彩色车牌图像的多阈值分割方法

彩色图像的颜色是图像分析的重要特征信息,颜色特征的提取是图像分析的重要步骤,但彩色图像为多维空间信息且可能涉及的是多种颜色特征。文章介绍了采用多阈值分割方法,将多种感兴趣的颜色信息转化为灰度图像,在同一个灰度图像中对应多种彩色信息,对各种不同颜色信息方便处理。通过200幅实测车辆图像使用彩色图像的多阈值分割方法进行车牌定位试验,准确率为98%。     

基于Wasserstein距离和SBGFRLS方法的活动轮廓模型图像分割算法

提出一种结合Wasserstein距离和SBGFRLS方法的非参数化活动轮廓图像分割算法。该算法采用二值函数作为水平集函数并利用高斯核函数对其正则化,有效避免水平集演化中的重新初始化过程,提高分割速度。算法本身具有选择局部和全局分割的属性。利用Wasserstein距离作为区域相似性测度使图像分割不依赖于图像数据的具体分布模型,扩大了传统水平集算法的应用范围。实验结果表明,该算法能够对图像进行有效准确地分割且具有较快的速度。     

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。     

基于边缘区域增长法的飞机图像目标分割研究

对边缘区域增长算法进行了理论分析,介绍了用边缘区域增长法对飞机图像进行目标分割的主要步骤,并将该算法对飞机图像进行目标分割的效果与Otsu算法进行了对比。结果表明,该算法所分割的图像目标边缘和实际目标边缘一致性较好,边界精确、清晰。     

基于2－D熵的机载SAR图像分割迭代算法研究

机载合成孔径雷达(SAR)图像可用于检测识别机场跑道.由于SAR图像包含大量噪声,算法抗噪性能对于SAR图像处理很重要.2-D阈值方法的分割效果比传统的一维方法要好,特别是对受噪声影响的图像.然而,2-D阈值方法耗时长,难以实用.因此,本文在现有的2-D熵迭代分割算法的基础上提出了一种基于二维直方图统计特点的最大熵阈值分割算法.通过大量试验证明,本文提出的方法不仅获得了理想的分割效果,而且进一步提高了二维阈值选取速度.     

融合明度特征的V-SAD立体匹配算法

针对SAD算法难以对图像中纯色与弱纹理部分进行准确匹配的问题,提出了将HSV空间明度特征与SAD算法相融合的立体匹配算法,称为V-SAD算法.首先将图像从RGB空间转化至HSV空间,并根据H、S、V值将像素点按照颜色分为10类,同时得到明度特征图.然后结合SAD算法需要的灰度特征图计算匹配代价,得到初步的视差图.接着,根据HSV空间的颜色信息对图像进行分割,结合数学形态法求解分割区块中的独立连通域.再利用边缘生长法对每一个连通域的视差进行恢复.最后,使用左右一致性检测方法对视差图进行优化.实验结果表明,利用图像的明度信息衡量纯色与弱纹理区域的匹配点的相似度是有效的,该V-SAD算法有效改善了SAD算法在弱纹理和纯色区域的匹配效果,平均误匹配率下降了13.02％.     

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。     

NSCT变换域PCNN彩色图像增强算法

为了改善由于光照不均对真彩色图像的影响,根据人类对颜色的感知特性,利用YCbCr彩色模型空间,提出了一种基于非抽样Contourlet变换（ NSCT）的PCNN模型的图像增强算法。首先,将图像从RGB彩色空间转换到YCbCr彩色空间;然后对亮度分量进行NSCT分解,得到低频子带系数和高频方向子带系数,对低频子带,利用PC－NN增强,对高频子带采用非线性变换进行增强;最后,使用NSCT逆变换重构图像的亮度分量,并将图像从YCbCr色彩空间模型还原到RGB空间得到增强后的图像。实验结果表明,算法增强效果明显优于同态滤波、空域PCNN及NSCT域的PCNN算法,不仅增加了彩色图像的明亮度,而且图像保真性好,纹理更清晰。     

