改进的矩不变阈值分割图像算法

介绍图像的矩以及在保持图像的矩不变的条件下对图像进行两级阈值分割的方法,指出利用该方法分割出来的图像具有过多的无用背景信息.为此,在矩不变阈值算法的基础上提出了两种改进算法,一种是根据特征点检测函数进行迭代;另一种是根据特征点检测函数的均值进行调整,以达到尽量保留图像前景物体信息,去掉无用背景信息的目的.     

一种复杂图像目标的分割与识别

研究受光照等因素影响的表面灰度随机变化的空中图像目标的分割与识别。提出了改进的多阈值八邻域像素比较边缘检测算法,对得到的边缘像素进行填充,并在跟踪过程中消除轮廓上的短枝及图像干扰,最后采用快速多边形近似算法,用多边形顶角及目标形状因子作为特征对目标进行识别。     

基于小波变换和亮度矩的车牌图像分割算法

车辆牌照图像的分割是车牌识别的前提和基础，针对牌照与车身背景的分割问题，该文提出了基于小波变换和这度矩方法的车辆牌照阈值分割算法，首先，对车牌图像进行小波去噪，然后利用亮度矩对去噪后的车牌图像进行阈值分割，实验结果表明：此方法能够从含有较强噪声的车辆图像中获得车牌图像，且具有相对于图像的平移、尺度变化和旋转的低敏感性。     

基于模糊形态学的图像边缘轮廓提取改进分割算法

图像边缘轮廓提取在国计民生、军事等领域有广泛应用,为了克服噪声等影响导致的图像过度分割现象,探讨了一种基于模糊形态学的图像分割改进算法.该方法借助模糊形态学的开、闭运算,首先对原始图像进行平滑处理,然后基于形态学梯度算子进行梯度计算,最后基于改进分水岭算法与IFT分割算法的融合,对梯度图像进行分割得到期望的边缘轮廓图像.仿真以图像识别为例,实验显示基于改进的图像分割算法可较好地消除过分割现象,正确识别图像,实现目标与背景的分离.研究结果表明,提出的图像分割算法是合理可行的.     

基于动态规划与图像分割的立体匹配算法

针对传统图割立体匹配算法耗时太长以及动态规划立体匹配算法匹配精度不高,且视差图带有条纹瑕疵的问题,提出了一种基于动态规划和图像分割的立体匹配算法.采用自适应多阈值图像分割算法对参考图像进行高效可靠的区域分割,提取边界,使用多种子点动态规划算法精细求取边界上点的视差,并以区域为单元用图割立体匹配算法求取区域内各点的视差,拟合得到图像对的视差图.通过对比,实验结果表明：此算法较传统图割法匹配速度有明显提高,且可以得到匹配精度较高的稠密视差.     

基于爆破矿石图像分割优化算法的大块率统计方法

矿石图像分割效果受光照条件、目标密集性及边缘对比度低等因素制约,致使大块率统计精度偏低.为此以鞍千矿爆破矿石图像为数据源,首先利用双边滤波算法去除特征增强后的图像噪声,然后分别采用自适应阈值算法和整体嵌套边缘检测(holistically-nested edge detection, HED)算法初步分割矿石图像,再利用形态学和去除连通域算法去除因矿石表面纹理形成的分割孔洞,进一步融合两种分割结果,引入基于距离运算的分水岭算法消除矿石图像欠分割现象,最终实现矿石图像的优化分割.研究结果表明,该方法可有效提高爆破矿石图像分割准确性,实现露天矿爆破大块率精确统计,为爆破效果智能评价提供技术支持.     

基于改进FCM算法的后照明图像分割与分级算法研究

后照明图像在白内障诊断和治疗中有着广泛的应用.使用计算机进行分割、分级,不仅省时而且可以得到客观的结果.针对已有算法在灰度不均匀、背景与前景灰度接近区域时无法有效分割的问题,提出一种基于改进FCM算法的后照明图像分割算法.在改进的算法中,首先计算超像素图像区域梯度信息,然后将超像素区域梯度信息归一化后作为权重引入到FCM算法中,充分考虑超像素图像区域信息和梯度信息,从而减少了这些区域的误分.实验结果表明,相比于已有分割和分级算法,本文提出的算法提高了后照明图像分割的准确率.     

基于不变矩的前视红外图像机场目标识别

根据远距离前视红外图像中机场跑道的成像特点,提出了一种基于仿射不变矩的红外序列图像机场目标识别方法.该方法对图像进行多次双阈值分割,搜索分割图像中各潜在目标区域轮廓链,计算其仿射不变矩和目标背景梯度特征,并利用前后帧目标大小的约束关系等先验知识,对各候选目标区域进行识别,最终获取机场目标.试验结果表明:该算法对复杂背景下的远距离前视机场目标的正确识别率优于96%,误识率低于2%.     

