基于边缘特征的汽车运动阴影去除算法

首先设计了一种新的预处理流程,去除非阴影及车辆区域的边缘;其次,对边缘图像进行填充,得到运动部分的轮廓边缘图;最后,建立边缘擦除法则,擦去阴影部分的边缘,并对边缘图进行填充,得到最终的去除了阴影的目标图像.算法的核心是将前景图像中的阴影边缘从目标边缘上分离出来,着重解决了实际应用中经常出现的目标轮廓图边缘和实际阴影轮廓边缘不重合造成阴影边缘无法去除的问题,同时很好解决了多个前景目标因阴影而粘连的情况.大量实际道路视频图像的测试表明,本算法去除阴影效果好,有较强的实际应用价值.     

一种运动车辆阴影去除的新算法

文章提出一种改进运动车辆阴影去除新算法,首先通过帧差获得车辆和阴影的轮廓图像,然后对轮廓点应用离散K-L变换解除R、G、B分量的相关性,并运用颜色聚类检测出阴影区域,最后用帧差法产生的运动车辆图像与获得的阴影图像差分得到去除阴影的运动车辆,实验表明该方法能够更好地实现运动车辆阴影的去除。     

一种基于傅里叶变换的改进ViBe算法

针对Vi Be算法在第1帧图像中含有运动目标时容易引入Ghost区域以及不能很好地去除阴影等问题.我们基于块的背景建模结合傅里叶变换,对Vi Be算法进行了改进.该算法对每一帧图像进行分块,在块内使用快速傅里叶变换,利用第1帧图像中每一块的直流分量建立背景模型,以后各帧与背景模型比较,检测出运动物体,最后通过扫描图像计算每一列前景像素的个数与设置的阈值进行比较,来消除阴影.实验结果表明,改进的算法可以快速的去掉Ghost区域以及很好地去除阴影.     

基于水平集的航拍影像阴影检测与去除系统设计

建筑物、树木和山脉等遮挡光线,可能使航拍影像中出现阴影.而阴影区域的存在可能影响图像后续处理,导致重要信息丢失.本系统旨在设计自动检测航拍影像中阴影区域并将其去除的系统,选择并搭建基于水平集航拍影像阴影检测算法的进行系统设计.系统主要功能包括：图像读入、图像去雾、阴影检测、阴影去除.     

基于多尺度超像素融合的RGB-D单幅图像阴影检测算法

针对单幅复杂环境图像阴影检测问题, 提出一种基于多尺度超像素融合的自动阴影检测快速算法. 首先利用深度图像计算各点的法向量及空间坐标, 同时利用简单线性迭代聚类算法对彩色图像进行多个尺度的超像素分割; 然后使用阴影置信度算法结合图像的色度、法线和空间位置信息分别估计各尺度下的超像素阴影置信度; 最后采用Adaboost训练的分类器对各尺度下的超像素阴影置信度进行融合, 得到最终的判决结果. 实验结果表明, 该算法的准确度明显高于原阴影置信度算法, 运行时间约为原阴影置信度算法的10%, 对于小块阴影、 大面积阴影及边缘不清晰的软阴影检测表现较突出, 适合对光线复杂环境下的图像进行前期预处理.     

基于多任务判别器的图像阴影去除算法

针对现实生活中存在的阴影对于计算机视觉任务产生不利影响,现有图像阴影去除算法有效性与准确性低的问题,提出了一种基于生成对抗网络的阴影去除方法.该方法主要包括两个部分,采用了U-Net网络结构作为生成器部分的网络,用来提取图像中的有效信息,同时在生成器网络中引入自注意力机制,提高网络对阴影区域特征的关注度;采用多任务网络结构的判别器,通过对生成器生成图像的整体区域、局部区域以及与约束条件的匹配程度,进行多方面的鉴别,用来提升判别器鉴别能力,进而督促生成器,生成更加符合真实情况的无阴影图像.该方法在公开数据集ISTD上进行实验,实验结果表明所提方法在图像的结构相似性上以及峰值信噪比方面均有所提升.     

基于超像素和支持向量机的车辆阴影检测算法

为解决车辆阴影检测中易将车辆阴影相似的车辆区域误检测为车辆阴影的问题,提出了一种基于超像素和支持向量机的车辆阴影检测算法.首先,利用简单线性迭代聚类法将图像分割为若干超像素;然后,以超像素为基本检测单位,根据HSV空间中的一组判别条件对车辆阴影进行初步检测;在此基础上,利用支持向量机识别并去除被误检测为车辆阴影的车辆区域,进而得到最终的车辆阴影.实验结果表明,所提算法能够较好地区分车辆阴影及与车辆阴影相似的车辆区域,提高车辆阴影的检测率和分类率.     

基于HSI颜色空间的车影去除方法的改进

为了在智能交通视频监控系统中对目标进行较准确的提取、跟踪和预测,提出了一种基于颜色特征的车影去除方法,通过比较阴影存在前后的场景点在HSI空间中亮度畸变和色度、饱和度畸变的夹角的分布规律,达到检测和去除车辆阴影的目的,通过实验结果和评价算法表明:该方法可以有效去除车辆阴影,其优点在于根据每一副待处理的图像的对应参数的直方图动态地选择分割阈值,算法简单,速度快,且有一定的自适应能力.     