基于加权模糊C均值聚类的图像分割算法

模糊C均值(FCM)算法用于灰度图像分割是一种非监督模糊聚类后再标定的过程,适合灰度图像中存在着模糊和不确定性的特点。但是这种算法存在着本质上的缺陷,就是仅利用了图像的灰度信息,而没有考虑像素的空间信息,使得其对于实际的含有噪声的图像分割效果不理想。因此,提出了一种新的加权模糊C均值聚类算法,实践证明,该方法可以有效地、实时地把目标从背景中分割出来,并具有较强的鲁棒性。     

一种基于肤色和脸部特征的人脸特征点检测算法

人脸检测通常是人机系统中人机交互的第一步,像人机系统中基于人体特征的用户身份识别,计算机对用户感情和意图的理解等.本文提出了一种用于办公室环境下的彩色图像中人脸检测算法.基于一种新的肤色检测算法,对图像进行肤色区域检测.算法通过构建眼,嘴模板来进行人脸的校验.实验结果表明,该算法可以实现在图像中出现照明,人脸表情,尺度较大范围变化情况下的人脸检测.     

基于FCM聚类的示温漆图像分割算法

根据示温漆(TIP)图像特征及相关实验结果,提出了一种基于模糊C均值(FCM)聚类的示温漆图像分割算法。该算法以FCM聚类算法为核心,应用双边滤波器平滑图像,提高图像分割质量。通过颜色空间转换,提高图像聚类的迭代效率。实验表明:该算法增强了示温漆温度判读需要的特征信息,可以提取人眼无法识别的等温线,同时消除了等温线崎岖等现象,测温误差为±10℃。算法应用效果良好,满足工程要求,已用于示温漆自动判读软件开发。      

基于标准差加权的色偏图像校正方法

针对色偏图像校正问题,提出了1种标准差加权的色偏图像校正方法。首先,利用灰度世界算法计算色偏图像红、绿、蓝各通道的校正系数;其次,对色偏图像进行超像素分割,利用像素平均值和方差计算每1个超像素的颜色一致性,从而计算各通道的校正系数权重;最后,对校正系数进行加权处理,并进行色偏图像校正。实验表明,算法能够对色偏图像进行有效校正,并克服单一色块和校正后图像变亮问题。相比于灰度世界、完美反射和动态阈值3种算法,该算法的峰值信噪比平均提升36.46%,色差均值平均降低3.12%。     

自适应K-means图像分割方法

本文提出了一种自适应K-means图像分割方法,该方法通过用Otsu方法来初步选取阈值作为初始K-means聚类中心,然后经过K-means聚类方法对图像进行分割,最后根据K-means获得的聚类中心与Otsu所确定的阈值进行平均计算,作为图像分割的阈值.实验结果表明:该方法自动快速形成的分割阈值较为合理,对图像能达到更好的分割效果,可以进一步提高后续图像匹配与定位的准确性.     

Adaptive image segmentation using genetic and hybrid search methods

This paper describes an adaptive approach for the important image processing problem of image segmentation that relies on learning from experience to adapt and improve the segmentation performance. The adaptive image segmentation system incorporates a feedback loop consisting of a machine learning subsystem, an image segmentation algorithm, and an evaluation component which determines segmentation quality. The machine learning component is based on genetic adaptation and uses (separately) a pure genetic algorithm (GA) and a hybrid of GA and hill climbing (HC). When the learning subsystem is based on pure genetics, the corresponding evaluation component is based on a vector of evaluation criteria. For the hybrid case, the system employs a scalar evaluation measure which is a weighted combination of the different criteria. Experimental results for pure genetic and hybrid search methods are presented using a representative database of outdoor TV imagery. The multiobjective optimization demonstrates the ability of the adaptive image segmentation system to provide high quality segmentation results in a minimal number of generations     