基于电视末制导技术的舰船目标分割与匹配方法在复杂背景下的应用

针对电视末制导炮弹在复杂背景下对多目标舰船识别精度不高的问题,提出一种结合经典阈值分割和Prewitt边缘梯度算子的方法,对图像中存在的多个舰船轮廓实现清晰的分割,利用模板匹配,选用加速稳健特征(Speed-up robust features, SURF)算法检测特征点,将处理后的舰船图像与弹载图像进行匹配;针对匹配过程中的错误匹配问题,采用M估计采样一致性算法,有效提升了匹配正确率。数值仿真表明,弹上图像处理器在进行单帧图像处理时,通过与传统图像分割技术如坎尼梯度算子、高斯拉普拉斯(Laplacian-of-Gaussian, LoG)梯度算子和最大类间方差法对比,该文提出的算法可以清晰地将视场内的多只舰船进行有效分割,并显著减少了错误匹配。     

一种基于文本图像的纯文本自适应水印算法

针对纯文本文档在传输过程中易受到攻击的特点,提出了一种基于文本图像的纯文本自适应水印算法．通过将纯文本文档转换为二值图像,利用二值图像的连通不变性进行自适应水印嵌入,使嵌入水印的图像能保持良好的视觉质量．水印嵌入过程采用分块奇偶性和水印奇偶性相匹配的技术,能有效实现对嵌入水印的盲检测．实验结果证明了算法的可行性和稳健性．     

基于阈值分割法和卷积神经网络的图像识别算法

针对传统卷积神经网络严重依赖数据量的问题, 提出一种基于均值迭代阈值分割法和卷积神经网络的图像识别算法, 通过均值迭代阈值分割法过滤图像背景, 并基于AlexNet构造新的卷积神经网络. 与其他常用的卷积神经网络进行对比实验结果表明, 在样本数量不足的图像识别任务中, 该算法识别效果较理想, 与其他卷积神经网络相比, 具有更高的识别准确度、 更低的识别误差和更快的收敛速度.     

基于阈值分割法和卷积神经网络的图像识别算法

针对传统卷积神经网络严重依赖数据量的问题, 提出一种基于均值迭代阈值分割法和卷积神经网络的图像识别算法, 通过均值迭代阈值分割法过滤图像背景, 并基于AlexNet构造新的卷积神经网络. 与其他常用的卷积神经网络进行对比实验结果表明, 在样本数量不足的图像识别任务中, 该算法识别效果较理想, 与其他卷积神经网络相比, 具有更高的识别准确度、 更低的识别误差和更快的收敛速度.     

数字图像的不变特性与特征提取

讨论了两种字符特征向量的提取方法．一种是基于平移、旋转和尺度不变性的图像变换法,另一种是强调字符形状和结构的方向特征量提取法．比较试验的结果表明,通过计算字符图像中心矩的图像变换法具有比较稳定的特征值,有利于机器识别．实验中通过最小距离法进行字符的分类识别,识别率达到80％以上,可用于实时性要求较高的车辆牌照字符识别系统．     

含噪图像中动目标轮廓的实时提取

提出用模式和模式分布理论分析活动图像边界的特征以及硬件检测、提取动目标轮廓的方案．在５点处理窗口中，分别检测出当前帧内的水平轮廓和垂直轮廓，再和前一帧的图像轮廓进行异或操作，检测出活动图像轮廓．给出了软件模拟结果，详细论述了硬件设计原理和方法．该检测方法具有一定的抗噪能力、运算量小、速度快、可实时工作、成本低等优点．     

基于改进直方图不变矩的声呐图像识别方法

针对声呐图像受噪声干扰大，目标边界较模糊的特点，并结合传统直方图不变矩识别图像快速的优点，以及其不考虑灰度空间信息而易造成误识的缺点，将目标的形状阕子加入不变矩特征向量中，提出了一种对亮度和对比度变化不敏感，具有旋转和尺度不变性的改进的直方图不变矩．实验仿真结果表明，该方法能够快速、有效地识别水下目标．     

采用不变矩图像匹配与直方图的仪表识别算法

为了解决当前仪表识别算法在机床仪表状态信号多变、实时性强的环境下状态识别错误的不足,设计一种基于不变矩图像匹配与直方图的在线仪表识别算法.首先,基于不变矩特征,通过图像的重心坐标获取其中心不变矩,设计图像匹配算子,并根据仪表灯的匹配度量值定位当前状态信号位置.然后,根据定位到的信号中心点坐标,提取出状态信号外接最小矩形.最后,依据信号灯颜色的直方图特性,计算出反投影直方图,实现对状态信号颜色的判断.实验结果表明:与当前机床仪表识别技术相比,面对机床仪表状态信号多变的环境时,文中算法具有更高的识别精度.     

基于图像分割的静止图像车牌识别系统研究

介绍一种高识别率的静止图像车牌识别系统的实现方法.并提出一个由图像处理、图像分割、字符识别等组成的静止图像车牌识别系统的工作原理与设计方案.应用MATLAB语言编程实现了该识别系统的仿真,仿真结果表明该方法是行之有效的.     

一种改进的Zernike矩的雷达图像目标识别方法

针对Zernike不变矩目标识别算法计算复杂,计算复杂度高的不足和雷达图像乘性噪声严重和识别率不高的问题,提出了一种快速计算Zernike矩目标识别算法.该算法通过利用Zernike矩对称性和反对称性对雷达图像进行快速计算求得不变矩,然后通过加权求得新的特征向量,最后通过支持向量机进行目标识别.实验结果表明,提出的算法不仅解决了计算过于复杂的问题,还降低了噪声且提高了目标识别率.