基于能量的信息融合步态识别

针对步态能量图(GEI)和图像序列的Radon变换可以表征图像能量的特点,提出这两种形式的能量特征相融合的方法进行身份识别.在周期分割后的特征提取阶段分别使用GEI结合行列相结合的二维主成分分析((2D)2PCA)方法和对步态序列图像进行Radon变换,在周期模板构造后用列方向的二维主成分分析(2DPCA)降维方法进行数据压缩.在识别阶段,采用多视角及多特征在决策层的融合方法.应用上述方法在CASIA步态数据库上进行实验,结果表明所提的步态识别方法具有较高的识别性能.     

受限玻尔兹曼机的步态特征提取及其识别

针对步态识别问题,研究了受限玻尔兹曼机的步态特征提取及其识别.主要基于行人图像序列,通过背景分割、归一化以及步态周期的计算,采用叠加方法生成步态能量图,以此作为步态的特征图像,利用受限玻尔兹曼机自动获取步态特征.选取中科院CASIA步态数据库以及支持向量机、孪生支持向量机、神经网络与K-近邻方法对使用受限玻尔兹曼机方法的特征提取进行了研究,同时与主成分分析PCA、线性判别分析LDA、卷积神经网络CNN特征提取与识别方法进行了比较.     

网络能量在混合图中的研究与应用

传统的混合图的能量通过对方阵形式的矩阵特征值的计算而得到,难以推广应用到大规模的混合图中.针对这个问题,本文将网络维数应用于混合图中,提出了混合图的网络能量,从而将网络能量从无向图及有向图推广应用到混合图.混合图的网络能量可以通过混合图的节点数目及有向边与无向边的数目而得到,同时给出了混合图的网络能量的若干上下限.在与混合图的Hermitian能量及有向图与无向图的网络能量的对比中分析了所提出的混合图的网络能量的若干重要性质,并论证了无向图、有向图及混合图的网络能量三者之间的内在关联.     

滤光片阵列多光谱图像拼接与灰度调整算法

针对滤光片阵列多光谱图像拼接后单波段图像中地物灰度不一致问题,提出各波段重叠区域灰度均值比的均值统调算法。首先,根据各条带有效区域构建多光谱图像模板,利用平台姿态信息对多光谱图像及图像模板进行投影变换,再利用SURF(Speeded Up Robust Features)算法提取图像匹配点并计算相邻图像间单应性转换矩阵,选择中间序列图像为参考图像,对投影后的图像及其模板进行配准;其次,计算投影后各单波段图像重叠区域灰度平均值比的均值作为图像灰度调整系数,并以参考图像为基准,依次调整配准后图像灰度;最后,利用灰度调整后多光谱图像和配准后图像模板得到各单波段序列图像,通过图像拼接得到灰度一致的大区域单波段图像。理论分析与实验结果表明：该方法不仅可以有效解决滤光片阵列多光谱图像地物灰度不一致的问题,而且能够最大限度保持地物在不同波段下的光谱信息特征。     

结合小波低频子带的主成分分析方法

针对单样本人脸识别问题,提出了一种结合小波低频子带的主成分分析方法.为了加强单样本图像的分类信息,该方法将原训练样本与其小波低频子带重构图相结合,然后对结合的训练样本进行主成分分析.在ORL人脸库上的实验结果表明,当训练集中每个人只有一幅人脸样本图像时,文中方法的识别率比标准特征脸法高3.6%,而所使用的特征脸个数减少14.8%.     

基于累积运动能量图像的人体动作识别

指出了动作识别中的最大困难是难以提取有效的特征来准确描述人体的动作,动作模板是众多方法中的一种简单有效的方法,用来描述动作特征的经典动作模板是运动历史图像.由于受噪声的干扰,用运动历史图像描述复杂环境下的人体动作并不十分理想.为了得到比运动历史图像更加有效的动作模板,提出了将视频序列中的运动能量信息用一张图描述出来,称之为累积运动能量图像,提取其直方图特征来表征人体动作.经You Tube数据集上的实验表明:该累积运动能量图像的识别率比同类方法高.     

