基于纹理的影像分类的特征、波段与窗口选择问题研究

结合纹理特征进行分类是提高影像分类精度的重要手段之一。纹理分析结果的好坏直接影响到最终的影像分类精度,而纹理分析结果又与很多因素有关。本文选取武汉某地区的局部多光谱遥感影像,分别在不同纹理特征组合、不同波段组合以及不同分析窗口下利用灰度共生矩阵进行纹理分析,然后采用最大似然法进行影像分类。通过精度分析实验选取出最优纹理特征组合、波段组合以及纹理分析窗口。     

灰度畸变对相关跟踪算法的影响研究

针对相关跟踪算法,研究了灰度畸变对它的影响.首先,对相关算法进行了分析,选取归一化互相关积算法作为研究对象.然后,选取调制对比度描述灰度畸变的剧烈程度,分析了引起对比度变化的因素.再次,利用Matlab软件仿真计算,详细分析了对比度、相关度和图像畸变面积之间的关系.最后,实验证明了理论分析的正确性.     

基于RPCA的SAR图像纹理特征去噪

合成孔径雷达(SAR)图像具有丰富的纹理信息,这些纹理信息能反映地物空间结构关系。当前纹理特征被广泛应用于SAR图像分类和SAR图像分割中。受成像因素影响,直接采用从SAR图像中提取的纹理特征效果不够好。为避免传统先滤波再提取纹理特征的方法对纹理、边缘信息造成损失,提出了一种先提取SAR图像纹理特征,再利用Robust PCA方法对纹理特征去噪的新方法,最后采用Kmeans聚类方法检验RPCA处理后的纹理特征表达效果。实验结果表明该方法能将聚类正确率从82%提高到84%。     

应用灰度直方图特征识别木材表面节子缺陷

木材表面节子是木材缺陷中非常重要的一类缺陷,也是评定木材外观等级、锯材和单板质量的重要指标。为了提高节子缺陷识别效率及准确性,并改善检测过程的自动化程度,对应用木材表面图像的灰度直方图统计特征进行节子缺陷识别进行研究。通过利用类间距离对7个统计特征的分类能力进行评价,从而确定出识别节子缺陷的最佳统计特征,即平滑度特征;同时提出一种自适应的最大类间方差聚类法进行分类阈值的确定,进而采用阈值判别实现节子缺陷识别。经在线检测实验证实,该方法的识别率高于99%。     

基于密度-敏度层次更新策略的三维连续体结构拓扑优化

针对三维连续体结构静力学拓扑优化中灰度单元过多的问题,以结构的柔度最小为目标函数,运用基于SIMP插值方法建立的静力学拓扑优化数学模型,提出一种密度-敏度层次更新策略.以数控插齿机床身为例,运用该更新策略,采用MATLAB编程进行三维拓扑优化.优化结果中灰度单元明显减少,说明了密度-敏度层次更新策略的合理性.     

一种新的红外图像伪彩色变换方法研究

提出了一种新的红外灰度图像伪彩色变换方法。在用于 红外灰度图像处理时,该方法不仅可以增强目标的自身细节,而且还可以提高目标与背景之间的对比度。 实验结果表明,本文方法能够使目标与背景之间的区分变得更加明显,目标边缘 变得更清晰,有利于对复杂海空背景下的运动目标进行分析和判读。     

碎纸片的拼接复原技术

本技术利用数学方法,解决碎纸片拼接问题,以提高拼接复原效率,研究复原同一页仅纵切后的碎纸片。通过对碎纸片的图像进行数字化,得到单个碎纸片的灰度矩阵,建立优化模型,利用遍历的方法,得到碎片复原结果。同时,复原同一页既纵切又横切后的碎纸片以及复原双面打印文件的原理类似。     

奇异值分解在人脸特征提取中的应用

在人脸识别技术不断发展的今天,人们已经不局限于能够识别出人脸,更主要的侧重于人脸识别的准确性和高效性.人脸识别主要分成3个步骤人脸检测,特征提取、识别分类,其中特征提取决定了识别的准确性.每一幅图片的奇异值分解对应的结果是唯一的,具有提取到的特征值也是相对稳定的,所以本文中笔者主要研究如何把奇异值应用在人脸的特征值提取上.     

双程摆扫激光测距探测成像在输电线路通道监测中的应用

针对传统输电线路通道监测方法忽略了对输电线图像的边缘灰度特征检测,导致输电图像轮廓特征不准确,输电线路通道监测出现较大误差的问题,提出基于双程摆扫激光测距探测成像的输电线路通道监测方法.构建双程摆扫激光测距探测成像模型,采用激光传感器实现对双程摆扫激光测距探测节点部署.利用探测模型提取输电线路通道监测双程摆扫激光图像,检测输电线路图像的边缘灰度特征.采用双边滤波器实现对输电线路通道监测的图像增强和降噪处理,构建边缘轮廓特征检测模型,根据图像差异度融合结果实现对输电线路通道监测.仿真实验结果表明,采用该方法进行输电线路通道监测的可靠性较好,监测自动化水平和视觉成像水平较好,提高了输电线路通道监测方法的自适应性和准确性.     

基于杂草算法优化的轴承时频谱图聚类识别研究

针对KFCM算法对初始聚类中心敏感导致聚类效果不好等问题,提出一种基于杂草算法(IWO)优化的模糊核聚类算法(IWO-KFCM),将其运用于轴承时频谱图的状态识别。通过小波变换获取轴承运行状态的时频图像,利用灰度梯度共生矩阵提取图像的纹理特征,提出基于可分性测度构造IWO算法的适应度函数;将IWO算法优化获取的初始聚类中心输入KFCM,实现时频谱图的聚类识别。最后进行多类轴承状态数据的测试,验证所提算法的有效性和优越性。