基于Harris角点的快速帧移动多视点图像跟踪识别

为了提高快速帧移动多视点图像的检测跟踪识别能力,提出基于Harris角点检测的快速帧移动多视点图像跟踪识别方法.构建快速帧移动多视点图像检测和帧稳定性控制模型,采用数字特征融合技术,实现对快速帧移动多视点图像的模糊度增强和融合处理,通过多维空间参数检测技术,实现快速帧移动多视点图像的动态参数识别,结合联合滤波特征匹配方法,采用稳像控制技术,建立快速帧移动多视点图像的灰度参数分析模型,根据Harris角点检测结果,结合角点自适应定位和分块匹配滤波,实现对快速帧移动多视点图像检测和跟踪识别.测试结果表明,采用该方法进行快速帧移动多视点图像跟踪识别的精度较高,角点定位和帧稳定性较好.     

SAR图像车辆目标ROI的提取技术

SAR图像感兴趣目标区域(Region Of Interest, ROI)的提取是目标识别的基础。该文针对SAR图像中车辆目标ROI提取问题,系统分析了ROI提取过程的关键环节,提出了采用基于有序数据可变索引(Ordered Data Variability Index, ODVI)的自适应CFAR方法实现目标的恒虚警检测,同时对ROI切片计算鉴别特征,并实现序贯鉴别。最后利用X波段SAR图像数据验证了该文的ROI提取技术,给出了鉴别输出的ROI,处理结果显示该文算法能准确提取车辆目标ROI,有效消除虚警。     

基于HSV色彩空间与形状特征的交通灯自动识别

为了在复杂的环境中准确识别出交通灯信息,提出一种基于HSV色彩空间和形状特征的交通灯识别方法.该方法首先将图像的RGB色彩空间转换成HSV色彩空间,并根据HSV色彩空间中的H与V无关性,利用不同颜色的H阈值对图像进行分割提取候选区域;然后对原图像经预处理及灰度形态学操作后,利用Hough变换检测目标可能位置;最后把目标疑似位置与候选区域进行逻辑滤波融合,并对融合后图像依据颜色H值判定交通灯信息.该方法对480幅各种场景下的交通灯图片进行实验,结果表明该方法具有很强的鲁棒性、稳定性和高效性,能够较好地识别出交通灯.     

基于光电开关的硬币面值识别系统设计

现有的硬币识别系统的结构复杂,成本高.该文根据我国现行硬币币种间大小的不同,利用光电开关的特性,设计出一种由4个光电开关构成的硬币面值检测系统.对不同币种通过检测时,从4个光电开关输出电平状态,可识别出硬币面值大小.采用51单片机完成对光电开关信号的检测、硬币的分类统计、PM66语音芯片的控制实现语音报数.系统联调表明,该系统实现了对不同硬币面值的识别、分类统计、语音报数,对所做实验硬币的识别率达到了100％,具有一定的应用前景和推广价值.     

基于YOLOv3网络的自然环境下青苹果检测与识别

针对自然环境下青苹果目标与树叶颜色相似导致检测与识别困难的问题,提出一种基于YOLOv3网络的青苹果检测与识别方法。利用YOLOv3网络检测出图像中的青苹果目标区域,对目标区域进行HSV和YUV颜色空间分量下的阈值分割,选取青苹果目标提取效果较好的H、V和Y、U分量下的结果,通过形态学运算去除不连通的小区域得到青苹果目标。实验结果表明:在单个果实、两个果实和多个果实图像中,H、V和Y、U分量下青苹果目标提取的真阳性率均值为90.12%,假阳性率为5.74%,其中YUV颜色空间下Y分量的青苹果目标识别效果最好,真阳性率均值为93.93%。     

基于混合矩特征提取的飞机图像识别

提出了一种新的基于图像区域纹理混合矩特征的飞机识别算法.该算法基于一阶直方图的颜色矩特征和基于灰度共生矩阵提取区域图像相关性、角二阶矩、对比度、相关性、倒数差分矩特征,实现有效降维,并采用聚类分析方法对飞机图像进行识别,实验结果显示基于该特征提取的识别方法识别正确率达95%以上,通过对比试验说明,该算法有较好的识别性能.     

