视频分析在交通控制中的应用

提出了一种在一系列连续视频图像中提取背景像素的方法.在背景提取的基础上,采用灰度图像的帧间差分法和背景均值法,再运用虚拟检测线法对视频图像中运动物体进行检测.在合理的假设条件下,对所划检测线上的灰度像素矩阵进行运算,通过计量的数据,运用数学和物理方法,可以得出车辆的外形,即分为大、中、小型车,车辆的行驶速度以及其他一些重要的数据.     

基于曲面插值的加密图像可逆信息隐藏算法

提出一种基于曲面插值的加密图像可逆信息隐藏算法.对原始图像进行加密,利用随机函数确定加密图像中的载体像素,根据载体像素取反位的不同采取不同的隐藏方法.对载密图像进行解密以确定载体像素,在载体像素5×5邻域中选取与载体像素距离最近的6个非载体像素,采用曲面插值的方法计算载体像素的预测值,应用该预测值提取秘密信息并恢复载体像素.实验结果表明,该算法提取秘密信息的错误率较低,恢复图像的视觉效果较好.     

基于多特征提取的识别算法数学建模优化研究

数据建模优化在多特征提取领域应用广泛,基于统计特征和基于结构特征的识别算法需要在数学建模优化下实施,可以改变图像的输入结构,从而能够对图形的统计特征进行提取,采取网格划分方法,对图像进行划分,然后对网格内文字像素进行比对,保证文字图像能够通过细分类模式进行识别.     

基于OpenCV复杂环境抠像技术的老年娱乐系统模型

利用开源计算机视觉库OpenCV作为图像处理工具,研究复杂环境下差分抠像技术的改进。通过RGB值补偿解决家用摄像头自动白平衡产生的颜色变化问题;消除差分抠像中对象产生的阴影;对通道优化并提取目标通道,经阈值化得到的二值图像作为遮罩以提取目标对象。实验表明,此方法可有效提取复杂环境下的前景目标,基于此种技术探讨对老年用户娱乐系统模型开发的技术支持和拓展。     

基于FPGA的图像边缘检测算法设计

通过研究Sobel原理和算法,在FPGA内部用流水线的方式来实现数据的具体提取、计算和存储,最终实现了对任意Bmp格式图像的边缘检测图像的计算和提取,并显示出来,证实Sobel算法有比较好的边缘检测效果,而且采用流水线的技术,可以有效提高数据计算的效率,实现了一个时钟周期就输出一个像素图像的导数值。     

Moodle平台语法高亮功能的两种实现方法对比分析

Moodle平台是一个开源互联网教学平台,在运行程序设计类课程时,语法高亮功能的缺失严重影响平台的使用效果。鉴于此,基于当前流行的开源代码语法高亮解决方案,设计了两种在Moodle中实现语法高亮的方法,并从多方面分析对比两种方法并得出结论。     

一种鲁棒的圆形标记点中心提取方法

圆形标记点中心识别是视觉测量的关键技术之一. 为满足工业现场精确标定和测量的需求,提出了一种鲁棒的标记点中心提取算法. 首先对图像进行预处理和Canny边缘提取;然后用增强的Snake方法对边缘进行全局最优搜索,并以具备积分性质的Zernike算子对图像边缘进行亚像素定位;最后采用鲁棒的椭圆拟合算法迭代定位椭圆中心. 仿真和实测表明,该算法在标记点破损或被污染情况下仍能给出精确的中心定位. 理想情况下定位误差小于0.02像素,在标记点破损或被污染情况下定位误差小于0.03像素.     

基于TSDF模型的点云孔洞修复方法

深度摄像头的点云集合一般存在黑色孔洞闪烁的现象,在识别机械臂静态目标抓取时,点云集合数据的关键位置的体素不规则出现,就会对目标中心点的识别造成无法修正的偏差。因此,引入多个点云集合累积的思想,提出了一种基于TSDF模型的点云孔洞修复算法。在图形处理器(Graphics Processing Unit,GPU)中构建长宽高都是512体素的截断符号距离函数(Truncated Signed Distance Function,TSDF)模型,给定深度摄像头相对于世界坐标系的初始位姿,便可以得到相机坐标系到世界坐标系的坐标变换矩阵。根据当前图像坐标点的深度值和模型体素值,动态计算权值,更新模型,经过多次迭代,从而形成稳定的点云坐标集合。实验结果表明,所提出的算法应用在机械臂静态目标抓取后,被识别目标中心点重定位精度误差在2.0 mm内,机械臂抓取目标的成功率显著提高。由于模型在GPU中构建,并不会降低计算机工作性能。所提算法在修复方面的可靠性强于常规修复算法,对于颜色复杂的物体和对于没有彩色图像的深度摄像头依然适用。     

数模竞赛中建好数学模型之研究

本文通过对历年数学建模竞赛试题及其解法的分析,对如何建立一个好的数学模型从了解建模竞赛试题的实际背景、进行恰当的假设、模型的建立与求解以及关于模型各种性能的分析等四个方面进阐述,希望通过该文对大学生建模活动能取得一点推动作用.     

一种加密域可逆隐藏算法的分析及改进

分析指出一种加密域可逆信息隐藏算法不能实现无损恢复的原因——仅用四邻域预测像素类型.为实现原始图像的无损恢复,结合像素自身和四邻域来预测像素类型,利用类型标示矩阵记录像素的平滑性并将其压缩后隐藏在部分平滑像素中,接收者利用提取的类型标示矩阵与邻域像素可无损恢复原始图像.实验仿真结果表明,所提出的改进算法不仅能无损恢复原始图像,而且进一步提高了嵌入容量和解密图像的质量.