用于无人直升机着舰控制的计算机视觉技术研究

 通过理论分析和计算机半实物仿真研究了一种应用于无人直升机自主着舰的双目立体计算机视觉系统及相关计算机视觉技术。研究了基于HSV 均匀色标的计算机视觉技术在无人直升机着舰控制中的应用。使用Hough 变换算法检测直线参数,在Hough 变换中利用梯度信息,它的应用打破了Hough 变换的计算瓶颈。整套算法的抗噪声能力很强,达到了无人直升机自主着舰的实时性和实用性要求。     

基于加强模糊聚类的航空行李图像超像素分割

在自助行李托运系统拍摄的行李图像库中检索错误运输的行李时,图像背景会严重影响检索精度。针对该问题提出了一种加强模糊聚类算法（EnFCM）的超像素分割方法,实现了行李目标区域的提取。通过多尺度形态学重建梯度图像,设计了自适应上限尺度的分水岭超像素预分割算法,得到多个独立的超像素区域。对超像素图像进行直方图统计,并结合分水岭分割参数和实际行李图像内容的类别数量进行超像素的加强模糊聚类,得到行李区域。通过多个实际行李图像的分割实验验证了算法的有效性,平均分割精度达到93%,超过多个典型的分割算法。     

基于形态学运算的星图像分割

在获取星图像的过程中,由于某些因素的影响,获得的星图像存在噪声和划痕,而且星图像的背景经常是不均匀的,为星图像的分割造成了极大的困难,甚至使得自动阈值分割无法实现或效果较差。膨胀和腐蚀是形态学的两个基本运算,实验证明,通过组合膨胀和腐蚀,可以获取更为复杂的形态学运算。用形态学运算对星图像进行处理,补偿不均匀的星图像背景,然后进行星图像的自动阈值分割可以得到很好的分割效果。     

一种新的泊位飞机阴影分割方法

飞机泊位自动引导系统中,识别跟踪定位泊位飞机时,会出现灰度较低区域被误判为阴影区域的现象,严重影响识别效果,因此分割飞机阴影是泊位成功与否的关键技术。提出一种将形态学的幂变换与无边界主动轮廓线模型结合的阴影分割方法,首先利用多方向权重形态学对泊位飞机图像中的噪声和微小的干扰区域进行滤除,然后进行幂变换来增强图像质量,最后利用无边界主动轮廓线模型分割阴影。实验结果表明,该方法不仅能够滤除噪声,保留图像细节,而且能提高分割阴影的精确度,并且抑制了泊位飞机分割产生的＂拖尾＂现象,有效地检测出运动飞机的阴影。     

基于改进ORB-GMS-SPHP算法的快速图像拼接方法

针对传统图像拼接算法存在拼接速度慢、图像拼接有色差等问题,提出了一种基于ORB-GMS-SPHP算法的大视场多图像拼接方法。该方法首先利用高斯函数构建尺度空间,将高斯尺度空间划分为多个网格,在每个网格内借助FAST算法提取尺度空间特征点,使用BRIEF算法提取描述符并匹配,得到更加均匀分布的特征点;然后使用运动网格统计算法筛选匹配点;最后采用SPHP算法融合图像重叠区域,从而得到完整的拼接图像。将改进的ORB-GMS-SPHP算法与现有的传统特征点匹配算法在特征点匹配精度和特征点匹配速度进行对比与评价,验证了该方法特征点匹配速度快、精度高,并且可以保留更多的正确匹配点的特点。将该拼接方法与传统拼接方法在拼接速度、图像配准均方误差RMSE以及视觉主观判断拼接色差进行对比与评价,验证了该拼接方法具有较快的拼接速度、更高的拼接精度和无明显色差。该方法在2 736像素×3 648像素图像中,特征点匹配时间降低至6.463 s,图像配准精度RMSE降低至3.87。实验证明该方法特征点匹配速度快、精度高,且拼接精度高、无明显色差。