基于Android平台的智能证件照系统的设计与实现

提出了一种基于Android平台进行证件照拍摄、处理的一体化智能解决方案.软件使用MVP架构,避免了Activity组件的高耦合,通过对图片进行压缩处理,提高了处理速度,避免了Android OOM的异常.利用边缘检测算子Sobel算子,对证件照人体轮廓边缘进行有效的识别,给出将RGB图像转换为灰度图像时获得的灰度值频率分布直方图的调整建议,能够满足一般用户对拍摄制作证件照的需求.     

基于带通滤波和绿色因子的绿色识别方法

为识别大田作物长势监控图像中的绿色植物,提出了一种基于带通滤波和绿色因子的绿色植物识别方法.首先将自然光条件下采集的大田作物长势监控图像从RGB颜色空间转换到HSV颜色空间,并通过基于HSV的带通滤波器去掉RGB图像中的大部分背景;然后将处理过的RGB图像进行归一化,并利用ExG实现绿色植物的识别.实验结果表明,本方法能够正确识别大田作物长势监控图像中的绿色植物,能够较好地克服野外大田拍摄环境造成的识别难题.     

基于霍夫变换的直线检测技术

直线检测是数字图像处理的重要内容,在道路识别,建筑物识别,医学图像分析等领域都有十分重要的应用。通过对已经获得的图像进行边缘检测,然后用Hough变换对边缘检测进行直线检测。该方法简单,受直线中的间隙和噪声影响较小。在Matlab环境下对该方法进行了仿真实验,并对图像中直线目标进行了检测,结果表明用该方法对图像中直线目标进行检测是快速有效的。     

一种纸币倾斜角度校正方法

清分机在高速采集纸币图像过程中,送入的纸币会不可避免地存在各种倾斜,导致采集的纸币图像存在不同程度倾斜.在对纸币进行识别之前,为不影响图像的识别效果,需要对采集获得的图像进行倾斜度校正预处理.本文研究一种首先利用Sobel算子找到纸币的边缘界线,再利用Hough变换方法计算出纸币边缘线倾斜角,进而完成对纸币倾斜度校正的方法.实验证明了本方法的有效性.     

基于DSP和图像识别的拉索表面缺陷检测技术

针对国内对拉索表面保护材料层的两种检测方法的不足,搭建以嵌入式DSP为核心处理器,结合CCD、视频解码芯片、SDRAM、FLASH ROM等外围资源的采集和检测系统,提出了一套快速识别拉索表面缺陷的检测识别算法,包括:确定图像区域,改进中值滤波,SOBEL边缘检测和动态阈值分割,形态学闭合运算,缺陷面积计算和存储.实验结果表明该方法实现了桥梁拉索表面缺陷的实时、非接触的智能化检测,并给出了该系统所能达到的指标.该系统结构简单、成本较低、操作简便、具有重要价值.     

液体泡沫中单气泡的图像识别算法

根据泡沫中气泡的特征,提出了一种液体中单气泡的图像识别算法.在垂直光源拍摄位置获取清晰的泡沫图像.对原始泡沫图像进行全局阈值处理和形态学处理过,获得处理后的二值化图像.为了防止轮廓提取产生死循环,提出了一种毛刺去除方法.轮廓提取后,利用Hough变换对每个单连通边缘识别是否为类圆形,对圆心和半径进行投票,对投票结果进行分析,用高斯分布函数来估计投票峰值点.利用本文方法识别到泡沫图像中的所有单气泡.最后,对实现结果进行分析,证明了这种单气泡识别方法效果较理想.     

Canny算子与数学形态学算子相结合实现胸水细胞的边缘提取

针对胸水病理细胞显微图像的灰度分布不均匀性、灰度级范围窄等情况,提出了利用数学形态学方法与Canny算子相结合的算法对其进行边缘检测.首先利用Canny算子对细胞进行边缘的初次分割提取,然后利用数学形态学中的线形和菱形结构元素及填充函数对细胞边缘进行精确提取,获得了较好的实验结果,达到了对胸水细胞边缘自动检测的目的,有助于发现早期病变的细胞.     

