一种Mumford-Shah模型的图像分割改进算法

提出了一种新的基于Mumford-Shah模型的图像分割改进算法,并通过对飞机图像轮廓分割进行效果验证。首先,内部惩罚项的设置,彻底消除了计算量巨大的更新水平集函数的步骤。第二,可使用较大的时间步长,获得较快的曲线演化速度。第三,水平集函数可初始化为更容易构造和使用的一般函数,初始轮廓线可以构造为任意形状。最后,选择因子的设置既继承了克服轮廓线“冒顶”的性能,又保证了曲线未达轮廓边界时的演化速度。     

基于像素点对误差累加的最佳阈值选取与一种边界检测新算法

本文研究存在背景噪声和干扰的情况下图像的有效分割及边界检测的问题。提出了新的图像分割准则函数和梯度二值化算法。算法兼顾了分割效果和处理的实时性，通过编程在实际图像中的应用，证明了算法的有效性和优越性。     

多帧PML规整化湍流退化图像复原算法

从湍流退化图像中有效地恢复出原目标图像,是空间目标成像观测亟待解决的问题。为解决强模糊实际观测湍流退化图像的复原问题,本文提出了多帧PML规整化图像复原算法。该算法主要利用非线性规整化项在点扩散函数和目标图像的估计过程中进行平滑。为验证算法的有效性,针对强噪声退化图像进行了恢复实验,实验结果证明,该算法对于强噪声湍流退化图像的复原是非常有效的。     

一种基于单目视觉的自主机器人导航控制方法

首先对单目视觉获得的原始图像进行图像校正处理,利用边界判据函数分割获得可行区域,得到障碍物位置信息,然后在可行区域中根据障碍物位置分段给出机器人导航控制边界,最后采用拟合曲线模型得到前进路径曲线。试验表明,该算法有效稳定,可实时获取可行区域并实现移动机器人自主避障功能。     

激光图像融合算法

为了有效提高激光强度图像的质量,使其能够更好地与其他多源图像匹配,提出了一种激光强度图像与距离图像融合的方法.该方法首先分析了激光强度图像与距离图像不同类型像素点之间局部统计信息的差异,然后利用Ostu算法和模糊最小误差阈值算法求出强度像和距离像的局部统计信息的全局阈值和最佳阈值,最后将这些阈值作为融合参数,按照一定的融合规则,将强度像与距离像进行融合.仿真实验表明:与单纯的滤波算法相比,该融合算法在控制激光散斑噪声的同时,通过融合不同源图像的互补信息,达到提高激光强度图像的各方面性能的目的.     

基于预浸纱自动铺放缺陷的分割算法

为保证预浸纱自动铺放成型制件的性能,基于图像处理技术,根据预浸纱表面图像沿纤维方向灰度均匀的特性,提出了一种结合灰度补偿和差影分割的缺陷分割算法。利用图像灰度补偿矩阵对图像进行灰度补偿,依据图像的灰度误差服从正态分布的特点剔除图像矩阵中的极大误差点,并建立标准背景图像,以允许差值系数K作为判据进行差影分割。结果表明:该算法对气泡、异物两种典型铺放缺陷分割效果好、速度快,为实现自动铺放缺陷在线监测提供了良好的理论基础。     

一种新的基于Graph cuts方法的SAR图像分割模型

Graph cuts方法是一种快速优化技术,能有效解决计算机视觉的低层次问题,如表面重构、分割、去噪等问题。其优点是迭代计算的高效性并能得到全局最优解。利用Graph cuts方法,将基于活动轮廓模型和水平集方法的SAR图像分割模型转化成一个新的模型,可用最大流/最小割方法来求解。实测SAR图像的分割实验表明：提出的新模型所需运行时间大约是基于水平集的活动轮廓模型所需时间的一半,分割精度也得到了较大的提高。     

一种基于类间方差的地平线检测算法

 针对视觉导航中用于微型飞行器（MAV）稳定飞行控制的地平线提取问题,提出一种基于类间方差的地平线检测算法。该算法使用角度和距离两个变量进行图像中直线的穷举,选取像素的蓝色分量作为区分天地的特征,利用类间方差构造判别准则进行直线的最优选择,从而实现地平线的检测。实验结果表明：与基于色彩协方差矩阵的地平线检测算法相比,本文算法对地平线检测的平均角度误差减少1°,距离误差减少3个像素,角度和距离参数的检测正确率分别提高1.98%和4.95%,且具有良好的速度特性。     

民用航空器注册号识别的鲁棒性方法研究

为了提高空管自动化水平并降低运行成本,提出一种基于计算机图像处理技术的民用航空器注册号识别方法.首先将全局阈值分割算法与形态学分割算法结合,实现对航空器图像中注册号的精确定位.然后采用主成分分析法解决注册号倾斜校正问题,并分别针对粘连和非粘连情况的注册号字符进行有效切割.最后利用基于特征提取的模板匹配算法,完成对注册号字符的准确识别.在此基础上,基于MATLAB搭建实验测试平台对上述方法进行仿真验证.实验结果表明,方法能够针对不同角度拍摄的航空器图像快速、准确地识别其注册号,单幅图像识别耗时在0.5 s左右.相比于其他方法,在图像拍摄方面要求较低,有效性与鲁棒性较高,计算速度较快,可以满足实时监控的需求.     

车牌识别预处理中的二值化及倾斜矫正算法

车牌识别中的预处理包括图像增强，二值化和噪声去除。由于车牌图像摄取的特殊性，使得车牌在图像中通常是倾斜的，而倾斜的车牌是很难被分割和识别的，因此车牌倾斜矫正已成为车牌识别系统中一个必需解决的问题。给出了基于图像特征线的二值化阈值确定和针对车牌图像的倾斜矫正改进算法，对车牌的水平和垂直方向分别采用了不同的矫正方法，实验结果表明此算法是快速有效的。