喷雾液滴图像的预处理

喷雾场中液滴的大小和数量是评价雾化质量及雾化特性的重要途径.数码照相法成为测量喷雾液滴的新兴手段.由于光照不均的限制,获得的图像均会产生亮度不均的情况,影响图像的二值化处理结果.运用减去背景法校正喷雾液滴图像的亮度不均;采用对比度扩展方法增强液滴图像;通过最大类间方差法对喷雾液滴图像进行阈值分割,获得了良好的喷雾液滴二值图像.试验表明,预处理方法能将喷雾液滴有效地从背景中分割出来.     

基于Gabor相位谱和流型学习的步态识别方法

 提出了一种有效的基于步态能量图像的身份识别方法.首先生成合成步态能量图像(GEI)丰富训练集样本数量.然后利用在以前文献中被忽略的具有良好识别性能的Gabor相位信息作为身份特征,并采用流型学习算法保局影射(LPP)将此高维数据在低维空间表示.通过使用简单的分类策略在USF步态数据库上进行对比实验,结果表明本方法的正确识别率优于现有其他的自动步态识别算法.     

基于支持向量机分类器的活动形状模型

为了精确地寻找活动形状模型中特征点的新位置,提出了一种基于支持向量机分类器的活动形状模型用于人脸特征点定位,即把寻找特征点新位置的任务转化为分类问题.起初,这是典型的两类分类问题,但两类分类器寻找特征点新位置效果并不理想.因此进一步提出把两类分类问题转化为多类分类问题.为每一个特征点训练一个支持向量机多类分类器,并用此分类器寻找该特征点新位置.实验结果表明,基于支持向量机多类分类器的活动形状模型比原始活动形状模型更为精确,稳健.     

核Fukunaga-Koontz变换检测红外小目标

Fukunnga-Koontz变换作为一种两类模武识别工具,源自主成分分析,只能提取图像的二阶统计特征,没有考虑图像的高阶统计特征,用于红外小目标检测时难以达到满意效果.为了提高目标检测性能,本研究首先将Fuku-naga-Koontz变换推广到高维核特征空间,成为核Fukunaga-Koontz交换,以提取图像的高阶统计特征,从而利用核Fukunnga-Koontz变换来检测红外小目标.     

喷雾液滴图像亮度不均的校正方法

运用数字图像处理与分析的方法来研究燃油的喷雾特性是一种有益的尝试。由于光照不均而造成的燃油喷雾液滴图像亮度不均，致使图像不能够有效进行阈值分割。采用同态滤波和减去背景算法是校正亮度不均的方法，通过比较分析，指出了在燃油喷雾液摘图像处理过程中减去背景算法是一种更加有效的校正亮度不均的方法。