自动机运动规律测试中的数据处理方法研究

通过分析光电位移测试中图像数据的特点,利用光斑区域预测法,预测光斑在图像序列中的区域,确定处理的矩阵范围,实现了数据的快速处理;分析了提取光斑中心的灰度中心算法,获得了处理的数据点;通过拟合位移曲线获得自动机运动规律的位移时间曲线和速度时间曲线,得出了某型号冲锋枪自动机运动规律的速度曲线,为自动机运动规律的研究提供了可靠依据。     

头肩视频图像的运动物体自动提取

介绍、比较区域分割、运动分割和物体分割的概念及其在视频序列图像分割中的应用。分析说明各种运动状态下帧差图像与相应帧灰度图像的关系。提出了基于帧差图像边缘与灰度图像边缘之间强相关性的运动物体边界自动跟踪、提取算法。利用运动物体边界的闭包分割、提取运动物体。提出了多层次运动物体描述的思想。     

目标提取与跟踪的稳定性研究

提出并分析了目标提取的稳定性问题，指出基于统计决策理论的目标提取算法性能不稳定的原因之一，在于缺乏时空可变的目标背景条件判别和最佳分割区域自调整能力，并且通常是基于绝对图像灰度或绝对灰度变化及其统计性质的。根据视觉原理，还提出了一个具有可控性的自适应序列图像目标提取模型和算法，给出了复杂背景中运动目标提取和跟踪的实验结果。     

目标提取与跟踪的稳定性研究

提出并分析了目标提取的稳定性问题，指出基于统计决策理论的目标提取算法性能不稳定的原因之一，在于缺乏时空可变的目标背景条件判别和最佳分割区域自调整能力，并且通常是基于绝对图像灰度或绝对灰度变化及其统计性质的，根据视觉原理，还提出了一个具有可控性的自适应序列图像目标提取模型和算法，给出复杂背景中运动目标提取和跟踪的实验结果。     

基于蚁群算法的图像分割方法

目的提出基于蚂蚁算法的图像分割技术,解决传统的图像分割算法分割图像的效果不理想、不能满足图像分割要求等问题。方法将图像的灰度、梯度和邻域特征组合成蚂蚁,通过MATLAB实现蚁群图像分割算法对图像的外廓提取。结果与结论相对于传统的图像分割算法,基于蚂蚁算法的图像分割算法的外廓提取具有更高的仿真精度,得到的图形外廓更为理想。     

一种高精度CCD测试系统的非均匀性校正方法

针对高精度光电耦合器件(CCD)测试系统中像素的非均匀性给测试结果带来较大误差的问题,根据引起图像像素非均匀性噪声的特性,建立了对应的图像模型.采用自适应阈值分割算法将图像二值化分离出有效使用像素,并提出了一种采用两点线性方法对非均匀性像素进行校正的算法.仿真实验采用高速面阵CCD采集由激光器发射的圆形光斑图像,并通过计算图像光斑的中心坐标进行了验证.结果表明,该算法能够将图像的复杂背景与光斑分离,可校正其像素的非均匀性,稳定光斑的像素灰度值.在相同条件下连续采集图像,图像光斑的中心坐标稳定.     

复杂背景下的结构光条纹中心提取算法研究

线结构光三维扫描建模系统中最关键的一步是提取光条中心线,但环境中各种因素的干扰给中心线提取带来困难。针对线结构光条纹图像存在光斑干扰、光强分布不均、光条宽度差别大、背景复杂等多种问题,提出解决方案。首先采用Otsu对结构光图像二值化;其次采用改进DBSCAN(density-based spatial clustering of applications with noise)算法保留核心点,去除边界点和噪声点;最后将核心点作为输入,构建图数据结构,采用适用于线结构光条纹图像的最短路径搜索算法得到光条中心线。实验结果表明,该算法运行时间在150 ms以内,误差在0.2像素以内,并适用于多种复杂环境,满足实时性、准确性和稳定性的要求。     

