基于主灰度的声纳图像识别

声纳图像是一种灰度图像,所以将灰度信息作为特征参与匹配和识别,具有重要意义.针对声纳图像识别系统实时性要求高、存储空间小的特点,提出一种基于主灰度的提取和识别方法,从而降低了特征维数,提高了声纳图像的识别效率.将该方法应用于水下声纳图像的识别中,实验结果表明它是有效的,具有一定的实用价值.     

基于图像空间的浮雕肖像生成方法研究

针对如何使图像中的浮雕更具有立体感与观赏性这一问题,提出了一种基于图像空间的浮雕肖像生成算法。对于灰度浮雕效果,本文主要是利用浮雕图像和雕刻图像互补的特点,通过进一步计算浮雕图像与雕刻图像之间的差值得到;对于彩色浮雕效果,本文采用自定义的卷积核对图像进行卷积运算的方法来生成。实验结果表明,通过上述方法得到的浮雕显示效果明显优于传统方法,对于给定的输入图像,能够有效地生成具有艺术效果的灰度/彩色浮雕肖像画。     

一种基于多阈值的灰度图像去噪算法

对灰度图像的去噪是图像处理技术中的重要组成部分,能够将图像中目标部分的主题信息凸显出来是一项具有重要意义的工作.提出一种灰度图像的去噪算法.本算法首先利用区域增长技术将图像分为不同的区域,这些区域里的像素之间存在一定的相似性,满足一定的相似规则;然后,根据每个区域的像素,计算出各自的适合区域特征的阈值;最后,根据每个阈值分别对每个区域二值化,得到一二值化图像.本算法区别于全局阈值法和局部阈值法,实验结果证明,本算法在提取灰度图像主题信息具有较为明显的效果.     

基于主灰度的声纳图像识别

声纳图像是一种灰度图像．所以将灰度信息作为特征参与匹配和识别,具有重要意义。针对声纳图像识别系统实时性要求高、存储空间小的特点,提出一种基于主灰度的提取和识别方法,从而降低了特征维数．提高了声纳图像的识别效率。将该方法应用于水下声纳图像的识别中,实验结果表明它是有效的,具有一定的实用价值。     

基于MCMC优化的图像边缘分割方法优化及仿真

研究图像边缘分割优化问题,由于图像边缘信息复杂,用传统边缘分割方法,当图像中的物体结构复杂的时候,会造成图像像素重叠、粘连等形成干扰的因素,导致图像边缘分割时错误率较高问题.为解决上述问题,提出一种基于MCMC的灰度图像分割方法.通过建立四种图像灰度模型和遍历的Markov Chains求解空间,能够避免传统方法由于边缘点粘连不清,而带来的分割错误问题,最终完成灰度图像的完整高效分割.实验证明,改进方法不仅能实现图像完整分割,而且能具有较高的分割效率,取得了令人满意的效果.     

微机控制激光雕刻图像的方法研究

本文研究了微机控制激光雕刻系统中的图像处理方法，分析了激光雕刻系统的固有特点，提出了适合于激光雕刻的几个图像处理方法，这些方法已应用于实际雕刻控制，效果十分理想。     

基于灰度直方图的心脏图像检索

针对用传统灰度直方图方法检索CT心脏图像效果不佳的问题,提出了用灰度变换和灰度直方图特征检索CT心脏图像的方法.灰度直方图方法虽具有比例、旋转和位移不变性等特点,但不能充分表示空间分布信息.而将灰度变换特性应用于CT心脏图像检索的方法正好可以弥补灰度直方图表达空间信息的不足,将这两种方法相结合实现了对医学CT心脏图像快速、准确的检索.该算法容易实现,在医学图像检索中具有推广应用的价值.通过对CT心脏图像用了造影剂这一特点的研究,在检索中使用了分级检索的机制,能保证图像检索的查全率和查准率.实验结果表明灰度变换和灰度直方图特征分级检索CT心脏图像检索效率比较理想.     

基于直方图映射和分层的图像迁移算法研究

本文提出了一种基于直方图映射和分层迁移的灰度图像上色HisT算法.对于给定的颜色图像和需要迁移的灰度形状图像,先从RGB色彩空间转换到一个正交空间lαβ,消除空间各分量之间的强相关性.然后分别统计两幅图像的灰度直方图,对于灰度图像中的象素点,保留其灰度值,而利用颜色图像中与之对应或相邻灰度等级的颜色信息为灰度图像进行粗糙上色,得到一幅过渡图像.参照灰度直方图,将颜色图像和过渡图像进行分层处理,并利用统计学方法对图像各层和整体统计量进行分析,提取颜色图像的颜色信息和过渡图像的形状信息,最终实现颜色图像到灰度形状图像的上色过程.实验证明,该算法能快速准确地实现灰度图像的上色,具有广泛的应用前景.     

