基于笔画的汽车车牌自动识别系统的开发

车牌自动识别系统能从一幅图像中自动提取车牌图像,并对字符进行分割,从而达到对字符有效识别。该技术可以从采集汽车图像中确定车牌的准确位置,能及时准确地自动识别出车牌上的数字、字母和汉字字符,并且可以通过计算机进行数据后期处理并直接输出识别结果,为实现现代交通的智能化管理提供帮助。     

基于文本编码分割的医学影像文本水印算法

针对已有文本水印嵌入算法中所采用的二进制数据流描述文本水印时所表达的信息有限、水印容量较小的问题,提出了一种基于文本编码分割的医学影像文本水印算法,通过二维离散小波变换对医学影像的不同层次进行分解,将编码分割处理后的文本水印嵌入到小波分解的三级低频部分,实现了文本水印的隐秘嵌入。实验结果表明,该算法可提高医学影像文本水印容量2-3倍。     

基于快速退火MRF的改进SAR图像分割方法

基于Markov随机场(MRF,Markov Random Field)的SAR图像分割方法利用了SAR图像的灰度和结构信息,能在分割过程中有效抑制斑点噪声,获得较高的分割精度.但这类方法的缺点是模拟退火的计算量很大.针对该问题,提出了一种基于快速退火MRF的SAR图像分割处理方法.该方法根据SAR图像Gibbs分布的特性,在求取全局最优解时,首先寻找邻域系统中占有支配地位的某种标记,若存在占支配地位的标记,用此标记更新状态;反之,则沿用传统模拟退火的方法随机更新状态.由于该方法引入基于Gibbs分布的先验判决进行系统状态更新,因此能够快速求得全局最优解.最后对真实SAR图像进行处理,处理结果验证了算法的有效性.     

一种高精度视频目标检测与分割新方法

根据动态视频场景与多目标检测的应用需求,提出了一种变分光流场与mean shift图像分割相结合的高精度运动目标检测与分割新方法.依据动态场景多运动目标检测的约束条件提出变分光流场优化计算模型,并给出其数值解法.在此基础上提出结合meanshift的高精度运动目标检测与分割算法,此方法对摄像机运动和静止情况都适合,能够进行同一场景中多个运动目标的高精度检测,并且不需要事先的学习和人工干预,具有通用性.     

一种基于相关向量机的白细胞检出新方法

提出了一种基于相关向量机(RVM)的白细胞检出新方法.首先,借助RVM对一维直方图进行拟合,获得稀疏的相关向量.然后,直接从这些数量有限的相关向量中筛选出所需的阈值.最后,基于前一步得到的阈值,将完整、连续的白细胞区域从原始图像中分割出来.该方法已成功地应用于白细胞检出,有效地降低了由光照和染色引起的干扰.该方法计算效率高,无需设置额外参数.实验结果表明了该方法的优良性能.     

基于全局Maxflow邻域生长算法的SAR图像目标分割

提出一种改进的GrabCut算法,利用迭代图割(GrabCut)算法对彩色图像进行分割的特点,在不需要交互式操作的情况下,将SAR图像转化为24 bit BMP的位图进行处理,再结合邻域生长算法实现对SAR图像目标的自动分割.通过对MSTAR和NASA喷气推进实验室的SAR图像进行目标分割实验,结果表明,该算法分割精度高于目前通用的其他算法.     

基于集成活动轮廓模型的SAR图像分割方法

图像分割是合成孔径雷达(Synthetic Aperture Radar, SAR)图像自动解译技术中的一个重要问题。基于活动轮廓的思想,给出了一种适应于SAR图像分割的集成活动轮廓模型。该模型综合利用SAR图像的边缘和区域特性,通过检测算子提取SAR图像的边缘信息,利用似然函数的最大化提取图像中不同统计信息的区域;通过边缘和区域的共同曲线运动实现对SAR图像的分割。利用加性算子分裂算法,给出了该模型的快速实现方法。通过MSTAR和实测星载SAR数据进行试验验证,并与其他算法比较,结果表明：所提方法适应性强,可适应复杂背景的SAR图像分割,并且分割定位准确、收敛速度较快;所提实现算法稳健,能适应不同参数设置,且对初始条件不敏感。〖JP〗     

基于距离相关图的音频相似性度量方法

相似性度量是基于内容的音频分析中的关键环节之一,目前往往沿用传统的统计分析思想实现,缺乏有效的呈现手段和对语义层信息的准确表达.提出了一种基于图像分割技术的相似性度量方法,通过特征提取构造特征空间,进而绘制特征向量间的距离相关图,通过对该图的可视化分析判断最大相似方向,并分别计算出局部相似性和全局相似性.给出了实验验证过程,该方法适用于数字广播等音频流中的片段查找等应用.      

真实场景水下语义分割方法及数据集

随着水下生物抓取技术的不断发展,高精度的水下物体识别与分割成为了挑战。已有的水下目标检测技术仅能给出物体的大体位置,无法提供物体轮廓等更加细致的信息,严重影响了抓取效率。为了解决这一问题,标注并建立了真实场景水下语义分割数据集DUT-USEG,该数据集包含6 617张图像,其中1 487张具有语义分割和实例分割标注,剩余5 130张图像具有目标检测框标注。基于该数据集,提出了一个关注边界的半监督水下语义分割网络(US-Net),该网络通过设计伪标签生成器和边界检测子网络,实现了对水下物体与背景之间边界的精细学习,提升了边界区域的分割效果。实验表明:所提方法在DUT-USEG数据集的海参、海胆和海星3个类别上相较于对比方法提升了6.7%,达到了目前最好的分割精度。      

巡视探测任务中复杂地形信息感知与场景建模

在月面探测过程中,针对月表多不规则地形障碍物(月表陨石凹坑、坡、月岩等)会影响巡视器移动性能以及地面观测者缺少直观的三维的月表环境信息,影响最终决策的问题。文章采用深度(RGB-D)相机获取原始数据,基于三维点云数据进行滤波消噪等处理;再结合机器人越障能力极限与改进的随机采样一致性(Random Sample Consensus,RANSAC)算法,获取其自适应基准平面作为可通行区域;最后使用密度聚类算法(Density-Based Spatial Clustering of Applications with Noise,DBSCAN)提取局部地形障碍物信息,结合基准面进行快速三维场景重建,为地面观测提供直观快速的三维巡视器周围环境模型,并通过模拟月面地形环境试验进行验证。试验结果表明,本文所使用的算法可以有效地获取地形障碍物的空间坐标信息,并进行快速场景重建,大幅度地提高时间效率。可为月面探测任务中,巡视器自主避障以及为地面观测者提供三维视角等提供参考。