基于灰度和梯度不变矩的人脸识别

提出一种新的人脸识别方法———灰度-梯度共轭不变矩法,克服了传统方法的缺点,在不增加复杂度的前提下,将灰度信息和梯度信息有效地结合起来,并将其共轭分布反映的纹理特征作为对灰度特征的补充参与特征分类.同时,对经典不变矩组进行分析并改进,消除了离散状态下比例因子的影响.以BP网络作为分类器进行试验,结果表明,与传统方法相比,该方法具有更高的识别率.     

一种改进的基于Canny算子的图像边缘提取算法

对Canny边缘提取算法进行改进, 采用二维高斯函数的一阶偏导数构造滤波器计算梯度幅值, 利用一种四阈值边缘检测定位方法定位边缘, 最后引入数学形态学方法对边缘细化处理. 改进算法对噪声抑制效果明显, 能够删除伪边缘, 检出边缘更加精细, 实验结果表明了改进算法的可行性和有效性.     

一种基于小波提升变换的多尺度边缘提取算法

提出了一种基于小波提升变换的改进图像边缘的检测算法.本算法首先对源图像进行小波提升分解,然后分别对高、低频子图像进行边缘提取.对于低频信息使用Canny算子进行边缘检测,而高频信息先用相邻尺度小波系数相乘的方法去除噪声,消噪后再对高频分量进行边缘检测.最后通过一定的融合规则进行融合,得到最终的边缘图像.实验结果表明,该方法具有运算速度快,能有效地抑制噪声,边缘检测精度高等特点,是一种有效的图像边缘提取算法.     

基于级联卷积神经网络的港口多方向舰船检测与分类

港口舰船目标自动检测的定位和类型分类是一个重要而具有挑战性的问题。针对高分辨率光学遥感影像中多方向性排列密集的近岸舰船目标定位和识别困难的问题,提出基于级联区域卷积神经网络和手工提取特征相结合的近岸舰船检测识别框架。首先,使用级联的区域卷积神经网络对舰船位置进行粗定位并对类别进行估计，得到一系列粗定位的垂直预测框。然后,设计一个可以准确定位舰船的斜框旋转回归器,其将第一阶段所得粗定位垂直矩形框转变为带方向的斜矩形框。最后,使用非极大值抑制的方法去除冗余的预测框。实验采用谷歌地球上采集的数据集进行训练和预测,实验结果表明所提算法在精准率和召回率上均具有较大优势。     

向量空间彩色图像的Canny边缘检测

针对Canny算法检测边缘的准确性,提出了基于Canny算法的彩色图像边缘检测方法.根据Canny算法的特性,用近似高斯函数的滤波器平滑图像;利用梯度模板计算图像的向量梯度及方向角,并依据方向角对梯度图像进行非极大值抑制;计算高、低两个阈值,基于8邻域连接边缘点.实验结果证明,该方法继承了canny的性能,并充分利用了彩色信患,能较好地检测出彩色图像边缘.     

基于颜色特征和改进Canny算子的车牌图像定位

针对目前车牌定位算法准确率较低、 定位速度慢等问题, 提出一种基于颜色特征和改进Canny算子的车牌图像定位方法. 该方法先利用彩色图像的颜色特征对车牌图像进行初步定位, 提取该颜色特征时不包含亮度信息, 有效克服了光照变化的影响; 再对Canny边缘检测算法进行改进, 提出一种新的梯度幅值和梯度方向一阶偏
导数计算方法及高、 低双阈值自适应确定方法; 最后利用多组车牌图像对所提算法的性能进行验证, 验证结果证明了所给方法的正确性和有效性.     

一种改进的基于Canny算子边缘检测算法

 基于已改进的Canny算子, 用半像素插值方法将已改进的3×3模板扩展为5×5模板, 并利用归一化自相关最大值的方法判断边缘方向, 缓解了传统Canny算子由于噪声影响使检测效果有断边缘或假边缘的现象. 实验采用接受者操作特性曲线评价提出的算法性能. 结果表明, 与已有算法相比, 改进算法的检测效果有所提高, 可以精确边缘方向, 同时减小假边缘点出现的概率, 对线条边缘丰富的图像效果尤其显著.     

基于K邻近均值滤波器的自适应Canny边缘检测

本文在分析传统Canny算子的优缺点基础上,针对其在平滑滤波和阈值选取上的不足,提出了新的改进算法.该算法首先采用K邻近均值滤波器对图像进行预处理,然后利用非极大值抑制过程后图像本身的信息来自动产生高低阈值对图像进行边缘检测.经过实验证实,使用本算法检测到的边缘连续性更好,边缘细节更丰富,同时阈值选择的自适应能力有所提高.     

一种基于Canny算子改进的边缘检测算法

文章首先对传统Canny边缘检测算法的性能进行分析和研究,并在保持了Canny算子原有的优点的基础上,提出了一种通过改进梯度幅值计算和非极值抑制过程的插值方向的方法,不仅提高了边缘定位的精度,而且抑制了伪边缘和噪声,在实际的应用中取得了很好的边缘检测效果.实验结果证明,该算法是一种有效的边缘检测改进方法.     

基于级联卷积神经网络的港口多方向舰船检测与分类

港口舰船目标自动检测的定位和类型分类是一个重要而具有挑战性的问题。针对高分辨率光学遥感影像中多方向性排列密集的近岸舰船目标定位和识别困难的问题,提出基于级联区域卷积神经网络和手工提取特征相结合的近岸舰船检测识别框架。首先,使用级联的区域卷积神经网络对舰船位置进行粗定位并对类别进行估计，得到一系列粗定位的垂直预测框。然后,设计一个可以准确定位舰船的斜框旋转回归器,其将第一阶段所得粗定位垂直矩形框转变为带方向的斜矩形框。最后,使用非极大值抑制的方法去除冗余的预测框。实验采用谷歌地球上采集的数据集进行训练和预测,实验结果表明所提算法在精准率和召回率上均具有较大优势。