结合目标先验信息的检测图像网格聚类算法

合成孔径雷达(Synthetic Aperture Radar, SAR)图像自动目标识别的前提条件之一是能够准确地提取感兴趣区域(Region of interest, ROI),因此能够获取ROI中心的聚类算法是SAR图像处理的关键算法之一。为了尽可能降低检测图像中的虚警以及减少聚类及相应的鉴别算法的计算量,本文提出一种基于先验信息的网格聚类算法,该方法首先通过目标和杂波的形状统计信息估计网格聚类参数,然后利用其对检测图像进行网格划分,并引入目标的占空比特征去除杂波,最后通过粗提取和精提取两种方法计算得到聚类中心。仿真和实测数据处理结果表明,该算法能够对检测目标进行有效聚类并去除大部分杂波,同时极大地减少了鉴别的计算量,且简化了传统ROI中心提取流程。      

基于MSER和SVM的快速交通标志检测

为解决传统的基于机器学习的交通标志检测(TSD) 方法需要对每一个待检测子窗口进行处理而导致算法实时性不高的问 题,提出了一种基于感兴趣区域(ROI)提取和机器学习的快速TSD 算法。针对传统基于颜色阈值的ROI提取方法具 有对光照变化较敏感等缺点,设计了一种颜色增强下的最大稳定极值区域(MSER)方法 ,根据标志的颜色进行 颜色增强,对颜色增强图像提取MSER得到交通标志ROI;然后在图像的多尺度滑动遍历检测 过程中,仅对包含ROI的滑 动窗口进行方向梯度直方图(HOG)特征的提取,并通过支持向量机(SVM)进 行分类判别。实验结果表明,本文改进的TSD方法在运算速度上有较大提升,具有很好的鲁 棒性,且获得了96.42%的检测率以及较低的误检数。     

复杂背景下回转体目标识别方法研究

提出了基于改进BP神经网络的复杂背景下的回转体目标识别方法,实现了对目标的准确提取.采用中值滤波滤除图像噪声,用改进最大类间方差阈值法进行图像分割.提取回转体目标7个不变矩特征作为神经网络输入的特征向量,建立了基于BP神经网络的目标识别系统,进行回转体目标识别,模拟实验结果说明,所提出的图像预处理方法可有效去除复杂背景图像噪声、准确地分割图像,选择7个不变矩特征作为回转体目标识别特征是合理的,基于BP神经网络的回转体目标识别方法具有较高的识别率.     

基于FPGA的等位移多点采样硬币识别研究

提出一种基于FPGA的能够识别硬币面值和鉴别伪币的硬币识别器设计方案.等位移采样可以保证各采样值不受硬币通过币道时速度变化的影响,多点采样可以检测更多的硬币参数信息.通过电涡流传感器实现非接触式检测,把非电量转化成可测量的电信号.通过FPGA进行高速的数据采集和处理,对硬币的识别有较高的准确性和可靠性.     

基于神经网络的硬币面额识别

硬币面额的自动识别是自动售货机和硬币清分机具的关键技术.通过摄像头采集硬币的图像信号,利用硬币的外观进行面额识别.首先提取硬币图像的不变矩特征,然后利用神经网进行图像的分类识别,从而实现硬币面额的识别.实验表明该方法能得到满意的识别结果.     

基于ARM的硬币鉴别系统设计

为减少市面上假硬币的的流通,提出一种基于ARM的硬币鉴别系统设计。这个测试系统是一个复合测试系统,使用4个传感器,包括电容传感器、电磁传感器、涡流传感器、光学传感器检测检测硬币的材质,厚度,直径信息。系统的信号采集电路以AD9480为主,实现硬币特征量的高速高效采集处理。采集处理后的硬币特征数据送入STM32,通过与其真币特征值的比较来实现硬币的鉴别。实践表明,该系统达到了预期目标。     

Image quality assessment based on Prewitt magnitude

The goal of image quality assessment (IQA) research is to use computational models to calculate the quality of images consistently with subjective evaluations. In this paper, we propose a new image quality assessment (IQA) algorithm by combining Prewitt magnitude and regional mutual information (RMI) in HSV color space. The Prewitt operator is usually used for edge detection and can extract vertical edge more accurately than other operators. The HSV color space encapsulates information about a color in terms that are more natural and intuitive to humans. The proposed method PMRMI first transforms reference and distorted images from RGB color space into HSV color space and Prewitt magnitude is introduced to extract key edge features of each channel. Then the regional mutual information is calculated to measure the similarity of the two images. After that, a weighting method is utilized for better consistency with subjective evaluations. Therefore we get a single quality score. Experiments on various image distortion types demonstrate that the proposed algorithm can achieve better consistency with the subjective evaluations than PSNR and SSIM.     

