将同一块路面的两张检测图像进行融合,得到最终的检测图像.经试验证明,融合后的结果比单张图像检测效果更好,且使用多尺度的方法能更好保存图像的几何特性,很大程度提高了路面裂缝检测的可靠性和精度.     

基于动态阈值和分层检测的图像缺陷识别算法的研究与应用

针对高精度印刷图像的质量检测中的检测速度和检测精度问题,本文提出了一种基于动态灰度阈值和分层检测的高精度印刷品质量检测的实时的图像缺陷识别算法.算法考虑到人的视觉感官特性,首先将所用的灰度阈值对采集到的印刷品图像进行缺陷的初步识别和标定,然后再按照高精度图像检测要求采用分层检测的方法进行搜索,解决了以往图像检测缺陷识别中的检测效果和速度不理想的问题.经过在高精度印刷图像的质量自动化检测系统中的应用,算法的速度和效果得到验证.     

电视信号监测与报警系统的设计和实现

提出了使用信号检测和图像分析技术监测电视信号的中断、非法插播和干扰的方法和系统设计。该系统采用FPGA和视频采集卡实现32-64路同步信号时序检测与图像检测,并依此设计出一个电视信号自动监测与报警系统;论文介绍了相应的硬件模块设计和软件流程,精确图像模板的动态更新方法,以及通过台标图像模板实现对电视台标的检测过程;实验结果表明,系统达到实用要求。     

基于FDST和MSS的红外与可见光图像融合

为了提高低可见度情况下红外与可见光图像融合质量,提出了一种基于有限离散剪切波变换(FDST)和图像显著性检测算法(MSS)的融合方法。利用显著性检测算法对红外和可见光图像进行检测。采用有限离散剪切波变换对红外和可见光图像进行分解。根据显著性检测结果中亮度越高的区域属于显著性目标这一特点,指导低频子带图像融合。高频子带图像采用"绝对值和取大"的融合策略。实验结果表明提出的融合方法在主观视觉效果和客观性能指标上均取得了较好的效果。     

基于Canny算子的图像边缘检测与提取的算法

近年来,图像分析和处理紧紧围绕理论、实现、应用三方面迅速发展起来.图像边缘识别在实际应用中一直是图像边缘检测中的热点和难点,迄今已有许多边缘检测方法,其中Canny算子在图像边缘的检测与提取中已经取得了较好的处理效果.     

热轧板带表面缺陷检测系统设计与研究

针对热轧板带生产线相对恶劣的生产环境及表面缺陷检测精度低的问题,设计了一套热轧板带表面缺陷在线检测系统,深入研究了系统构成、图像去噪处理、缺陷的检测和分类、特征提取和缺陷识别。本文首先对图像进行形态滤波去噪处理,提出了一种基于融入熵的BING检测算法,采用P-relief特征检测和多分离器集成识别算法对热轧板带多种缺陷图像进行处理。实验证明本文算法能够有效地实现缺陷图像的检测和精确的分类。     

物流车辆图像检测与提取研究

物流车辆图像研究中,提出了基于有限元法的B样条主动轮廓模型识别车辆,在车型识别系统中,首先检测物流车辆经过图像,检测方法有时间差值变化检测和背景差分检测,然后提取物流车辆图像,介绍了有限元法的B样条主动轮廓模型,最后应用该模型对物流车辆的图像提取进行实证分析,实验表明,该方法对物流车辆车型识别效率提高有很大的参考价值。     

汽车轮毂缺陷检测中的缺陷增强与字符去除技术

传统的轮毂图像缺陷检测算法,直接对采集到的图像进行检测,准确度低是其主要缺点。鉴于此,提出了一种汽车轮毂缺陷检测中的缺陷增强与字符去除技术。该技术通过对原图像进行数学形态学处理得到伪模板图像,然后将其与原图像相减的结果进行灰度拉伸,再叠加到原图像上以增强缺陷特征,最后使用双边滤波技术去除轮毂字符信息。实验结果表明,使用缺陷增强和字符去除技术之后,在满足时间限制的前提下,轮毂缺陷检测算法的准确度得到了提高。     

Canny边缘检测改进中的自适应平滑与增强

通过对Canny算子进行边缘检测的过程分析,指出采用高斯模板对图像进行滤波会造成图像的过度平滑并导致图像中弱边缘的丢失,使得Canny算子的弱边缘检测能力降低。提出采用自适应平滑与增强方式对图像进行处理,在平滑图像区域内部的同时对图像边缘进行了增强,提高了Canny算子进行弱边缘检测的能力。     