基于小波重构与时空二维特征的光纤振动识别

针对光纤预警系统提出基于小波重构降噪和时空二维域特征的光纤振动识别.分析光纤振源信号的特征,使用小波重构降噪处理算法对时域信号进行特征提取,并以灰度图展示其明显的特征,进而提出灰度图腐蚀识别算法.通过时空二维域特征分析处理识别方法,能够较好地分类识别入侵振源信号.     

用神经网络进行车牌定位的研究

该文采用BP人工神经网络模型 ,研究汽车图像中车牌定位的神经网络方法。选取训练样本图像 ,以人工定位后的图像为导师信号 ,将图像的灰度序列采用BP算法进行训练 ,获得有效的网络权值。试验结果表明 ,用BP网络对灰度图像进行感知能够获得较好的定位效果     

基于能量函数最优的海表面风向反演算法

针对灰度不变模型(BCM)光流法从海杂波图像中提取海表面风向存在较大误差的问题,根据海杂波图像特点,提出了基于局部灰度和梯度不变模型
(BGCM) 的能量函数最优海表面风向反演算法.首先,将图像灰度不变模型、梯度不变模型和时空平滑约束项有机组合起来,构造能量函数;然后,将能量函数对光流的两分量求偏导,得非线性欧拉-拉格朗日方程组;最后,通过迭代方法求解非线性方程组,得到光流场,求取主海表面风向.应用实测岸基海杂波图像序列进行实验,将BGCM、BCM模型反演的风向与风向标测得风向进行比较,结果表明,BGCM风向具有更高的相关系数和更小的误差,改进算法具有较好的性能.     

基于Wiener滤波,K-L变换和BP网络的数字识别

研究基于传统模板匹配的识别灰度图像中数字的方法.在对大量样本图像模板进行Wiener滤波的基础上,利用K-L变换进行特征提取,用低维子空间描述高维空间中的图像.将低维子空间中的向量加载到BP网络的输入端进行训练,调整神经网络权值.权值稳定后,在网络输入端加载经过预处理的待识别灰度数字图像,在输出端即可得到识别结果.该方法有效地利用了Wiener滤波器以最小方差对原始信号的恢复能力、K-L变换的降维特性和BP学习网络所擅长的数据映射处理能力.     

基于改进掩模法的自适应图像增强算法

针对掩模法存在边缘模糊负面效应的问题,提出了一种基于掩模法的新型图像增强算法.该算法利用拉普拉斯微分算子对像素灰度值的不连续性进行量化,根据微分算子对灰度突变的响应强度进行自动调整掩模内的各像素权值.因此,图像的边缘不再变模糊.实验结果表明,该算法既平滑了图像噪声,又锐化了图像边缘.     

基于改进掩模法的自适应图像增强算法

针对掩模法存在边缘模糊负面效应的问题,提出了一种基于掩模法的新型图像增强算法。该算法利用拉普拉斯微分算子对像素灰度值的不连续性进行量化,根据微分算子对灰度突变的响应强度进行自动调整掩模内的各像素权值。因此,图像的边缘不再变模糊。实验结果表明,该算法既平滑了图像噪声,又锐化了图像边缘。     

基于SVD的唇动视觉语音特征提取技术

唇动视觉语音特征提取是音视频驱动的人脸动画唇动表示和唇读研究的关键技术．首先针对彩色视频图像进行唇色增强，对增强后的灰度图像进行闽值分割，获取唇部包围框，并根据口型发音的视觉特征进行初分类；然后进行尺度与灰度归一化处理，对预处理后的图像提取奇异值特征；最后采用基于欧氏距离的模板匹配法对该奇异值特征所包含的视觉语音信息进行测试试验．结果表明该低维度特征包含了大量唇动视觉语音信息，可用于单个人在自然环境下的唇语口型识别．     

基于仿射变换与模板更新策略的目标跟踪方法

提出了一种自适应跟踪算法,其主要思想是用六个仿射变换参数来表征图像中目标区域的运动,由当前位置图像与模板图像的差分图像可以求取这些参数,并进一步用这些参数来预测目标的运动和跟踪目标。在实际跟踪过程中,又采取一种有效的相似性度量方法,用它来决定是否修改模板,以及如何修改。     

