一种新的基于分形特征的目标检测算法

文章提出了一种基于分形特征的目标检测算法。该算法考虑了邻域、或局部范围内的多尺度分形特征,因而能够较为准确地对目标进行检测。仿真研究也表明了该算法的可行性和有效性。     

一种新的基于网格的边界点检测算法

本文针对目前数据挖掘中边界点检测的效率低等问题,本文提出了基于网格中边界格和根据对象的邻域中数据分布特点进行边界点的检测算法BPDG(a Boundary Points Detector based on Grid).实验结果表明BPDG能在含有噪声点/孤立点的不同形状、大小的数据集上更加迅速而有效地检测出边界点.     

一种新的基于肤色模型的人脸检测算法

人脸检测是计算机视觉、模式识别、人机交互研究中一个很受关注的研究热点。人脸模式错综复杂、易受干扰,常见的人脸检测算法一般都具有计算量大、速度慢、误报率高的弱点。文章基于肤色模型,研究了基于非线性变换技术的方法,并且融合几何特征进行人脸及其特征点的检测。实验证明,该算法十分有效,速度快、误报率低,相对其它算法具有优越性。     

一种基于特征模型的人脸检测方法

特征提取是基于特征的人脸检测的关键。提出了一种利用眼睛和鼻子的灰度特征和几何特征的人脸检测方法。选取眼睛和鼻子作为特征点,构造一个三角的特征模型。另外,此方法对候选特征图像采用逐步改变分块大小的方法进行搜索,得到独立的特征点,并利用人脸结构特点的先验知识建立模型的搜索策略。实验证明,此方法能迅速准确的从复杂背景中检测出人脸,而且对多人脸同样有效。     

一种新的TRNAM彩色图像表示算法

非对称逆布局模型(NAM)适用于图像模式、语音模式、文本模式、视频模式的表示,是一个通用型的模式表示模型.借助于格雷码表示图像像素的思想,提出了一种新的三角形和矩形NAM彩色图像表示算法(简称NTRNAM算法).给出了算法的原理及形式化描述,并对其存储结构、总数据量和时空复杂性进行了分析.理论分析和实验结果表明:NTRNAM算法能够显著降低子模式数和存储空间,是一种有效的彩色图像表示算法.     

一种新的小波域彩色图像压缩编码算法

为了快速地进行彩色图像压缩，提出了一种基于视觉掩蔽与色彩相关的小波变换域彩色图像压缩编码算法。该算法首先在RGB空间内对原始图像的彩色分量进行小波变换，并结合视觉掩蔽特性对不同区域内的小波系数进行加权处理；然后将经过加权处理的小波系数转换到自定义的Y’U’V’空间；最后依据色彩相关性来构造扩展零树结构，并利用改进的嵌入零树小波（EZW）方案在Y’U’V’空间内对小波系数进行嵌入零树编码。仿真实验结果表明，该彩色图像编码方法是一种高效的图像压缩算法，其编解码时间较CZW算法、CEZW算法缩短约1／3-1／4。     

一种新的快速多人脸检测算法

提出一种基于改进的肤色分割和距离变换的快速人脸检测算法。该算法对传统肤色分割进行了改进,使得肤色分割更加可靠,而且能够对图像中的多个人脸进行快速定位。实验证明该方法是有效的。     

一种基于特征跟踪的视频镜头检测算法

将视频切分为镜头是视频内容分析及基于内容的视频检索和浏览的第一步。针对视频镜头边界检测,提出了一种基于特征跟踪的新算法。该算法从镜头起始帧中提取出一组角点特征,然后在后续帧中基于Kalman滤波进行特征窗跟踪,最后根据对应特征窗内的像素特征变化规律,得到镜头边界检测所需的测度,判断镜头切换的性质和渐变镜头的起止时间。实验结果表明该算法运算复杂度低,且具有较强的鲁棒性。     

一种新的彩色图像脉冲噪声滤波算法

针对嵌入式机器视觉应用系统对滤波处理算法的实际要求,提出一种改进的彩色图像矢量中值滤波算法。综合应用灰色关联分析方法和矢量中值滤波技术。首先根据灰色关联分析计算图像中各像素矢量之间相似程度来度量像素间的关联程度,即使用像素点间的灰色关联度代替常用的空间距离。其次,利用像素点间的灰色关联程度在算法中增加了噪声检测环节。通过进行对比实验,基于灰色关联分析的彩色图像滤波算法可以快速、有效地滤除图像中的脉冲噪声,对图像中边缘细节的保护效果要好于其他算法,而在计算效率方面更远高于其他算法。     

一种用于表面重建的外边界轮廓线提取算法

医学图像处理中边界轮廓线的提取是科学计算可视化技术中的一个研究热点,足计算机图形学和图像处理技术在生物医学工程中的重要应用.在医学图像的三维重建、模式识别等的应用中,常常需要保留感兴趣的物体区域,从而必须用外边界作为轮廓线.在分析Log算了作用原理的基础上,提出片实现了一种新的按光栅顺序扫描取点然后进行边界跟踪的轮廓线提取算法,最后按照最短对角线法进行轮廓连接.实验证明,算法可以有效地消除噪声,获得更加精确的象素级边界轮廓,重建效果较为满意.     

基于边缘和颜色特征的图像检索技术

提出了一种综合运用边缘和颜色特征进行图像检索的方法.该方法首先利用Matlab实现基于数学形态学的多结构元的边缘提取,并通过圆环划分法在HSV空间上量化得到颜色直方图,然后根据边缘和颜色特征的不同特性,采用不同的分块方法提取图像特征,突出了目标重要性的同时又兼顾了颜色的旋转不变性.本文根据该方法设计并实现了一个基于边缘和颜色特征的图像检索系统.实验结果表明,综合运用边缘和颜色特征进行图像检索,可显著提高图像检索系统的查全率和查准率.     