自适应复杂光条纹中心提取方法研究

激光条纹中心提取作为线结构光测量中最关键的环节,其提取方法的准确性及适应性直接影响着测量系统的整体性能。针对环境光干扰、待测物表面反射率差异较大引起的宽度变化的复杂激光条纹,在Steger方法的基础上,提出了一种自适应复杂光条纹中心提取算法。该方法首先根据线激光宽度选择固定的尺度因子,对图像进行高斯核卷积,得到各点Hessian矩阵;然后求得对应的法向宽度,并以此来选择对应的二阶法向偏导数的阈值,再结合一阶法向偏导为零计算出条纹在不同宽度处的中心点。实验结果表明该算法可以实现对于宽度变化的复杂光条纹中心的亚像素提取。     

融合局部描述子的阈值图像分割算法

针对基于局部熵的过渡区阈值算法中没有同时考虑局部图像灰度变化的频率和幅度,提出一种融合局部描述子的过渡区阈值算法.提出算法首先采用图像的局部熵和局部方差等局部描述子提取图像的局部特征;其次融合局部图像特征构造特征矩阵,并选取合适的特征阈值提取图像的过渡区;最后根据图像过渡区的灰度均值分割图像.实验结果表明,根据一些图像分割的定量评价标准,提出算法提取过渡区的质量高,分割图像效果好.     

基于运动背景的自适应视频对象分割算法

为解决运动背景中视频对象的准确提取,提出一种基于全局运动的自适应视频对象分割算法。基于特征点计算帧间运动,利用最小二乘法计算摄像机仿射参数进行运动补偿,通过二值开闭重建滤波器进行预处理消除噪声;采用改进的分水岭算法将图像标记成不同的灰度区域,以自适应的光流法对分割的对象信息进行评判,从运动背景中分割出前景对象。实验表明,该算法能准确地从运动背景中分割出视频对象,显著地减少了动态前景对象的分割误差,提高了分割质量,可应用于运动目标检测与跟踪。     

基于背景差法的运动目标检测

视频序列图像中,视频分割的主要目的是要在视频序列中分割出具有意义运动对象实体.背景差法能够很好地从一段视频中提取出运动目标.可靠的背景图像的提取是该算法的关键.表述了一种新的背景提取算法,利用图像序列的灰度统计特性来提取背景图像,并利用Surendra背景更新算法根据每帧图像对背景进行更新已获得可靠的背景.然后,将当前帧与背景作差,并对差值图像进行适当处理,这样运动目标就能够被精确地提取出来.     

基于复合超像素技术的肺部CT图像分割算法

基于肺部CT图像灰度不均匀、纹理变化大的特点,文章提出一种超像素与随机森林相结合的肺部CT图像分割算法。该算法首先采用阈值和形态滤波的方法对图像进行预处理;再通过TurboPixels算法将图像分割为超像素;然后运用灰度共生矩阵提取超像素的纹理特征,并融合灰度特征形成特征矩阵;最后基于特征矩阵和随机森林算法获取分割图像。实验结果表明,该文提出的分割算法对肺部CT图像处理具有一定的有效性,健康肺部图像的分割准确率为98.07%,病变图像的准确率为96.23%,且该算法具有全自动、高准确率、鲁棒性好等特点。     

自动机运动规律图像特征点的提取方法研究

本文通过分析高速图像非接触法自动机运动参数测试系统采集图像的数据特点,利用光斑区域预测法,预测光斑在图像序列中的区域,确定处理的矩阵范围,实现了数据的快速处理;研究了针对自动机运动规律的反射光斑图像特征点的处理算法,图像经中值滤波后,采用算子边缘检测及生长、填充后,用亚像素识别技术中灰度重心法,进行了光斑中心定位。     

结构光中心提取中的条纹灰度退化调整

针对结构光三维测量系统中由于被测物表面反射率不均匀和曲率变化较大引起的条纹灰度退化现象,从而导致条纹中心提取精度下降的问题,提出了一种灰度调整方法。首先通过投影单色灰度图像到被测物体上,计算出摄像机采集图像中各个像素点相对于物体表面的调制信息,然后逐点将其代入条纹图像中进行灰度运算,以消除灰度退化项,实现条纹的灰度调整。分别对黑白相间的平板和人脸石膏模型进行实验,结果表明:经灰度调整后,各条纹在横截面上基本满足高斯分布,且条纹灰度分布均匀,从而有效修正了因反射率突变引起的重心偏移;同时解决了复杂物体图像中因亮度不均匀引起的条纹中心局部断线问题,从而保证了测量数据的完整性。上述结果验证了该方法的有效性和可靠性。     

