基于不变矩和支持向量机理论的船舰目标识别

基于支持向量机(Support Vector Machine,SVM)理论和不变矩(Invariant Moments)理论,提出一种船舰目标识别方法。首先,对图像进行预处理,将彩色图像转化为灰度图像;然后利用Hu不变矩来提取图像的七个不变矩特征;最后,选用支持向量机作为分类器,并将计算出的图像的七个矩特征作为支持向量机的输入对支持向量机进行训练和测试。实验证明,将不变矩特征提取方法与SVM相结合用于模式识别,可以得到很高的分类效率和准确率。     

基于支持向量机的栗属树种分类研究

形状特征是物体识别的重要依据。同时,分类算法的选择也将对识别的性能造成很大影响。围绕上述两个问题,以栗属树种的果实图像为例,在准确分割出目标图像的基础上,分别应用不变矩和边界矩提取其形状特征值,并使用支持向量机算法对栗属树种果实图像进行分类。实验结果表明：基于支持向量机的栗属树种果实图像分类识别准确率可达到87．5％,识别的结果较为理想。     

基于组合核支持向量机的图像边缘检测

基于支持向量机在分类上有很好的效果,提出了一种新的边缘检测方法--基于组合核支持向量机的图像边缘检测。该方法利用支持向量机分类对较多的训练样本数据进行训练,从而实现了图像边缘定位。通过实验验证了该方法比传统的边缘检测算子效果好。     

基于支持向量机的遥感图像分类研究

支持向量机(Support Vector Machine,SVM)是一种基于统计学习理论的新型机器学习算法.通过解算最优化问题,在高维特征空间中寻找最优分类超平面,从而解决复杂数据的分类及回归问题.将支持向量机理论应用到遥感图像分类的研究还处在初级阶段,传统分类算法应用于遥感图像分类存在运算速度慢、精度比较低和难以收敛等问题.从支持向量机基本理论出发,建立了一个基于支持向量机的遥感图像分类器.用遥感图像数据进行实验,并将结果与其它方法的结果进行了比较分析.实验结果表明,利用SVM进行遥感图像分类的精度明显优于神经网络算法和最大似然算法分类精度.     

基于组合隶属度FSVM的图像边缘检测

文中提出了一种新的边缘检测方法——基于组合隶属度模糊支持向量机(FSVM)的图像边缘检测.通过对这种新的FSVM分类算法建立边缘检测的模型对加入椒盐噪声状态的图像进行边缘检测的实验.仿真实验结果表明,新的算法稳定性高,抗噪性能好,具有更好的检测效果.     

基于位平面随机性测试的隐写分析算法

为有效检测图像中是否含有隐秘信息,提出了一种基于位平面随机性测试的隐写分析算法。该算法利用希尔伯特(H ilbert)扫描将图像最低和次低位平面转化为一维的二值序列,并分别对其进行14项随机性测试。利用测试结果组成28维图像特征向量,构造支持向量机分类器实现对载密图像的可靠检测。多次实验证明:该算法对于空域LSB类隐藏算法嵌入信息在0.05 b/p以上的载密图像具有95%以上的检测率,并且对于频域隐写技术F5也是有效的。     

基于SVM分类的图像边缘检测研究

针对经典边缘检测算子检测含噪声图像边缘结果不理想的问题,提出采用基于统计学习理论的支持向量机(Support Vector Machine,SVM)方法建立分类模型,并对图像进行边缘检测.实验基于MATLAB平台,运用OSU_SVM3.0和LS_SVM工具箱建立模型,实验表明:该方法不仅可以有效地检测图像边缘,还在一定程度上克服了噪声干扰,并可以将被测图像中的特定图形检测出来.     