一种结合灰度和边缘信息的局部特征描述算法

针对单一特征引导图像匹配的准确度有限,提出了一种同时使用灰度和边缘信息的特征描述子。该描述子将图像的几何特征与灰度信息结合起来,首先计算每个特征点的灰度对比直方图,然后引入边缘属性以增强边缘的匹配。实验结果表明,该算法由于同时采用灰度信息与边缘信息引导图像匹配,其匹配效果好于单独使用灰度或边缘的图像匹配算法,在一定程度上降低了误匹配率,同时满足旋转和光照不变性,对图像灰度变化和噪声不敏感,具有良好的匹配性能。     

基于邻域灰度值聚类的图像色彩量化

在将图像中的多种颜色或灰度量化成数目较少的颜色或灰度的过程中,存在着计算过于复杂、量化后图像偏差较大等问题,鉴于此,提出基于邻域灰度值聚类的图像色彩量化方法.首先结合邻域像素的灰度和空间信息对像素进行一维灰度化;然后采用基于像素灰度加权系数的改进模糊 均值聚类算法对像素进行聚类.分析和实验表明,该方法可以减少量化计算的复杂度,保持图像的整体层次,量化后图像偏差较小,对图像处理具有一定的实用价值.     

基于分数维几何学原理的图像压缩与合成系统

自然景物图象的压缩与合成，是图象处理领域的一大难题，本文介绍了利用分数维几何学原理开发的图象压缩与合成系统。在ＳＧＩ图象工作站上建立的该系统，不但能生成经典的分数维几何学图形，而且能复制出效果很好的自然景物画面，图象压缩比率高，图象复制逼真度好，文章介绍了该系统的设备配置，实现技术和试验结果，本方法是实现自然景物图象处理的一种有效的新方法。     

灰色系统理论在图像处理中的应用综述

灰色系统分析是基于信息的非完全性建立的一套全新的概念和方法.其研究目的在于根据已知信息建立数学模型,从而预测系统的未知信息.目前灰色系统理论已被成功运用到了图像处理技术当中,本文就基于灰色系统理论的图像处理方法进行了综述,主要归纳了灰色关联分析、GM(1,1)模型、灰色聚类等方法在图像处理中的应用情况.     

基于PCNN的灰度图像边缘检测方法

脉冲耦合神经网络(PCNN)最初由Eckhorn根据猫大脑中视觉皮层神经元的同步脉冲(SynchronousBurst)现象而提出。由于具有一系列良好的特性,PCNN在图像处理、模式识别等领域获得了广泛的应用。文献[6]根据PCNN的传播特性提出了一种利用PCNN检测二值图像边缘的有效方法,但这种方法并不能直接用于对灰度图像的边缘进行检测。由于实际处理的图像大部分为灰度图像,因而其方法的适用性是很有限的。该文提出了一种基于PCNN的灰度图像边缘检测方法,从而直接对256色灰度图像的边缘进行提取,具有较好的适用性。实验结果表明该方法是有效的。     

基于灰度—梯度共生矩阵模型的最大熵阈值处理算法

阈值法是图像分割的一种重要方法，在图像处理与识别中广为应用。本文提出了基于灰度-梯度共生矩阵模型和是大熵原理的灰度图像的自动阈值化技术，该方法不仅利用了图像的灰度信息，而且也利用了图像的梯度信息。该方法通过计算基于灰度-梯度共生矩阵的二维熵并使边缘区域的熵最大来选择阈值向量。仿真结果显示该算法比一维熵方法效果更佳。     

基于灰度均衡的指纹图像分割算法

针对MBF200芯片指纹采集器采集的指纹图像的特点,提出了一种新的指纹图像分割方法。该方法简单实用,能快速而有效的分割指纹图像,符合指纹识别系统的实时性要求。首先对指纹图像进行灰度均衡处理,然后根据图像的灰度特征对指纹图像进行分块分割,最后应用数学形态学修复指纹图像的前景边缘。使用该方法对研究室自行设计的MBF200半导体指纹采集器采集到的指纹图像,进行大量的测试。实验结果表明,该方法对这种类型的指纹图像分割是有效的。     

自动指纹识别系统中指纹图像分割方法的研究

在研究和分析传统的指纹分割方法:方差法和方向图法的基础上,介绍了一种基于最大类间方差的指纹图像分割方法,并将它和方向图法合理结合,然后提出了一种新的基于方向图和最大类间方差的复合分割方法。该复合分割方法的优点是不仅具有良好的分割效果,而且该方法在运算速度上比传统方法更快,更适合于实时处理。     

基于双谱序列图像的ATR系统设计与实现

根据可见光/红外两波段各自成像的优点,设计实现了一个基于双谱图像像素级融合的自动目标识别(ATR)系统。该系统包括图像融合、特征提取、目标识别三个主要部分,每部分有多种处理算法可供选择。系统基于多线程设计,可实时显示可见光/红外序列图像的融合、目标识别过程。实验验证了该系统的有效性。     

指纹图像复合分割算法研究

良好的指纹分割能够有效提高特征提取精度和减少后续处理时间,在指纹图像预处理中具有重要作用。文章在分析了传统指纹分割方法优缺点后,改进了传统方向图计算方法,然后提出了一种基于方向图法、方差法和跑长码目标标记法的复合分割方法,通过实验证明,这种方法能够有效解决传统方法的一些缺点,并对不同类型指纹图像有较高的适应性。     

垂直建筑物红外图象的灰度值预测

文章提出了一种通过处理不同时间和天气情况下拍摄到的室外垂直墙面的长波红外图象来预测其灰度值的方法。讨论了长波红外(8～12μm)成象系统中图象灰度值与目标温度关系;研究了室外墙面与其背景间的能量交换,建立了墙面红外图象灰度值与时间、天气参数和地理信息之间的方程;通过已知拍摄条件的建筑物的长波红外图象数据拟合方程中的常量,文章最后给出了实验结果。