基于颜色与角点特征的图像垃圾邮件识别算法

垃圾邮件制造者将垃圾信息嵌入图像中,使基于文本内容的反垃圾邮件系统失效。对垃圾邮件图像的特点深入分析后,提出一种垃圾邮件图像识别算法。垃圾邮件图像多为计算机合成图像,其颜色不如自然图像丰富,且因含有大量文字导致图像中角点角度值分布呈现出一定的规律性。针对此问题选用颜色和角点特征并结合支持向量机分类算法来识别垃圾邮件图像。实验结果表明,该算法对真实垃圾邮件图像的识别精确率超过98％。     

一种快速有效的彩色图像边缘检测方法

在传统的灰度图像的边缘检测算子的基础上,对其进行改进。充分利用了彩色图像的颜色信息,将算法从灰度空间转换到RGB颜色空间。提出了彩色图像的高斯-拉普拉斯边缘检测算子,同时采用滤波来抑制噪声以及非极大值抑制来细化边缘,算法简单易于实现。实验结果表明,算法能有效地提取出彩色图像的边缘信息。     

基于对比度增强的彩色图像边缘检测算法

在分析彩色图像边缘的灰度化和漏检问题的基础上,设计了分解基于分量相关的颜色模型的彩色图像得到的颜色分量进行颜色对比度增强的算法。提出了以该算法为基础的彩色图像边缘检测的改进方法,即对增强后的各分量应用梯度算子检测其分量边缘,最后合成为彩色图像边缘。实验结果表明,文中提出的改进方法,能够检测出图像的彩色边缘,具有检测出的图像边缘细节较完整的优点;又由于该方法是基于像素点处理的检测方法,故不必进行颜色模型的转换,具有方法简单、算法复杂度低的优点。     

基于肤色和几何特征的人脸检测算法

本文提出了一种可变先照条件下的人脸检测算法,该算法利用人脸的肤色和几何特征,首先对输入图像进行光照补偿,然后在YCrCb颜色空间中,分割出肤色候选区域,最后利用人脸面部的几何特征精确定位出人脸。实验结果表明,该算法可适用于较广范围的光照条件,可应用于复杂环境下的人脸检测。     

基于彩色分割和特征定位的实时人脸检测算法

论文提出了一种新的彩色人脸图像实时检测算法。该算法利用皮肤颜色在YCbCr彩色空间的分布特性进行人脸皮肤区域的分割,利用人脸特征在灰度图像灰度映射极小值特性进行人脸特征定位。实验证明该算法对彩色人脸图像的检测有很好效果。     

一种基于四元数的彩色图像边缘检测改进算法

图像边缘检测对后续的图像分割和识别具有重要的作用。针对彩色图像的边缘检测的实际需求,对比分析了经典边缘检测算子的特点和不足,提出了多方向的Sobel边缘检测算子模板,并且针对传统边缘检测算法处理速度慢、运算量较大、对边缘细节位置处理效果差等缺点,结合彩色图像的四元数描述方法提出改进算法,结合对颜色空间的分解实现了对彩色图像的边缘检测。实验证明算法是有效的,边缘检测效果好且易于实现,使用四元数描述方法有效提高了边缘检测的速度。     

基于局部颜色间特征的图像语义概念检测

针对基于语义的图像检索系统,提出了一种基于局部颜色空间特征的图像语义概念检测方法。各种基于颜色、纹理和形状的全局特征都存在着众多信息冗余项和干扰项,而该文提出的局部颜色空间特征则是利用语义概念层的先验知识进行特征降维后提取出的特征,它能更好地描述图像的语义内容,且具有容易提取、计算复杂度低的优点。实验结果表明,基于局部颜色空间特征的概念检测方法优于基于全局特征的概念检测方法,将其用于图像检索后的检索精度比采用基于全局颜色特征的方法提高了364%。     

基于彩色边缘网格直方图的图像检索方法

边缘是图像局部变化最显著的部分,也是人类理解图像内容的重要线索.本文提出了一种基于彩色边缘特征的图像检索方法,该方法首先利用Canny检测算子提取出原始图像的彩色边缘信息,然后将彩色边缘划分成圆环区域和角形区域,并分别计算出圆环区域和角形区域的颜色直方图;最后综合利用上述圆环区域和角形区域的颜色直方图计算图像间内容的相似度,并进行彩色图像检索.仿真实验表明,该方法能够准确和高效地查找出用户所需内容的彩色图像,并且具有较好的查准率和查全率.     

基于图像的重建点云离群点检测算法

基于图像重建出的三维点云模型通常会包含许多离群点,这些离群点可能孤立存在或密集聚集在一起形成点簇,也可能分布在模型周围甚至附着在模型表面。通过一种检测方法很难有效滤除多种分布状态的离群点,因此,提出了综合的离群点监测算法。首先通过空间距离剔除与模型主体较远的离群点,并通过构建空间拓扑关系加快离群点搜索速度;然后利用边界匹配法,将较小点簇分别与最大点簇进行对比,滤除模型周围离群点簇;最后采用改进的K-means算法,根据RGB颜色值特征对点云数据进行聚簇分类,结合已识别的离群点,检测和滤除附着在模型表面的离群点。仿真实验结果表明,此方法能够有效滤除点云模型中多种分布状态的离群点。