结合学习特征的图像矩视觉伺服方法

针对平面图像特征选择,提出一种结合学习特征的改进图像矩视觉伺服方法,以解决不变图像矩特征存在的交互矩阵奇异问题并获得更优的运动特性.该方法首先基于不变矩特征具有的TRS(2D平移、2D旋转及尺度变化)不变特性,利用非线性支持向量机回归算法,对不变矩特征与摄像机X轴、Y轴转角的关系进行分别学习建模;然后利用两个模型的估计值(即学习特征)作为针对X轴旋转及Y轴旋转运动的图像特征,其交互矩阵具有完全解耦及线性特性,且对于任意平面目标不存在奇异问题;进而结合目标图像重心点坐标和面积的归一化特征及图像方向角特征,实现摄像机在任务空间的平移及旋转六自由度控制;最后通过仿真验证了文中方法的有效性.     

一种改进的Zernike矩的雷达图像目标识别方法

针对Zernike不变矩目标识别算法计算复杂,计算复杂度高的不足和雷达图像乘性噪声严重和识别率不高的问题,提出了一种快速计算Zernike矩目标识别算法.该算法通过利用Zernike矩对称性和反对称性对雷达图像进行快速计算求得不变矩,然后通过加权求得新的特征向量,最后通过支持向量机进行目标识别.实验结果表明,提出的算法不仅解决了计算过于复杂的问题,还降低了噪声且提高了目标识别率.     

一种SAR图像空间域自适应滤波算法

针对合成孔径雷达(SAR)图像相干斑噪声抑制问题,提出了一种基于支持向量回归(SVR)分析的空间域自适应滤波方法.将SAR图像看作连续二维函数,利用SVR方法对其进行逼近.基于图像的逼近结果描述像素关联性,并基于关联性破坏程度对噪声进行类型分析,对不同类型的噪声采取确定性的抑制算法.为了保证精度,选择小波核函数构建支持向量回归机.实验结果表明该方法是有效的并对经典方法进行了改进.     

一种基于SVM的高效球门检测方法

为了有效地将足球视频中具有复杂背景的球门检测出来,该文提出一种基于支持向量机(Support vectormachine,SVM)的球门检测算法。首先对于视频图像,利用Top-Hat变换突出白色,得到彩色边缘图像,并对彩色边缘图像灰度化、二值化和形态学连通分析,接着在此基础上提取视频图像中前两根最长并满足一定条件的垂直方向连通的垂线段作为候选球柱,然后计算特征向量,最后利用SVM的强大学习能力进行球门检测。实验证实该方法不仅检测效率很高,而且比已有的球门检测算法有更强的鲁棒性和适应性。     

基于支持向量机的J型坡口接头相贯线检测

摘要： 针对核电压力容器中J型坡口焊缝的自动化焊接,应用图像处理技术,结合支持向量机(SVM)分类器,研究了核电压力容器封头与圆管相贯线检测算法. 以颜色矩特征和灰度共生矩阵特征组合作为特征向量,利用SVM对图像进行分类,结合滑块机制和投票机制可以生成相贯线区域高亮的二值图像,利用二次曲线对二值图像中最大轮廓进行拟合,获取相贯线的准确位置. 结果表明：算法具有较高的鲁棒性和实时性,SVM分类器准确率达到95.6%,每幅图像处理时间在170 ms以内.     

一种基于相似离度匹配的人脸精确跟踪算法

利用相似度和欧式距离系数建立了描述数据样本间近似程度的归一化综合指标-相似离度,并通过灰度数据向量集的相似离度描述图像的匹配程度,将SVM人脸检测、图像灰度值相似离度匹配和跟踪模板更新三种方法结合起来,设计了基于相似离度匹配的人脸跟踪算法,算法综合考虑了图像内颜色的空间位置和值信息,具有较高的精确性.实验表明,相似离度...     