结合离散熵和自组织神经网络(SOM)的边缘检测方法

提出了一种结合图像离散熵和自组织神经网络的边缘检测方法.首先,用离散熵选定阈值来分割图像的平滑区域和灰度变化剧烈的区域,用来减少计算量;其次将灰度图像转化为理想二值像素模式;定义了6个边缘类型和6个原型向量.将这些边缘向量作为神经网络的输入,通过SOM对其进行边缘分类从而获得边缘图像.最后将斑点边缘从边缘图像中去除即得到理想的边缘图像.实验结果表明,与其他的边缘检测方法相比获得了较为理想的边缘.     

输电线路除冰机器人基于小波矩及SVM的障碍物识别研究

障碍物检测与识别是高压输电线路除冰机器人自主越障和行走的前提条件.本文根据除冰机器人自身结构以及高压线路工作环境的要求,设计了一种障碍物智能识别方法.首先对机器人在线拍摄的障碍物图像进行预处理、最佳阈值处理,然后用小波模极大值计算二值图像边缘,再计算具有不变性的图像小波矩,把优化后的小波矩特征输入支持向量机(SVM)进行分类,从而实现对障碍物的识别.实验表明:障碍物的小波矩特征向量稳定可靠,SVM目标识别准确率高,利用两者优势对障碍物进行识别是一种切实可行的方法。     

基于数学形态学的月海圆形撞击坑自动识别方法

撞击坑是月球表面最为常见的地质单元,是研究月球地质演化历史的重要对象,也是月球地质定年的基本依据,因此撞击坑识别具有重要意义.本文根据嫦娥一号采集的月球CCD图像,基于数学形态学方法对撞击坑进行自动识别提取研究.在CCD图像中,撞击坑边缘的灰度变化明显,梯度较大,由此可以计算获取撞击坑的边缘形态;一般情况下,依据图像灰度梯度突变,通过边缘检测得到的撞击坑边缘比较粗糙、不连续,而且有断口和小洞.根据数学形态学的基本思想——用具有一定形态的结构元素去量度和提取图像中的对应形状,对识别出来的边缘作进一步处理,可得到较光滑、连续的撞击坑边缘弧,从而能方便地拟合出撞击坑边缘,并获得撞击坑的直径与位置.用数学形态学进行撞击坑识别与提取的主要步骤是：首先对CCD影像计算灰度的梯度,得到梯度图像,然后进行二值化,再使用数学形态学分离出边缘,最后用圆形对撞击坑进行拟合并计算出撞击坑的位置和直径.本文分别对月海和月陆地区进行撞击坑识别实验,结果表明,我们设计的算法能够识别的最小撞击坑直径为10个像素.其中月海区域撞击坑识别准确可靠;而月陆区域岩性差异大、地形起伏,造成CCD图像背景变化较大,其识别效果相对差一些,有待进一步改善.     

基于PDE的视频图像数据快速预处理方法

通过人手识别跟踪模拟实验,研究基于偏微分方程方法(PDE)的视频图像数据快速预处理方法.实验根据颜色模型,利用边缘信息、颜色信息和图像的帧差对人手进行分离,并在边缘检测部分,提出简单背景环境下基于PDE概率统计的一种检测方法,减少了边缘检测的时间,实现了视频图像数据的快速预处理.     

农作物状态的三色信息边缘检测研究

对于农作物状态检测的传统方法是人工检测、光谱检测等,普遍存在检测准确率不高和检测速度较慢的问题.本文以摄像机为传感器对农作物进行现场实时拍摄,进而采用一种三色信息边缘检测的方法做出实时判断.在这个检测方法中,农作物图像首先被分解为R(Red),G(Green),B(Blue)这3个分量信息图像.然后,在R,G,B这3个分量图像上,农作物的颜色信息和边缘信息被提取出来,边缘信息提取采用的是Roberts算子.最终,通过3个颜色信息特征和3个边缘信息特征构建出相似性测度,作为检测结果的判断依据.针对西瓜样品图像展开实验研究,实验结果显示:本文方法可以获得丰富的特征信息,包括西瓜的3个颜色特征信息和3个边缘特征信息,据此得出的品质判断结果准确.对比实验表明:当样本数量为500个时,本文方法的检测准确率仍然达到了96%.     

基于灰度累积投影与边缘图像跳变统计的车牌定位方法的研究

针对交通检测系统中数码相机所拍摄到的图片,提出一种车牌定位方法:首先对图像进行二值化和边缘检测等预处理,然后根据边缘二值图中车牌区域的边缘特征,利用行扫描方法对图像进行灰度累积投影与边缘图像跳变统计,再根据车牌区域的字符纹理特征及灰度值特征确定车牌的水平位置.利用列扫描方法对图像进行灰度累积投影,用形态学的方法对细长线条的过滤,从而达到对车牌进行准确的垂直定位.实验表明,这种方法取得了较好的效果,具有较高的实用性.     