基于核判别分析与证据理论的图像伪作分层融合检测

现有图像伪作融合检测算法一般直接采用特征融合或决策融合技术,普遍存在算法不易扩展或检测准确率不理想等问题。在综合利用原始图像固有特征和篡改所引入特征的基础上,探讨了一种基于特征融合和决策融合的分层融合框架,并实现基于核判别分析(kernel discriminant analysis,KDA)和证据理论的图像伪作检测算法。该算法包含粗分类和细分类两阶段。在粗分类中,利用原始图像固有特征,采用KDA技术实现特征融合,输出结果为原始图像、篡改图像和待定图像三种类别。在细分类中,利用篡改操作所引入的特征,采用证据理论进行决策融合,实现对待定图像的进一步分类。实验结果表明,该算法能有效地检测模糊操作、重采样操作、JPEG压缩以及多种篡改组合操作。     

图像配准与角点提取算法研究

在图像配准的方法中,基于图像特征点的配准方法应用较为广泛,而在图像特征点的配准方法中又以基于角点检测的方法最受关注。通过对角点检测方法的理论研究与探讨,分析了几种提取算法,从匹配正确率和抗噪声效果等方面对这几种算法进行比较,最后给出室内外图像角点检测结果图。     

图像边缘检测的研究与分析

边缘检测是数字图像处理中的重要内容,它是底层视觉处理中最重要的环节之一也是实现基于边界的图像分割的基础。本文对图像的边缘检测的各种算法和算子做了总结和分析,通过运用MATLAB对常见的边缘检测算子进行仿真。     

基于Matlab多小波在图像增强后的融合与边缘检测

文章通过r重多分析和多小波理论,在matlab环境下研究多小波变换在图像增强与图像融合中的应用,同时比较了变换前后对融合图像进行边缘检测的影响。结论是应用多小波变换对原图像进行增强后,再进行图像融合和边缘检测,可以发现增强后的图像边缘要比增强前的清楚一些。     

印刷电路板瑕疵检测与分类算法

提出了一种通过比较参考图像与被测图像的特征样式来检测印刷电路板(PCB)瑕疵的自动光学检测(AOI)算法.通过连通分量分析等数字图像处理表面形态学的基本方法,提取出参考图像的连通分量,即参考图像的特征样式.提出了一种连通分量影响区域的概念,用于提取出被测图像中与参考图像特征样式对应的特征样式.通过比对被测图像与参考图像的特征样式,实现断路、短路、局部短路,电路漏印、针孔、缺孔、脱孔等典型PCB瑕疵的快速辨识和检出.结果表明:该算法不需要将参考图像与被测图像进行严格的对准,允许图像有一定量的变形,能够应用于各种PCB的检测.     

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．     

面向拼接与克隆篡改的数字图像内容取证系统设计

针对严重影响图像内容的拼接与克隆篡改方式,通过基于CFA图像内在一致性对拼接图像进行检测,通过分块匹配和特征点匹配两种方法分别对克隆图像进行检测.以MATLAB为开发平台,设计并实现了数字图像内容取证系统,实现了图像篡改区域的识别定位,具有一定的应用推广价值.     

火焰轮廓提取与检测

在分析火焰图像特性的基础上,论述了一种基于面积阈值和集合运算轮廓提取的方法,并结合火焰的图像特性进行火焰检测。该方法首先运用迭代阈值方法选取阈值,把灰度图像转化为二值图像,然后依据集合论的知识对连通区域进行运算,再依据面积阈值去除噪声,提取物体的轮廓,最后结合火焰的色彩分布特征进行火焰检测。实验表明:该方法具有较好的准确性、可靠性和鲁棒性。     

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.     

海战场的目标检测与识别

针对海战场图像信息的目标检测与识别,提出了一种适于海战场区域特征的遥感图像目标检测与识别方法．研究采用线性滤波器将图像划分为若干个空间尺度,并对不同空间尺度的图像,根据生物视觉生理特性的原理,提取图像中目标的视觉显著性特征,此特征包含目标不同于其周围区域的程度和空间分布状态．根据分析提取的目标空间特征信息,使用支持向量机对视觉显著性特征图像进行分类,实现目标信息提取,并通过Dempster-Shafer证据理论的分析方法判断目标的相关信息及其置信度,达到识别目标的目的．实验结果表明：此方法能以高可靠性和高精确度检测出海战场图像信息中的目标,获取目标相关信息．