一种基于改进运动历史图像和支持向量机的行为识别算法

针对传统运动历史图像难以区分相似运动的缺陷,提出了一种基于改进运动历史图像和支持向量机的行为识别方法。首先提取视频帧的前景运动目标并标记出其外接矩形框,计算矩形区域内各像素的光流矢量;然后设定运动历史图像中前景像素点的灰度值为该像素点的光流长度叠加一定权重的历史灰度,而背景像素点的灰度值则按一定比例进行衰减;最后从运动历史图像中提取Hu矩为特征向量,输入支持向量机进行分类,从而完成人体行为识别。在KTH数据集的实验结果表明,所提算法能够满足实时性要求,识别率可达99%。     

基于灰度渐变特征的运动车辆阴影检测

针对当前基于颜色特征的阴影检测算法鲁棒性低的缺点,本文提出了一种基于灰度渐变一致性的运动车辆阴影检测算法.首先应用改进的高斯混合模型对背景进行自适应重建和更新,然后根据差分图像中运动阴影在水平和竖直方向上灰度变化一致的特点,提取阴影区域的灰度跳变点,并以灰度跳变点的密度分布为依据分割车身区域和阴影区域,实现对阴影区域的识别与提取.实验结果表明,该算法能够快速有效地提取运动车辆的阴影,同时,本算法在阴影与相邻车辆车身重叠情况下也有较好的检测效果.     

一种改进的分水岭分割算法

为了提取人脑CT图像中的脑部组织,提出了一种改进的分水岭算法,首先采用K-means聚类算法对图像进行初始分割,从而有效地抑制了由图片表面的灰度变化引起的过分割,使边缘定位更加准确;然后在聚类图像的梯度图上利用自动阈值法增强其对比度,进行分水岭分割。最后为了避免过分割现象,对分割后的图像进行了相似区域合并。实验表明该方法简单有效,能够得到符合人类视觉系统特性的分割结果。     

棉花异性纤维定位新方法

以在生产线上采集的棉花异性纤维图像为研究对象,针对目前异性纤维识别算法编程复杂、运算速度低、无法满足在线剔除异性纤维等技术问题,提出运用标准差分割图像和定位异性纤维的新方法.该方法首先提取RGB图像的G分量并进行灰度值变换,接着运用列像素灰度值的标准差在宽度方向定位异性纤维,然后运用行像素灰度值的标准差在高度方向定位异性纤维,最后根据在图像宽度和高度2个方向异性纤维的位置信息进一步确定在输棉管道内异性纤维的精确位置.由测试含有塑料绳、地膜、麻绳、有色线和羽毛5类异性纤维的图像表明:该算法能快速准确地分割和识别异性纤维,在PC机上运用Matlab软件处理一幅3 096像素×60像素的图像,从读取图像到得到异性纤维精确的像素位置,算法运行约0.04 s;若直接采用FPGA硬件系统运行该算法速度会更快,有望实现在线剔除异性纤维.     

基于韦伯定律的过渡区提取及阈值分割

近年来,基于过渡区的图像阈值分割方法成为图像分割中的一种新方法。针对有效平均梯度法和局部熵法没有同时考虑图像灰度变化的幅度和频率,通过分析过渡区域的属性,提出一种基于韦伯定律的过渡区阈值分割算法。韦伯定律可以有效地表示过渡区的本质。因此,提出算法能够准确地提取图像的过渡区,并得到理想的分割结果。根据一些图像分割的定量评价标准,做了一系列实验,与两种典型的过渡区阈值分割算法相比,提出算法的计算复杂度较低的同时还具有很好的提取图像的过渡区域和分割性能。     

结合空间信息的FCM脑图像分割

针对传统模糊C均值聚类算法(FCM)在图像分割时没有利用图像的空间信息而对噪声敏感、分割结果不够准确的问题,提出一种结合空间信息的FCM改进算法.该算法利用邻域像素间的灰度差异计算出邻域加权系数,并利用该系数对中心像素的隶属度进行更新,控制邻域像素对中心像素的不同影响;该算法还利用了快速FCM算法对图像进行初始分割.对MRI脑图像分割的实验结果表明FCM改进算法简单有效,具有较强的抗噪能力,能取得较好的图像分割结果.