基于兴趣点方向梯度直方图的图像检索方法

提出了一种基于图像兴趣点方向梯度直方图的检索方法.为了提高检索准确度,首先采用直方图均衡化增强图像对比度,然后利用SURF(Speeded Up Robust Features)检测子检测图像中的兴趣点,以兴趣点为中心,对兴趣点邻域内分块方向梯度直方图进行图像特征描述,最后进行相似性度量.该算法通过直方图均衡化,提取到图像中更丰富的细节信息尤其对于颜色单一与颜色较深的图像,而且算法中充分利用了图像中包含信息量较多的图像兴趣点.实验证明,该算法提高了图像检索的准确度,相比其他算法取得了更好的检索结果.     

融合矢量量化与LBP的图像检索算法

基于内容的图像检索算法一直是图像领域研究的热门课题,因此提出一种新的融合矢量量化与LBP的图像检索算法。首先,将彩色图像转化到HSI颜色空间,进行矢量量化编码,统计图像码字出现的频数,形成颜色直方图,完成颜色特征的提取;然后,再将彩色图像转化成灰度图像,利用局部二进制模式(LBP)算法提取纹理特征;最后,相似度计算采用颜色特征和纹理特征相似度加权平均,并且改变颜色特征和纹理特征的权值,多次实验,得到使查准率最高的权值。实验结果表明,算法能有效地提升图像检索性能。     

基于粒子群算法和卡尔曼滤波的运动目标跟踪算法

针对目前一些常用的运动目标跟踪算法存在跟踪精度不高、实时性低、对遮挡问题处理不佳等问题,提出一种粒子群算法与卡尔曼滤波相结合的新的运动目标跟踪方法。利用卡尔曼滤波预测目标中心在下一帧图像中的位置,从而极大减少了搜索范围,并以该位置为中心建立目标搜索区域。然后以目标的灰度统计特征对目标模板和候选区域进行匹配,确保跟踪准确性。为了有效减少搜索匹配次数、提高实时性,利用粒子群算法在搜索区域找到和目标模板最相似的区域,从而找到最优中心位置,并以该位置作为卡尔曼滤波的观测值,进行下一帧跟踪。仿真实验结果表明新算法显著提高了跟踪的实时性、精确性,并对部分遮挡能较好地处理。     

检测污染油液中固体颗粒的数字图象法基本原理

一、导言污染油液的检测与控制的研究在以流体为介质的动力传递系统中极为重要。据统计(1)这种系统故障的70%是工作油液的污染所引起的。我国的科研人员和工程技术人员最近几年也开始重视这方面课题的研究。     

自适应卡尔曼定位算法在分布式MIMO系统应用

在实际的MIMO无线信道中存在各种杂波以及观测噪声的影响,若要实时精确的定位出移动目标的位置信息,观测噪声的随机性必然会造成定位偏差.为了克服这种偏差,通过Welch谱估计对测量噪声预处理的基础上,根据任意时刻三次卡尔曼滤波结果与距离阈值的比较自适应调整观测噪声协方差修正滤波增益矩阵,再利用EKF逐次迭代不断地更新MS的移动轨迹.最后与恒定观测噪声协方差EKF算法比较,结果显示该算法有效的降低观测噪声协方差对后续时刻估计值的影响,从而提高了定位精度.     

基于九分块的颜色直方图图像检索算法

随着社会和科技的发展,人们对基于内容的图像检索的要求越来越高,但因研究起点较晚,技术还不是很成熟。文中就图像检索所用到颜色、纹理、形状、轮廓的基本颜色特征中比较重要的颜色特征为主要研究对象,从传统的基于全局颜色直方图及后来发展的一些改进的颜色直方图等思路出发,提出了一种基于九分块的颜色直方图方法,提高了图像检索的效率。     

改进的背景差值法目标检测算法

目标检测和追踪是计算机视频领域的重要研究对象之一,尤其是在实时监控和侦察上有广泛的应用前景。背景差分法是三种传统运动对象检测方法中最常用、最直接、最简单的一种方法。该文在传统背景差值法的基础上对该方法进行了一些改进,在算法上采用当前帧与背景图像相异或的方法提取运动目标,使得到的目标更接近实际目标轮廓。     

基于卷积神经网络的图像检索算法研究

由于互联网+时代的到来,在线图像的数量急剧增加,基于内容的图像检索引起了很多关注。传统的检索方法由于图像表达能力不强,使得检索效率低下,不利于大规模图像检索。因此,提出一种新的基于卷积神经网络的图像检索算法。设计一种新型的端到端的卷积神经网络结构,同时学习基于概率的语义信息相似性和图像特征相似性;引入主成分分析方法,对深层特征进行降维的同时降低信息的损失;通过距离函数计算目标图像与数据库图像的距离,实现检索。在Image Net-1000和Oxford 5K数据集上的实验结果表明,该方法能够有效地增强图像特征的表达能力,提高检索性能,优于对比方法。     

分块的基于Harris角点检测的图像配准方法

传统的Harris角点检测选用全局的阈值且不具有尺度不变性,对于较大的图像会导致检测的角点分布不均、错检等问题,为此提出一种新的基于多尺度的Harris角点检测的图像配准方法.首先将图像分块,并对其进行相应排序,根据局部阈值来提取Harris角点,然后根据图像特征点的最邻近和次邻近距离之比来确定初始匹配,最后利用特征点附近的灰度信息来实现进一步的配准.实验证明该方法使得图像配准精度和配准效率得到了极大提高.     

基于MATLAB的车牌识别系统的研究

汽车牌照识别是图像识剐领域的重要研究课题。这里运用MATLAB研究车牌识剐技术中的图像预处理、车牌定位、字符分割与字符识别等核心部分,并提出一种基于MATLAB的车牌识别系统的实现方法．综合使用多种方法提高系统的有效识别能力。该方法解决了在自然背景的图像中定位分割牌照区域、车牌倾斜和提取分割的字符等问题。通过对一定数量的图像进行处理,结果表明MATLAB在车牌识别方面的运用非常有效。