基于区域分割的损伤图像修复

本文针对档案照片中两种常见的损伤,即划痕和因折叠所造成的裂纹,提出两种基于图像分割的修复方法．通过区域分割检测受损区域,然后根据分割后的二值模板取伤痕周围的某种平均值进行替代修补．在区域分割中分别采用修正的直线跟踪检测法和改进的梯度直方图法,取得了良好的效果．这些方法已经成功地应用于作者所在实验室研制开发的档案图像恢复处理系统中     

基于多通道Gabor滤波的指纹图像二值化方法

为解决传统的直接利用图像全局或局部灰度特性的指纹图像二值化方法的不足,提出一种多通道Gabor滤波的指纹图像二值化方法。首先构造多通道Gabor滤波器组对规格化后的指纹图像提取不同方向纹线对应的主要频率成分。将获得的多通道的滤波响应图线性叠加形成单幅Gabor滤波叠加响应图。然后对其再次采用以上滤波器组滤波,分别求取各位置的最大Gabor响应构成最终的指纹滤波能量响应图。最后分块并求取块内阈值实现二值化。实验结果表明,该方法较基于灰度特性的方法鲁棒性更好,特别对存在粘连、噪声和断纹、孔洞等现象的指纹图像有较好的处理效果。     

基于灰度图像的答题卡识别技术

针对目前电脑阅卷技术中存在的一些问题,提出了一种基于灰度图像识别技术的答题卡判别方法。首先对答题卡图像进行高斯滤波,依据模板定位填涂区域,然后针对正常填涂、未填涂和涂改等情况做出正确的判断,最后,将答案以及考生信息读入数据库。此系统为不同答题卡定义相应的模板,可应用于各类答题卡的阅卷工作。实验结果表明了此方法的有效性。     

一种基于犹豫中智集和水平集的图像分割方法

皮肤镜图像分析技术的第一步为图像分割,分割的结果会直接影响到后续的处理过程,针对具有背景噪声、模糊边缘和灰度不均的皮肤镜图像,提出了一种新的结合水平集的犹豫中智集图像分割方法;首先利用犹豫中智集理论将图像转换为犹豫中智集图像,其中犹豫中智图像由三类子集组成(T、I、F),利用犹豫中智集图像突出表达图像的目标信息和边缘信息;然后针对传统 DRLSE 水平集的不足进行改进,构造新的边缘停止函数,并增加灰度驱动能量项,最后通过改进的DRLSE 水平集对 ISIC(2018)皮肤镜图像进行分割测试;实验结果的交并比(Jaccard Index)值均大于 95%,且均方误差(MSE)、峰值信噪比(PSNR)和结构性相似指数(SSIM)均表现良好,表明方法能够准确、有效的分割具有模糊边缘和灰度不均的皮肤镜图像,对后续的皮肤镜图像的处理与诊断奠定了基础。     

基于Camshift算法的虹膜实时跟踪

针对人眼虹膜跟踪中存在的眨眼和眼睑遮挡问题,提出了基于Camshift算法的虹膜跟踪方法。首先使用Adaboost学习算法进行人眼初步定位,然后加入三庭五眼的比例模型精确定位人眼;在人眼定位的基础上使用一个圆形滑动窗遍历人眼灰度图像,其中平均灰度最小的圆形窗可初步定为虹膜区域;将以上步骤检测出的虹膜作为Camshift算法初始模板,建立虹膜的颜色概率图,利用虹膜的颜色特征完成跟踪。实验证明本算法的虹膜跟踪准确率达到84%;并能解决眨眼和眼睑遮挡问题,保证了跟踪过程的鲁棒性。     

基于统计建模的电子元件焊点图像匹配算法

为了减少现有的基于特征提取的自动光学检测系统的用户编程时间以及对用户经验的依赖,提出了一种基于统计建模的图像匹配算法.该算法首先对学习训练的焊点图片进行合格或者不合格区分;然后对合格的样本图片进行灰度级别的统计建模,获得一个标准的学习模板;再将待测元件图片经定位操作后与训练好的标准模板进行匹配,通过计算两者像素点灰度值的差值来对待测元件图片进行合格与否的判定.实验结果表明:基于统计建模的图像匹配算法的误报率小于2%,漏报率为0,且可在满足自动光学检测较高检测精度的前提下,大大减少用户对检测程序的编程时间.