基于光照不变性模型的阴影去除方法

提出了一种新的基于光照不变性模型的阴影消除方法。首先对二维光照不变性图像恢复阴影,再利用基于互信息的图像融合去除运动目标的投影,最后通过图像镜像消除边界条件的制约,改善阴影去除效果。实验结果表明,该方法能够有效地消除运动目标的阴影。     

基于航拍图像的道路提取算法

针对航拍图像中的检测道路问题,提出了一种多方法融合的道路提取算法.该算法根据建立的颜色模型,应用图像分析技术分析道路的连接特性和宽度特征.运用Hough变换提取图像中道路像素,使用交集处理方法去除图像中的噪声.通过道路阴影颜色分析,噪声分类处理以及道路修复等技术,快速高效地从复杂的航拍图像中提取出道路.实验结果表明,与现有的道路检测方法相比,该算法具有检测准确、效率高等优点.     

利用MATLAB实现医学图像灰度增强的应用研究

基于空域的图像灰度增强是医学图像处理的一个重要手段,它能有效改善图像整体或局部特征.直方图是图像灰度增强中最重要的基本概念之一,它用于显示图像的灰度值分布状况,并且能有效地用于图像增强.本文主要讨论了图像灰度调整实现、直方图均衡化、直方图规定化图像增强技术,并给出了相关的基本原理.同时用MATLAB语言加以实现.     

遥感融合方法分析与评价

遥感影像融合是一种通过高级影像处理来复合多源遥感融合的技术.它针对不同环境条件,选择最佳的波段组合和分辨率,设计最适合的时相叠加,采用一定的算法将各影像的优点或互补性有机的结合起来产生新的影像.各种融合有其各自的原理、特点,作用及限制条件.本文对各种相应的算法进行了分析和评价,并进行了实例比较.     

基于小波变换的最优阈值图像去噪

小波图像去噪方法已广泛应用于图像去噪领域。在图像去噪中关键的一步就是阈值选取，阈值的选择直接决定去噪效果。本研究提出了一种基于小波不同子带选取最优阈值的小波去噪方法，该方法根据小波系数不同的特点选取阈值。实验结果表明，此方法可以有效地降低噪声，较好地保持了图像的细节。     

基于图像欧氏距离的人脸描述和识别方法

采用图像欧氏距离将灰度值及其坐标关系相结合用于表征人脸,使之对于图像的短距离晃动比较鲁棒,同时将图像欧氏距离应用于模糊支持向量机中.采用ORL人脸库进行分类实验,并与已发表论文的实验结果进行比较,验证了该方法的有效性.     

遥感数字图象拟合处理在铁路工程滑坡病害研究中的应用

本文提出了使用电子计算机,对遥感图象之间、遥感图象与非遥感图象之间,进行数字图象拟合处理,用于铁路滑坡病害动态变化、滑坡分布的区域工程地质条件,以及滑坡面积大小和动态变化范围测量的研究.     

一种基于HVS的小波水印方案

该文提出了一种新的静态图像水印技术，它基于人眼视觉系统模型，利用了图像的多尺度融合技术，可将任意的图像水印添加到载体图像中。通过与原始的载体数据进行比较实现水印的提取。最后，与嵌入的水印进行相关性检测，来检测提取出的水印是否有效。实验结果表明，该文提出的水印方案对于图像模糊、锐化、加噪、静止图像数据压缩标准(JPEG)压缩等常用图像处理技术具有较好的鲁棒性。     

认知单元图形对阅读速度的影响

阅读是人类获取外部信息的重要能力，阅读速度则是阅读能力高低的重要体现。通过对比试验证明，以增大的阅读单元并以图形的形式阅读，可以有效地提高阅读速度，培养学习者由有声阅读到无声阅读的习惯。     

链式编码中直线的快速检测

图像处理中,直线的链式编码是一种常见的数据结构,本文对在这种表达方式下直线段的检测提出了一种快速算法,它采用序贯递归检测的方法,仅经过一次遍历即可检测出满足定义条件的所有直线,其完备性可以经过理论推导证明,并具有结构简明、性能稳定、运行速度快的特点.     

一种以二值图像格式保存纯色信息的二值化简单彩色图像压缩方法

二值化简单彩色图像压缩方法通过颜色分离、二值化处理等操作,以二值图像格式高效率压缩保存包含有类似蓝色信笺头、红色公章、黑色图文等单纯颜色信息的影像文件,而且还原后能够原文原貌地恢复压缩前的图像和色彩内容,压缩效率比常用的8位以上彩色压缩方法提高8～10倍。二值化简单彩色图像压缩方法压缩7种以下单纯颜色图像文件的效果最为明显。     

Path Recognition Algorithm of Tracking Robots Based on Image Sensor

Path recognition is an inevitable core technology in the development of tracking robot. In this paper,the path tracking system of tracking robot can be realized by image sensor module based on camera to obtain lane image information,and then extract the path through visual servo. The whole system can be divided into seven modules: micro control unit( MCU) processor module,image acquisition module,debugging module,motor drive module,servo drive module,speed sensor module,and voltage conversion module.In image pre-processing part,there is an introduction of binarization processing and the median filtering to strengthen the image information. About recognition algorithm,three key variables which are changed in the movement state are discussed and there are also many auxiliary algorithms that help to improve the path recognition.The experiment can verify that the whole system can accurately abstract the black guide lines from the white track and make the robot moving fast and stable by following the road parameters and conditions.