基于图像分块重建的运动目标检测

运动目标检测是图像理解的关键问题之一,人们通常采用背景法去除背景而获取运动目标前景。其中的背景重构是其中的关键。现有的背景重构算法很难同时满足实时性与鲁棒性的要求。提出基于图像分块重建的运动目标检测方法,首先将图像合理划分为若干个子块,通过帧差法得出子块的运动能量,据此判断出子块属于背景还是目标前景,再根据背景子块估计出背景图像。在背景更新阶段,根据图像4个角上子块(角块)的邻帧差分值来对场景的光线变化进行判断从而决定是否需要进行背景更新。将上述算法应用于一个人体目标检测中。实践证明,该方法具有较好的实时性与鲁棒性。     

基于图像处理的轴类零件表面裂纹检测

针对轴类零件表面图像的特点,提出一种基于图像处理的表面裂纹检测算法.算法首先采用空域和小波域混合滤波对图像去噪,提出一种图像分块自适应模糊集增强方法,以提高裂纹区和背景区的对比度;然后应用Canny边缘检测算子和数学形态学操作进行图像分割,提取裂纹区域;最后通过计算裂纹连通域的圆形度和长宽比特征判断零件的表面图像中是否有裂纹存在,实现裂纹检测.试验表明,该算法即使在信噪比不高的图像中也能实现对目标裂纹的检测,证明了算法的有效性.     

一种改进的局部三值模式的人脸识别方法

为了更好的描述人脸特征,提出了一种基于不同尺度像素块及自适应阈值的局部三值(LTP)模式方法.该方法首先将图像分为若干个子区域,采用自适应阈值并基于不同尺度的像素块提取每个子区域的LTP纹理直方图,然后将得到的每个子区域的直方图连在一起并经过主成分分析(PCA)降维处理得到特征向量.在人脸数据库上进行的实验证明,应用该方法进行人脸特征提取并结合最近邻分类法得到了较高的识别率.     

基于方块编码的图像特征提取及检索算法

提出了一种基于方块编码的图像检索算法.首先将图像分成互不重叠的子图像块,根据图像块中各像素间的色差,利用方块编码的思想对这些子图像进行编码,然后根据人眼的视觉特性来定义图像的关键块,最后借助于基于关键字的文本检索技术进行图像检索.同时,考虑到不同类型的关键块在表征图像内容时重要程度的不同而赋予其不同的权值.实验结果表明本文算法在图像的相似性检索时是有效的,并具有较高的检索效率.     

显微视觉系统中自动聚焦技术的研究

在聚焦评价算法的研究中,本文首先对传统的离散余弦变换(DCT)算法和最小核值相似区(SUSAN)算法进行改进,然后结合改进后的DCT算法和SUSAN算法提出一种新的聚焦评价算法,该算法结合频域评价算法和空间域评价算法各自的优点,使聚焦曲线在单峰性,局部极值点和灵敏度等方面与传统算法相比有较大改善。在聚焦窗口的研究中,本文提出一种基于图像子块重要程度加权的聚焦窗口选择方法,该方法以总梯度变化率作为图像子块重要程度因子,将重要程度因子值小于阈值的图像子块视为背景子块,去除背景子块后剩下的部分为聚焦窗口。新的聚焦窗口选择方法能实现动态的区分目标区域与背景区域。     

基于超像素分类的海天线检测方法

海天线检测是海空背景图像中海面目标提取的一项重要研究内容。根据海空背景图像的特点,提出了一种基于超像素分类的海天线检测方法。该方法首先利用简单线性迭代聚类算法(SLIC)将图像预分割成具有相似特性的图像块,然后提取每个图像块的特征组成该区域的特征向量,利用k-均值聚类算法将图像分成海水和天空两个区域,最后根据海天区域的连接点,采用RANSAC算法确定出海天线直线参数。实验结果表明,该方法可以有效地检测出复杂海天背景下的海天线。     

应用ICA滤波器技术提取图像纹理特征

针对纹理图像分类问题,本文提出了一种应用ICA滤波器技术提取图像纹理特征的方法.该方法首先从训练图像集中随机抽取图像块作为观测信号,应用ICA技术,提取滤波器组.然后根据训练样本图像对滤波器组的响应值来评估和选择滤波器组,达到降维的目的.最后利用滤波器组对测试图像进行滤波,得到该图像的滤波响应结果,从该响应结果中得到最大响应滤波器编号,提取其直方图作为图像的全局特征和局部特征.对Brodatz纹理图像集中108个纹理类别进行了分类实验,结果表明,与MPEG-7纹理描述子相比,该图像特征对纹理图像具有更好的分类效果.     

LSB扩展的图像自嵌入方法

本文描述了一种基于LSB扩展的图像自嵌入方法.该方法在使用LSB数据隐藏的同时,对图像的高层位平面采用无损数据嵌入方法,将图像的压缩信息与认证信息嵌入到图像自身中.当原图像有缺损或被篡改时,使用认证信息可较准确地定位受损位置;使用从偏移图像子块中提取的数据,可近似地恢复原图像的受损部分;同时图像的高层位平面还可无损恢复.该方法增加了数据嵌入的容量,提高了恢复图像的质量.     

一种基于彩色+深度的人脸识别算法

本文提出了一种基于彩色+深度(RGB-D)的人脸识别方法,以提高识别率.首先从Kinect获得一个具有丰富的头部姿势变化、光照变化等不同条件下的彩色+深度(RGB-D)图像,将获取的同一个人在不同条件下的多个图像看做一个图像集;其次将Kinect获得的原始深度数据用于姿态估计和脸区域的自动裁剪.根据估计的姿态将一组脸部图像集分成多个子图像集.对于分类,本文提出了一种基于块的协方差矩阵表示图像模型在黎曼流形上一个子图像集的方法以降维,并使用SVM模型分别学习每个子图像集,然后将所有子图像集的结果相融合得出最终的识别结果.本文所提出的方法已经在包含不同条件下超过5 000幅RGB-D图像数据集中进行了评估.实验结果表明本文算法可实现高达98.84%的识别率.     

机器视觉系统在皮带撕裂检测中的应用

文章对裂纹图像进行采集提取，然后在Visual Studio 2017、开发语言C++中借助功能模块，并通过边缘检测算法实现对图像的处理以便进行检测，之后对经处理的数字图像构建网络模型，以皮带裂纹图像的长宽几何特征量作为输入量，结合皮带裂纹图像样本，从测试出的裂纹特征值可得出整段皮带不同位置撕裂程度有所不同。