一种基于兴趣点特征匹配的图像镶嵌技术

提出一种基于兴趣点特征匹配（IPFM）的图像自动镶嵌技术。首先利用混合的角和边检测器获取待镶嵌图像中的兴趣点，通过采用一种双向最大相关系数匹配的方法提取出初始特征点对，然后用空间坐标距判别准则剔除伪特征对，最后利用正确匹配特征点对实现图像的镶嵌。此外，在图像融合技术中引入了域值的概念，从而解决了重叠区域图像平滑过渡问题。实验表明：该方法能够快速准确地提取出两幅图像间的对应特征点，大大降低了误匹配的概率；在图像间存在小的旋转量情形下，仍能有效地实现图像的平滑镶嵌。     

低照度下具有动态特性的彩色图像质量优化算法

针对低照度环境下具有动态性的彩色图像辨识度相对较差的问题,提出了基于人类视觉感知模型的对比度分辨率补偿算法。首先,将图像从RGB空间转换到HSV空间,保持H分量不变;对V分量提取图像特征参数,然后对V分量进行对比度分辨率补偿,增强图像亮度;并对S分量进行线性拉伸,复原图像色彩信息;最后将处理后的V分量和S分量与H分量进行反变换生成RGB空间新图像。实验结果表明,该算法对低照度下具有动态性的彩色图像增强效果较好,较好地保持了图像的细节,取得了良好的视觉效果。     

汽车牌照自动识别系统的设计与研制

基于计算机图像处理技术的汽车牌照自动识别系统 ,要求能够将运动中汽车的牌照从复杂背景中准确地提取并识别出来。介绍了所研制的汽车牌照自动识别系统和关键技术 (图像分割与车牌定位、图像二值化和字符提取、车牌字符识别等 )。试验结果显示 ,系统在CeleronⅡ 6 33+12 8M的PC机上 ,对图像尺寸为 76 8× 5 74的 311幅试验图片的识别准确率达到 90 % ,识别时间≤1.5s。     

基于ROI的高精度红外全景拼接算法研究

针对红外图像空间分辨率低、视场窄,导致图像配准率低、实时性差的问题,提出一种基于感兴趣区域(ROI)的高精度红外全景拼接算法。该算法首先根据两张相邻图像的近似位置关系,求取图像间的ROI;接着,在ROI窗口中提取尺度不变特征变换(SIFT)特征点并将其作为运动目标,结合KLT(Kanade-Lucas-Tomasi)实时跟踪算法确定待配准图像中特征点的位置信息并进行匹配;然后采用随机采样一致性(RANSAC)算法剔除误匹配点对;最后利用像素级融合法消除拼接痕迹,合成一幅分辨率稳定、视场宽的红外全景图像。经实验验证,该算法与传统SIFT算法相比,配准率提高了3.491%,运行时间约提高了50%,能够准确、有效地实现多帧红外图像的无缝拼接。     

Classification of farmland images based on color features

Farmland images recognition and classification are of great significance in farmland environmental perception. Since the open and unstructured farmland environment has complex scenes, and is easily affected by various factors, furthermore, environmental information is uncertain and hard to predict. Based on hue saturation value (HSV), hue saturation lightness (HSL) and hue saturation intensity (HSI) color space models, taking use of image analysis and classification technology, this paper realizes the classification of farmland images in different environments. On the basis of color space, eight color features of the images are extracted. First, we conducted non equal interval quantification and drew the color feature curves, after that, we selected five eigenvectors which can correctly classify the images. Then, principal component analysis (PCA) was used for dimension reduction. Finally, radial basis function (RBF) neural network was joined for the extraction of images in the same scenes and different ones. The performance of the use of multiple color spaces combining with PCA and RBF shows that the average recognition rates of sunny days and cloudy days in the same scenes and different scenes are 100%, 87.36% and 84.58%, 68.11% respectively. Therefore, this method has higher recognition rate than BP neural network.     

兴趣区域优先的多尺度压缩感知渐进编码算法

针对面向目标探测识别的无线图像传输应用,为 了解决探测识别任务对图像质量的高要求和无线信道带宽约 束之间的冲突,提出一种感兴趣区域(ROI)优先的多尺度压缩 感知(CS)渐进编码算法。首先,选取多 尺度CS测量技术进行图像压缩,在相同压缩比情况下,可以保持更多的图像的细节 信息;其次,针对目标探测识别对 重构图像纹理、边缘信息完整保持的需求,选取基于小波的轮廓变换(WBCT) 作为CS的稀疏表示方法,可更多 地提取方向信息,从而可以较完整地保持边缘轮廓信息;最后,针对重构图像 ROI与背景区过度划分、ROI周边相关信息损失 过多的问题,给出ROI边界平滑处理的方法,可有效改善重构图像的主观视觉质量。 实验结果表明:在ROI压缩率高达 0.4的情况下,总的压缩率降至0.18,既保护 了ROI信息又显著提高了压缩比,基本满足目标探测识别任务的需求。