荧光屏涂层混色检测图像处理方法研究

研究了利用单色检测系统检测荧光屏彩色涂层中的残留和混色的图像处理方法；利用图像像素之间相关等性质，解决了分色和区域分割的自适应问题，实验结果表明，该方法的检测精度达到了一个像素级，且具有较强的鲁棒性．     

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。     

一种基于概率密度分布的图像边缘检测技术研究

图像边缘检测是机器视觉和目标提取的重要步骤,直接决定目标检测的准确性,传统边缘检测方法大都只利用像素的梯度信息和局部邻域信息,使提取的图像目标边缘存在断点,文中引入像素的概率密度分布函数描述像素在整个图像空间的全局分布信息,提出一种新的图像边缘检测方法。仿真试验结果表明,与传统方法相比,新方法具有较好的图像边缘检测效果。     

光学触摸式投影机中亚像素边缘检测

针对光学触摸式投影机中,像素级边缘检测不能满足测量精度要求的现状,提出亚像素寻边检测方法.该方法利用二次函数逼近高斯函数,将二次函数极值作为图像亚像素边缘,使边缘定位更加准确.实验结果表明:该亚像素边缘检测方法,能有效提高光学触摸式投影机图像边缘的检测精度.     

动态阈值模糊检测在篡改图像检测中的应用

提出一种新的图像局部模糊检测方法,并将其应用于篡改图像的检测.该方法基于最小二乘估计来计算图像中每个像素的估计误差,再将每个像素和其周围像素估计误差的方差作为模糊特征,然后利用频域的相关系数确定一置信区间,并根据该区间模糊特征的概率分布特性动态确定阈值,进而分离出模糊区域内的像素.实验结果表明,该方法能获得更高的检测正...     

铸铁平板接触点面积的像素检测法

通过分析铸铁平板接触点面积现行检测方法中存在的不足，提出一种先进的检测方法——像素检测法．该方法以图像的像素多少来表征图像的面积大小，即将扫描所获得的铸铁平板的接触点图像，通过计算机进行像素计算，求出铸铁平板接触点面积的比率，以检测其精度等级．通过实例验证，它是一种性能优越、检测准确的先进方法．建议补充标准JB／T7974-1999.     

大背景噪声下动目标实时检测方法研究

提出用帧间方块编码差值法和邻域综合法提取运动目标．第一种方法是把当前帧方块的二值图像像素编码值与前帧对应的二值图像像素编码值求差值，由差值检测运动目标；第二种方法是检测２×２方块内各像素的帧差值符号位和帧差绝对值，由二者判别是否运动像素．与普通帧差法相比，提高了抗噪度，改善了运动目标的边缘特性，减少了硬件量．检测算法可以以视频速率工作．实验结果表明，所提出的检测方法是有效的．     

大背景噪声下动目标实时检测方法研究

提出用帧间方块编码差值法和领域综合法提取运动目标。第一种方法是把当前帧方块的二值图像像素编码值与前帧对应的二值图像像素编码值求差值，由差值检测运动目标；第二种方法是检测２×２方块内各像素的帧差值符合位和帧差绝对值，由二判别是否运动像素。与普通帧差法相比，提高了抗噪度，改善了运动目标的边缘特性，减少了硬件量。检测算法可以以视频速率工作。实验结果表明，所提出的检测方法是有效的。     

基于视觉中心及超像素空间加权的图像显著性检测

针对现有显著性检测方法得到的显著区域不完整以及存在背景干扰的问题,提出一种空间域的图像显著性检测方法.首先将输入图像进行超像素分割,然后利用超像素图像的颜色和亮度信息获得差值显著图以及视觉中心,依据超像素种子点与视觉中心的位置关系获得空间权重,最后将各超像素块的显著值与其视觉空间权重相结合计算,以此得到最终的视觉显著图.与现有算法相比,方法既能得到精确的显著区域,保留边缘细节信息,又能有效地去除背景干扰,提高了检测精确度.     

融合聚类与排序的图像显著区域检测

显著区域检测是计算机视觉领域中一个极具挑战性的问题。当前,多数显著区域检测算法通过直接计算图像中每个像素或图像块与其一定范围内邻域的差异来判断像素的显著性。当图像背景杂乱或者图像中的前景和背景有相似特征时,这些传统方法的检测性能明显下降。该文提出一个基于再聚类的显著区域检测算法框架:首先,利用聚类算法将图像过分割得到的超像素再聚类成多个超像素簇,其中提出了自动确定尺度参数和聚类个数的方法;其次,基于聚类得到的超像素簇,该文又提出一个自动选择可能的背景簇的方法,并将其作为排序算法中的查询项来估计全图的显著性。在两个差异较大的公开数据集上,该算法实现了相对稳定的显著区域检测结果,而且在部分性能指标上明显优于其他5种算法。     

基于混沌映射的图像认证技术

针对脆弱水印认证算法的篡改定位精度及安全性问题,提出了一种篡改检测和定位分离的图像认证方案.将原始图像的像素灰度值映射为混沌初值,经过若干次迭代生成检测水印和定位水印,然后将其嵌入到像素灰度值的低两位.利用混沌对初值的极端敏感性,能够精确地定位对含水印图像的篡改,并且水印提取无需宿主图像.实验结果表明本算法能够检测出任何对图像像素值的改变和对图像完整性的破坏,同时可将篡改定位到单个像素,有效地实现了对数字图像的精确认证.     