一种图像放大的离散算法

根据李将云等人(2003)所提出的数字图像的离散放缩算法，分析其不足之处，并对简单的二值图像以及一般的灰度图像提出一套新的离散放大算法．该算法可使图像放大任意实数倍．应用该算法能使放大后的图像边界清晰，忠实地反映原始图像的面貌．实验证明，该方法也是一种有效的图像放大算法．     

基于梯度和拉普拉斯算子的图像扩散变分模型

采用图像扩散的变分方法可以有效地设计边缘保持或增强的图像恢复模型。传统的模型往往基于图像强度的梯度,所得到的结果在本该光滑的区域具有明显的阶梯效应。为此,提出了基于梯度和拉普拉斯算子的图像扩散变分模型,以期实现在对图像进行噪声去除的同时,保持或增强图像的边缘,并消除单纯基于梯度模型导致图像光滑区域的阶梯效应。对变分模型中光滑项的设计,首先针对一维模型的分析得出基于梯度和拉普拉斯算子模型向前、后扩散的条件,然后将其推广到二维图像扩散,并在设计的有限差分方法基础上,对所提模型的有效性进行了实验验证,效果良好。     

一种新型X射线安检图像增强算法

针对X射线安检图像噪声大、对比度低和边缘不清晰等特点,提出一种基于对比度受限自适应直方图均衡化(CLAHE)变换和图像灰度最大值融合的双重能量X射线图像增强算法。首先,应用CLAHE变换分别对高能和低能X射线图像分别进行处理得到初步增强结果;然后采用空域灰度值最大融合算法融合经过CLAHE变换后的高能和低能X射线图像从而得到最终增强X射线图像。实验结果表明该算法能更有效地提高双重能量X射线图像的对比度,显著改善图像质量。     

径向基神经网络算法在车牌字符识别中的应用

提出一种基于径向基网络的汽车车牌字符识别算法.在预处理阶段,采用灰度化、自适应阈值分割去除图像噪声并增强图像对比度;在字符分割阶段,采用极限元素位置确定法实现独立字符分割;在字符识别阶段,利用自行构建的字符子块图像库对径向基神经网络进行训练.选取基于反向传播(BP)神经网络的字符识别算法和基于支持向量机(SVM)的字符识别算法与文中方法进行比较.实验结果表明:文中方法在识别准确率上具有明显优势,更适用于汽车车牌的字符识别.     

具有双重检测机制的图像篡改检测算法

针对单一基于相关性的图像篡改检测算法难以同时解决虚警和漏检的缺陷,提出一种具有双重检测机制的图像篡改检测算法——第一重检测利用待测图像各区域的相机指纹是否与参考相机的指纹具有相关性来确定疑似篡改图像块;第二重检测从疑似篡改图像块中抽取特征,送到训练好的支持向量机(SVM),由基于图像特征的SVM对其分类,把误判块和真实篡改块区分开来.实验结果表明,该算法优于经典的单一基于相机指纹相关性的篡改检测算法.     

数字图像灰度置乱均匀度算法研究

数字图像的灰度置乱能够改变原图像的直方图分布,在图像加密中扮演着比较重要的角色。灰度置乱效果的研究在信息隐藏领域中有重要意义。本文分析了现有的基于直方图相似度的评价算法,找出了其存在的不足,提出了合理的灰度置乱均匀的评价依据,并根据此依据进一步提出了新的灰度置乱均匀度的评价算法。     

基于改进自适应阈值局部三值模式的遥感图像分类

遥感图像背景复杂,存在光照变化和噪声干扰,导致图像分类准确率不高。针对该问题,在计算邻域像素离散度的基础上,通过对其施加不同权重以细化阈值范围,提出一种改进的自适应阈值局部三值模式(ATLTP)纹理特征提取算法,以提高遥感图像分类精度。首先,对原始遥感图像进行灰度拉伸预处理以增强图像对比度;然后,采用改进自适应阈值局部三值模式提取遥感图像的纹理特征;最后,利用支持向量机对遥感图像进行分类。在标准遥感图像数据集中稀疏建筑物和密集建筑物分类的实验结果表明:采用改进后的局部三值模式纹理特征对遥感图像进行分类的性能要优于传统的局部三值模式,验证了改进算法的有效性。