基于OpenCV的人脸图像预处理技术研究

对采集到的人脸图像进行预处理和训练,以改善图像的视觉效果,提高图像的清晰度,并且使图像更有利于计算机处理,便于对图像进行分割和边缘检测,从而提高人脸图像人别的准确率,为人脸的提取特征值和识别等操作做好准备.利用PCA人脸识别方法,实现简单且识别准确率高,OpenCV的特点是实现了图像处理和计算机视觉方面的很多通用算法,实验结果表明,通过预处理后的人脸图像识别效果更好,识别速度更快.     

基于定位与识别系统图像处理技术的实现

为了提高定位与识别系统中定位和识别的正确率,可以根据图像的应用特点采用不同的图像处理技术进行预处理.本文分别对图像二值化、图像锐化、图像滤波这三种图像处理技术突出待定位和识别区域、增强定位和识别图像的边缘信息和去除图像中的噪声的方法进行了对比分析,并给出了基于Laplace算子对二值化图像进行梯度锐化的方法,实验结果表明该方法有效地提高了定位和识别正确率.     

混合神经网络在颗粒图像边缘检测中应用

提出了一种应用混合神经网络进行颗粒图像边缘检测的方法·边缘候选图像是通过采用基于灰度极小值算法提取边缘候选像素获得,神经网络以边缘候选图像中的边缘候选像素及其邻域像素的二值模式作为训练样本·对经过噪声污染的图像进行实验表明,该方法获得的边缘图像封闭性较好、边缘描述真实,适用于颗粒图像的边缘检测·     

柔性形态边缘检测算法在菌类显微图像中的应用

在灰度图像的柔性形态学概念及特性的基础上,根据菌类显微图像的边缘特点,提出了均衡化的柔性形态边缘检测方法.以霉菌图像为例,通过实验结果和传统的canny算子、LOG算子边缘提取结果进行对比,证明了算法的有效性,为菌类识别打下了良好的基础.     

基于小波模极大值多尺度的图像边缘提取

边缘是图像信息的主要内容,而小波变换的多尺度特点能够检测局域突变,是图像边缘检测的优良工具.采用的小波模极大值多尺度边缘提取的基本思想是沿梯度方向,在特定阈值的约束下检测模的极大值点,将不同尺度下的边缘信息通过一定的规则进行综合,得到最终的边缘图像.实验结果表明,该方法能有效地抑制噪声,可靠识别边缘,提高检测精度等特点,是一种有效提取图像边缘的方法.     

X射线焊缝缺陷图像字典矩阵构建及求解算法

对埋弧焊X射线焊缝图像圆形、线形缺陷和噪声图像进行分析。以构建基于稀疏描述的模式识别字典矩阵为目标,通过分析各类X射线焊缝图像的相关性曲线,明确了稀疏描述技术中字典矩阵图像数量范围,提出一种适合于X射线焊缝图像识别的字典矩阵构建数学模型,并提出利用Hopfield神经网络求解该模型。给出了神经网络的能量函数及对应的求解方法。通过实例构建了X射线焊缝图像字典矩阵,并利用该字典矩阵进行了模式识别实验。实验表明,本文所提方法构建的字典矩阵具有较好的鲁棒性,圆形缺陷识别成功率可达97.5%,线形缺陷识别成功率可达97.0%。     

基于谱聚类的边缘检测算法

区分高频噪声点和边缘点是提取噪声图像边缘的难点之一,为了得到噪声图像的清晰边缘,提出一种基于谱聚类(spectral curvature clustering,SCC)的边缘检测算法.该方法通过将边缘检测问题转化为分类问题,利用图像边缘点、平滑点和噪声点位于不同子空间的性质,在有效地聚类平滑点和边缘点的同时,SCC能够较好地抑制噪声点.另外,该算法通过编辑聚类标签并将其转换为二值图像,对二值化图像进行简单的处理即可得到图像的边缘,成功地避免了传统算法中的阈值选择问题.相比于传统的边缘检测方法,实验结果证明了所提算法的有效性.