基于支持向量机的彩色图像人脸检测方法

提出了一种利用肤色信息、基于样本学习的彩色图像人脸检测方法。该方法利用两层支持向量机进行人脸检测，用肤色和非肤色样本训练的第一层支持向量机对图像中每个像素进行分类，所有被判断为皮肤点的像素构成了肤色区域；用窗口对肤色区域进行遍历，用人脸和非人脸样本训练的第二层支持向量机判断窗口是否包含人脸模式，并对检测到的人脸区域进行必要的合并。实验结果显示，本文方法对彩色图像中正面人脸的检测率为87.6％。     

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.     

基于灰度与边缘的图像分割方法

提出一种基于多图像信息的图像分割方法，利用Ｂａｙｅｓ分类准则，根据每个像素的多图像信息向量将其分为目标或背景，并对动态图像组成的图像序列或静态图像的分割给出了不同的像素分类准则，同时给出了硬件实时实现的原理，该方法适用于图像序列、低对比度图像和其它难于用一种图像信息分割的图像。实验证明了该方法的有效性。     

基于圆形特征点的非线性相机标定方法

针对高精度标定板制作困难费用高的问题,提出了一种快速简易的相机标定方法。用数码相机对一张具有不同大小圆形特征点的标定表绕着光轴旋转拍摄几幅图像,利用亚像素边缘轮廓检测算法检测图像中的轮廓;采用最小二乘椭圆拟合方法得到亚像素椭圆中心坐标,用稳定的图像点与空间点的对应算法确定图像点与空间点的对应,计算过程中对所求参数进行了非线性优化。实验表明,重投影平均误差在0．2个像素以下,证明了该方法的可行性和较高的标定精度。     

基于超像素融合算法的显著区域检测

针对目前流行的显著性检测算法不能精确反映显著性信息的问题,提出一种基于超像素融合方法的显著性检测算法. 首先对图像进行超像素分割,在保证高质量的图像目标边缘信息前提下,建立以超像素为节点的图模型;然后计算超像素邻接矩阵,将该图模型转化为最小生成树模型. 通过OTSU算法自适应地确定最佳阈值,根据该阈值将最小生成树模型的部分节点进行融合,获得大超像素分割区域;最后利用大超像素的颜色和相互距离信息,获得高质量的显著性图. 实验结果表明,相对于其他检测方法,该算法可以更有效地检测出图像中的显著目标,并能达到接近分割的效果.      

面向摄像整纬器的织物纬斜检测方法

为了解决局部阴影、疵点和噪点对图像法的检测带来不利影响的问题,设计一种基于分步大津法和窗口像素统计的图像检测方法.首先,利用图像分割技术解决在有局部阴影情况下图像二值化的问题;然后,通过窗口像素统计的方法得到纬斜信息;最后,根据统计结果得到准确的纬斜角度值.实验结果表明:该检测方法可以克服局部阴影、疵点、噪点的影响,保证检测误差低于0.3°.     

一种基于视觉测量的亚像素边缘检测算法

图像边缘检测精度决定了目标实际尺寸的测量精度。利用亚像素边缘检测技术来解决工业生产中芯片管脚的测量和检测问题。针对传统空间矩算子存在计算量大和边缘定位精度不足等缺点,首先利用改进的Prewitt算子快速提取连续性较好的像素级边缘,然后推导了空间矩算子原理误差并利用改进的空间矩算子进行亚像素级边缘定位。实验结果表明该方法速度快,定位精度高,并且具有较强的抗噪能力。     

基于圆周光强检测的血管OCT图像导管的去除方法

在血管OCT（Optical Coherence Tomography）图像中，OCT图像中导管在不同位置的成像，很大程度上影响了血管内其他目标检测及识别的结果。为了减少图像中导管对上述研究结果的干扰，提出一种快速检测和识别导管区域的自动化方法。该方法先在图像中心处划分检测圆的圆心坐标变化区域，在极坐标下建立圆周光强检测模型。然后，利用每个检测圆上其半圆周的像素均值差构建描述当前检测圆的特征数据。针对导管成像失真问题，采取动态地变换检测圆的圆心坐标和半径的方法。对4组血管OCT图像（约300幅/组）进行实验，实验结果表明，导管检测的准确率达到97.35%，且平均每幅图像的检测时间约为0.7秒。     

利用各向异性高斯方向导数相关矩阵的角点检测方法

为了抑制图像边缘上的局部变化和噪声对角点检测的影响,提出了利用各向异性高斯方向导数自相关矩阵的角点检测算法.该算法首先利用Canny边缘检测器提取图像的边缘映射;然后用各向异性高斯方向导数滤波器对输入图像进行平滑,对每个边缘像素,利用它与相邻像素之间方向导数的相关性构造自相关矩阵;若边缘像素点的自相关矩阵所对应的归一化特征值的和是局部极大值,则标记该点为角点.与传统的基于轮廓的角点检测方法不同,文中提出的方法利用的是邻近像素的方向导数的相关信息,而不是轮廓曲线的曲率,因而具有更好的稳健性.实验结果表明:在无噪声和含噪声的条件下,该检测方法与已有的3种算法相比,平均配准角点数分别提高了7.4%和9.3%左右,平均定位误差分别降低了10%和15.2%左右.