Hadoop平台下新型图像并行处理模型设计

Hadoop在处理海量小图像数据时，存在输入分片过多以及海量小图像存储问题。针对这些问题，不同于采用HIPI、SequenceFile等方法，提出了一个新型图像并行处理模型。利用Hadoop适合处理纯文本数据的特性，本模型使用存储了图像路径的文本文件替换图像数据作为输入，不需要设计图像数据类型。在Map阶段直接完成图像的读取、处理、存储过程。为了简化图像处理算法，将OpenCV和Map函数结合并设计了对应的存储方法，实现小图像文件的存储。实验表明，在Hadoop分布式系统平台下，模型不论在小数据量还是在大数据量的测试数据环境中，都具有良好的吞吐性能和稳定性。     

敦煌壁画数字图像拼接评价模型研究

针对敦煌壁画数字图像拼接后存在的评价问题,系统地分析了图像拼接质量客观定量评价的各种参数和方法,结合敦煌壁画数字图像的特点,提出了一种较完善的图像拼接结果评价标准模型。进而分别用Harris算法、SURF算法对数字图像进行拼接,并对拼接后的图像采用评价标准模型进行评价。通过大量实验证明,这一模型能更准确地反映人眼的主观感受。由于针对不同的场景,图像的各个指标都不尽相同,所以很难指定一个统一的指标标准,针对这一难题,实验中还添加了＂自定义设置＂,可以对各个指标进行调节,以适应不同的场合。     

基于粒子滤波的行人跟踪研究及其性能分析

智能监控系统中的行人跟踪功能在很大程度上能够减轻工作人员的大量眼力工作,通过智能的方式自主地跟踪用户感兴趣的目标。在视频监控环境的基础上,利用改进的粒子滤波器,设计了一个行人跟踪系统,并使其具有系统性能分析的功能。通过使用Mean Shift算法进行目标位置的预估计和多特征融合的方式使该系统在视频背景复杂的情况下能够实现对行人的稳定跟踪。并在实际应用中,分析了在遮挡情况下,行人跟踪效果差的原因,并予以改进。在Visualc＋＋集成开发环境中,基于OpenCV和MATLAB编程实现了系统,能够实时地对目标进行跟踪,并对跟踪结果进行反馈。     

停车场远程视频监控系统的设计与开发

提出和实现了一种基于嵌入式设备的停车场视频监控和车位检测方案。在嵌入式Linux操作系统下,通过调用计算机视觉库OpenCV中的图像处理函数,实现多车位的检测,检测结果保存到嵌入式数据库中。通过嵌入式设备将车位信息发送给PC或手持设备,并以图像的形式显示,达到远程车位检测的目的。本系统还移植了Mjpgstreamer实现停车场的远程视频监控。车位状态的检测采用2种判据:一是车位范围内差影的均值;二是车位区域内的边缘点数。测试结果表明,该方案可以很好地运行在嵌入式平台,为停车诱导提供支持。     

基于特征点的图像拼接方法的研究与应用

图像拼接技术是图像处理的热点领域,图像配准和图像融合是图像拼接的两个关键技术. 本文研究了基于特征点的配准方法,使用SURF算法完成特征点的检测和描述. 在此基础上,调用OpenCV的API,实现了图像拼接,完成了柱面全景图的拼接和分析. 实验证明,该方法在自动化程度、运算速度和鲁棒性方面效果理想.     

OpenCV汽车牌照识别方法改进

传统的Open CV车辆牌照识别方法没有考虑到有些汽车牌照下方会有两个螺丝钉的问题,螺丝钉会在提取的图像上留下阴影,字符附近的阴影对汽车牌照字符识别的准确率势必有一定的影响。为了解决该问题,运用Open CV的MATLAB接口进行编程,对原方法进行了改进。结果表明:改进的方法去掉了螺丝钉的阴影,对提高车牌识别准确率有一定的作用。     

基于OpenCV的三维重建研究

以计算机视觉中热门课题——三维重建技术为研究对象,分析了开放计算机视觉函数库OpenCV中的三维重建模型,通过6个步骤,主要是摄像机标定和立体匹配中极线约束方法的使用,给出了基于OpenCV的三维重建算法.该算法充分发挥了OpenCV的函数库功能,提高了计算的精度效率,具有良好的跨平台移植性,可以满足各种计算机视觉系统的需要.     

基于OpenCV的异形玻璃识别系统设计

异形玻璃逆向加工和二次加工,需要对玻璃进行识别、定位。为实现玻璃识别、定位的自动化,基于OpenCV图形视觉库,完成异形玻璃识别系统设计。系统分成图像预处理模块、图像识别模块、图像数据输出模块3个部分。在分析玻璃图片特点的基础上,针对玻璃透明、反光等特点,通过去雾处理等方法实现了图像的增强。在图像识别和输出模块,根据玻璃图像的特点,加入相应的判别条件,过程完全自适应,识别结果更准确,可以提高玻璃深加工设备的生产效率。     

基于机器视觉的香烟小包装外观质量检测系统

讨论了基于机器视觉的香烟小包装外观质量在线检测系统总体方案的设计,并针对香烟小包装流水线的具体情况,分别对香烟小包的检测位置以及图像采集方案进行了探讨.文中采用了一种用于香烟包装质量检测的快速图像匹配算法,并利用开源计算机视觉库OpenCV进行算法实现,仿真实验结果表明,该图像匹配算法计算速度快、检测精度高,满足香烟包装质量检测的需要.     

基于OpenCV的动态背景下的运动目标检测

研究在动态背景下对视频图像序列进行运动目标的检测。主要包括三个步骤,分别是运动估计,运动补偿和目标检测。在运动估计中采用的主要是基于特征点匹配算法。这种算法与传统的块匹配算法最大的好处在于它的数据量少,计算简单迅速而且图像的匹配可靠性更高。最后用计算机视觉库OpenCV进行实现。