一种改进的夜间行人检测算法

针对夜间动态背景下的行人检测中分割算法受光照条件影响大、误识别多等问题,提出双阈值分割算法和以多目标跟踪为核心的算法框架。新的分割算法解决了行人亮度分布不均时的分割问题,同时在新的框架下可以综合多帧的处理结果进行综合判断,通过将基于支持向量机的识别算法和多目标跟踪算法的融合,降低了系统的计算量,且比一般的系统具有更高的识别率。     

工业检测图像灰度波动变换自适应阈值分割算法

工业检测图像经常受到不均光照的影响,对该类图像局部自适应分割算法比全局算法能产生更好的分割效果. 但局部算法中基于分块的算法对分块方法缺乏指导,而基于邻域的算法容易在背景或前景内部产生误分. 针对上述缺点,本文提出了一种多方向灰度波动变换的自适应阈值分割算法. 该算法先从多个方向依照灰度波动对图像进行转换,构造以多维向量为基础的灰度波动变换矩阵, 然后利用主成分分析法(Principal component analysis, PCA)将高维向量压缩至一维并生成变换图像,最后运用Otsu算法分割变换图像. 该算法无需分块,并且仅需波动幅度阈值和布尔型背景色两个参数. 实验结果表明,该算法能够有效减少不均光照对工业检测图像分割的影响, 与Niblack法、Sauvola法等几种局部算法相比,该法在分割效果上具有了明显的提升.     

融合皮肤色素分布特性及最佳尺度的毛孔检测及评价

面部毛孔特征是人脸识别、皮肤检测的重要指标之一.为了有效地消除其他皮肤特征对毛孔检测的影响,提出一种融合皮肤色素分布特性及最佳尺度的高精度毛孔检测算法.针对皮肤特征在不同色素层上的色素分布特性相异,首先根据皮肤特征显著性差异和K-means聚类为SURF和SIFT算法设置合理阈值检测不同色素层图像上的皮肤特征;然后引入欧氏距离描述不同色素层检测点的位置信息相似性,利用最佳尺度作为阈值有效地筛除非毛孔特征干扰项.在毛孔检测的基础上,利用SIFT算法中的最佳尺度构建了皮肤毛孔粗糙度评价指标.选取Bosphorus人脸库中的正脸图像进行毛孔检测及评价的对比实验,结果表明该算法提高了毛孔检测的准确度,构建的评价指标稳定有效.     

基于YCbCr空间的亮度自适应肤色检测

本文针对复杂背景彩色图像提出了一种基于YCbCr颜色空间的自适应肤色检测算法.该算法从两个方面考虑了抗光照问题:采用非线性分段色彩变换和基于Fisher评价准则的自适应阈值分割方法减小亮度的影响.实验结果表明,该算法复杂度较小,对光照变化具有很好的鲁棒性.     

面部皮肤毛孔检测算法

毛发、光照不均、皱纹、油分及痤疮等皮肤的复杂背景限制了毛孔数量和大小准确检测,为此提出一种滤波器组结合改进最大熵的面部皮肤毛孔检测算法.针对面部皮肤图像构建ICA-Homo滤波器组,该滤波器组在HSV空间下对S空间同态滤波后进行低通和高通滤波,对图像进行独立成分分析,分离出黑色素层;通过改进的最大熵值法分割上述分离图像,以逻辑运算获取最终毛孔检测结果.该方法在面部皮肤数据集中得到验证,其毛孔有效检测率达到96％,毛孔大小误差范围为0.0304,验证了毛孔检测算法的有效性.     

高斯尺度空间下估计背景的自适应阈值分割算法

为有效分割非均匀光照图像,提出一种在高斯尺度空间下估计背景的自适应阈值分割算法. 首先,利用二维高斯函数对待处理图像进行卷积操作来构建一个高斯尺度空间,在此空间下进行背景估计,并采用背景差法来消除非均匀光照干扰,从而提取出目标图像;然后,采用 矫正进行增强处理以突出较暗目标信息;最后,经强调谷底的最大类间方差法进行全局分割得到最终结果. 为验证算法的有效性,对非均匀光照条件下文本图像以及非文本图像进行了测试,并与基于偏移场的模糊C均值方法、灰度波动变换自适应阈值分割算法和自适应最小误差阈值分割算法,在错误分割率和运行时间上进行了对比. 实验结果表明,对比以上三种方法,该算法的分割结果更为理想.     

基于最佳熵法棉花图像分割与提取的研究

为了提高棉花图像的分割精度、速度,避免强光照的干扰,提出了一种基于YCbCr颜色空间下,利用最佳熵法对棉花图像进行阈值分割,并对分割后的图像采用连通区域标记去噪。通过试验验证了图像的分割效果并与迭代式阈值分割算法做了比较,结果表明,提出的算法分割时间为0．5732s。此算法适合在强光照和阴影的干扰下从复杂的背景提取棉花,而且最后对棉花进行了质心标记,为后续的棉花定位奠定了基础。     

复杂背景下运动目标的改进实时检测算法

针对复杂背景下运动目标检测难度大、算法实时性差的问题,提出了一种改进的运动目标实时检测算法.融合背景差分、帧间差分和边缘检测的信息,划定目标区域提取完整的目标轮廓.针对图像光照突变的问题,改进了运行期均值背景更新策略,在背景更新时同步更新前景分割阈值.使用复杂背景下毛细管粘度计液位检测视频验证算法证明,边缘融合方法和实时阈值更新的背景更新算法能够克服背景复杂、光照变化、运动干扰等带来的影响,提高运动目标检测精度,实现实时检测.     

基于扫描线处理的指针式仪表快速读数算法

针对光照不均匀、指针检测速度过慢等因素造成指针式仪表读数算法无法快速、准确读取示数的问题,提出一种基于扫描线处理的快速准确读数新算法。新算法首先利用单尺度Retinex提取光照鲁棒性特征图像,然后应用提出的扫描线处理算法快速抽取进行Hough变换的特征像素点,最后用双阈值Hough变换检测直线。实验表明,所提算法创新性地将指针图像细化与双阈值Hough变换等相结合,不仅解决了光照变化的影响以及检测速度慢等问题,而且具有读数精度高、读取速度可调节等特点。     

多特征组合的深度图像分割算法

深度图像直接反映景物表面的三维几何信息,且不受光照、阴影等因素的影响,对深度图像处理、识别、理解是目前计算机视觉领域研究的热点和重点之一。针对深度图像信息单一且噪声较大的特点,提出一种基于组合特征的阈值分割算法,实现对深度图像数据的有效分割。算法首先通过梯度特征对图像进行Otsu阈值分割;在此基础上,分别在不同分割区域内利用深度特征进行Otsu多阈值分割,得到候选目标;然后,在空域上利用像素的位置特征对候选目标进行分割、合并与去噪,最终得到图像分割的结果。实验结果表明,该方法能有效克服深度图像中噪声的影响,得到的分割区域边界准确,分割质量较高,为以后的室内对象识别和场景理解工作奠定了较好的基础。