一种改进粒子群优化的图像恢复算法

分析图像恢复算法现有的一些问题,提出一种改进PSO的图像恢复算法.结合图像恢复算法的特性,给出了适应度函数、搜索空间和算法参数的选取,提出了用邻居最优粒子的影响来加快收敛速度的PSO改进策略和随机开扰动窗口来缩小搜索范围的改进策略.     

基于特征提取的健美操分解动作图像自适应识别方法

为了解决传统方法容易受运动速率、光照情况、遮挡、复杂背景等的影响,导致识别结果鲁棒性较差的问题,通过特征提取方法研究了健美操分解动作图像自适应识别问题。通过时间能量金字塔把视频序列划分成若干段,得到结果中动作并非全为健美操动作,含大量干扰信息,通过背景消减法对进行健美操运动的人体目标进行提取,进行进一步处理,得到人体轮廓的二值图像序列,求出轮廓外界矩形宽度和高度之比,依据宽高比获取关键帧,通过拉普拉斯法求解相邻差异帧与间的光流,降低背景杂波产生的影响。针对关键帧提取特征向量,通过相似性检测对待识别健美操分解动作图像和提取特征进行匹配,设定相似性阈值,将相似性高于阈值的图像作为识别结果。结果表明：所提方法对单人健美操视频数据库的识别准确率高,仅存在一定程度的混淆;所提方法对含不同场景的复杂数据库的识别准确性和其它方法相比最高。可见所提方法受外界环境干扰小,可保证高识别精度。     

变电站远程图像监控系统

随着无人值班变电站技术改造的不断发展,电力系统自动化程度已有了很大提高,已实现了对远方变电站遥测、遥信、遥控、遥调即四遥功能。远程图像监控系统是对四遥的进一步补充——“遥视”,它能监视并记录变电站的安全以及设备的运行情况,监测电力设备发热程度,及时发现、处理事故情况,有助于提高电力系统自动化的安全性和可靠性,并提供事后分析事故的有关图像资料。同时它还具有防火、防盗等功能。因此越来越多的电力局把远程图像监控系统作为自动化变电站管理的新手段。数字远程图像监控系统是近期发展起来的新技术,它是超大规模集…     

基于Mumford & Shah算法的Mark点图像修复研究

针对PCB板生产曝光工艺中的Mark点识别问题,提出一种基于Mumford&Shah算法的Mark点图像修复方法.该方法将Mark点图像识别过程中涉及到的反射光斑视为受损图像的待修复区域,利用通孔与光斑灰度不一的特性,通过Otsu’s算法对反射光斑区域进行阈值分割并生成图像蒙版,在无噪声及有噪声的情况下进行了图像修复实验.通过与BSCB算法、Navier-Stokes算法、FMM算法的修复结果对比.实验结果显示,该算法适用于Mark点区域反射光斑的修复,修复效果较其他算法具有一定优势.     

STM图像表面模拟及图像降噪的研究进展

STM的原始图象不能适应各种需要,而采用各种方法重构后,可以适应不同的应用。文章介绍了重构方法,概述了几何分析和形态学两种图像处理的数学方法,证明这两种方法可以获得更接近原样品形态特征的图像,同时将小波变换应用于扫描隧道显微镜图像的降噪、结果表明处理是有效的、可行的。     

基于核主元分析法和支持向量机的人耳识别

对人耳识别中若干关键问题进行了研究. 介绍了两种人耳图像归一化处理的方法,即基于外耳轮廓长轴的线标记法和基于外耳轮廓起始点的点标记法,并对这两种方法进行了对比. 在分析现有人耳识别方法不足的基础上,提出利用核主元分析法提取人耳图像的代数特征,再利用支持向量机分类模型进行人耳识别. 在带有角度、光照变化的北京科技大学人耳图像库上得到的识别率为98.7%,表明了该识别方法的有效性以及利用人耳图像进行身份识别的可行性.     

一种基于角点匹配的图像拼接算法研究

提出了一种基于角点匹配的图像拼接算法。研究了基于角点匹配的图像拼接方法中,Harris角点的检测,角点的匹配及图像的融合等关键算法。并且给出了图像拼接的MATLAB仿真结果。实验表明,该算法能够获得较为满意的拼接效果。     

结合tetrolet与红外显著性特征提取的红外与可见光融合

针对红外与可见光图像融合过程中红外热目标不突出、纹理及边缘细节易缺失等问题,提出一种结合tetrolet变换域与红外显著目标特征提取的融合方法。首先,在SURF框架内构建基于HOG的特征点描述符实现红外与可见光图像的精确匹配;其次,基于贝塞尔面结合背景及目标进行自适应抑制完成红外目标显著性特征提取;接着,将处理后的红外与可见光图像通过tetrolet多尺度变换分解为低频和高频分量;然后,利用基于局部能量和相对亮度自适应规则对低频分量进行融合,对高频分量采用基于局部空间频率自适应融合规则;最后,将融合的低频分量与高频分量通过tetrolet逆变换,以获得最终的融合结果。实验结果表明,本文算法对不同场景下的红外与可见光图像的融合效果不但主观上具有显著的目标特征,同时背景纹理和边缘细节清晰,整体对比度适宜,运行时间较其它算法得到了明显提升,并且在客观评价指标上也取得了较好的效果。     

基于矩阵变换的数字图像置乱技术

以图像信息安全问题为背景,在Arnold变换的基础上,提出了密钥控制下新的利用矩阵变换对数字图像进行置乱与恢复的技术.结果表明:在图像信息隐藏中,这种技术能达到较好的加密与解密效果,而且易于实现,具有应用价值.     

基于CNN的计算机生成图像识别方法

针对计算机生成图像(Computer Generated images, CG)与真实照片(Photograpgh, PG)识别率不高的问题,该文提出了一种改进的卷积神经网络方法来实现CG与PG的识别.该方法首先对识别问题进行卷积神经网络二分类建模,并选择VGG-19网络结构作为基础,建立不同的模型.该方法创新性地引入迁移学习,节省训练时间和大量计算资源,最后使用softmax分类器进行分类.实验结果表明,该文方法对PG图像的识别准确率达到92%.与其他方法比较,该文方法识别准确率最高,说明该文方法具有可行性与有效性.