用于生产线在线监测的多层次图像信号诊断系统

文章介绍了一种用于生产线在线监测的多层次图像信号诊断系统。该系统能够在实时运行状态下，对图像信息进行较准确和较迅速的诊断处理。实验表明：这种模糊诊断系统无论在处理速度还是在辨识效率和准确性方面都表现出较优越的性能，在工业自动化生产线的运行控制方面具有很高的实用价值。     

基于手机的学习系统开发

随着高校教学改革的深入，以学生为主体的教学系统受到更多的关注，而学生由于请假或其他原因不能随时随地学习，所以基于手机平台的教学软件便开始进入学生们的视野中。     

基于电力线载波通信与动态图像检测防盗系统

设计了一种基于电力线载波通信和动态图像检测的防盗通信系统,实现了投资少,可靠性高的优点。针对传统防盗系统的不足,给出了系统的总体设计,在出现动态图像时,防盗系统会自适应地对动态图像进行采集处理,利用已存的电力线网络资源进行传输,所提出的系统性能良好,达到了设计要求。 [HT]     

基于MATLAB仿真软件实现的图像分割

在图像识别系统中,图像分割起着重要的作用,直接影响到图像的识别效果,但是图像分割技术没有通用的办法,只要能把图像从背景区域很好的分割出来就是有意义的方法,本文研究了基于MATLAB实现的具有不同特点图像的分割技术,实验表明,基于MATLAB实现的图像分割算法,既简单快速,又能得到很好的分割效果。     

基于神经网络的有遮挡图像分割方法

人脸作为人类最主要形象特征,具有许多特征的唯一性,而人脸识别的关键在于进行的人脸分割计算。传统的人脸分割算法在有遮挡情况下无法完整的提取人脸信息,导致信息缺失,使得图像检测无法进行。文中算法采用基于神经网络与自适应技术的人脸图像分割计算,对于有遮挡部分的人脸也可进行较好的分割计算,通过多种图片进行实验仿真计算后,有遮挡的图片都可得到有效的分割,实现了对人脸分割85%的分割完成率,远高于传统人脸图像分割算法的78%的分割完成率。因此本算法,在图像识别领域具有对较好的推广意义。     

基于改进聚类算法的图像特征提取

图像的识别与分类技术作为人工智能方向的研究热点之一,具有很重要的研究意义。图像的特征提取作为其中的关键,从本质上决定着图像识别正确率的高低。随着大数据时代的到来,以深度学习模型为代表的特征学习方法展现了其在图像特征提取任务上的强大能力。通过逐层训练的方式,深度学习模型能够以高度自主化的方式提取出图像的深层特征,并取得了现有究阶段的最好成果。尽管深度学习模型的学习能力极其强大,但其模型结构的复杂以及训练之中的开销也为其训练带来了阻碍。因此文章以聚类算法为基础,通过构建层次的图像特征提取模型以提高图像分类的准确率。     

基于SURF算法的现场概貌图像拼接技术分析

阐述SURF算法提取图像中的特征点进行粗匹配,通过RANSAC算法提高匹配准确率,利用加权平均的方法对拼接图像进行图像融合,并进行柱面投影,生成全景图像,从而获得完整的现场概貌图像。     

强激光波前检测中的图像自动识别系统的设计

介绍了利用计算机图像自动识别技术建立高效强激光波前检测系统的设计方法,整个系统采用DELPHI编制并运行在WINDOWS95／98平台上,利用数字图像处理技术以及Delphi的可视化及面向对象编程技术,实现 对激光衍射焦斑阵列图像进行自动识别与处理,用计算机软件实现了常规Hartmann-Shack传感器中子透镜阵列的子光束聚焦过程,进而实现了对强激光波前畸变的检测。     

基于多媒体融合的图像检索系统的实现

提出一种融合了文本、语音、图像等信息特征的图像检索方案,并以MATLAB为平台构建了一种基于语音识别技术的新型图像检索系统.与基于文本或基于内容的图像检索系统相比,该系统既提高了检索性能,又使得人机交互更加便利.     

基于语义导向的光场图像深度估计

光场图像的深度估计是3维重建、自动驾驶、对象跟踪等应用中的关键技术。然而,现有的深度学习方法忽略了光场图像的几何特性,在边缘、弱纹理等区域表现出较差的学习能力,导致深度图像细节的缺失。该文提出了一种基于语义导向的光场图像深度估计网络,利用上下文信息来解决复杂区域的不适应问题。设计了语义感知模块的编解码结构来重构空间信息以更好地捕捉物体边界,空间金字塔池化结构利用空洞卷积增大感受野,挖掘多尺度的上下文内容信息;通过无降维的自适应特征注意力模块局部跨通道交互,消除信息冗余的同时有效融合多路特征;最后引入堆叠沙漏串联多个沙漏模块,通过编解码结构得到更加丰富的上下文信息。在HCI 4D光场数据集上的实验结果表明,该方法表现出较高的准确性和泛化能力,优于所比较的深度估计的方法,且保留较好的边缘细节。     

基于感受野模型的图像融合算法研究

现实世界中最优的图像融合系统莫过于生物视觉系统.如果能够了解生物视觉的基本原理,建立其数学模型,并能应用于多传感器图像融合实践中,将会对多传感器图像融合技术的发展有很大促进作用.本文以人类视觉的生物机理和感受野的数学模型为基础,提出了一种新颖的基于人眼视觉感受野模型的图像融合算法.这种算法非常适合融合两幅灰度差异较大的异质传感器图像,融合图像在保留两幅原图像中有用信息的同时,还对图像间的差异进行了增强,有助于提高观察者识别目标的速度和准确性.另外,该算法还有一定的去噪功能,计算量很小,可满足实时性要求.     

基于梯度场的彩色图像序列光流场算法

采用动态图像模型,针对实际环境中亮度改变的特点,充分利用彩色图像的色彩信息,提出基于梯度场的彩色图像序列光流法.试验结果表明,本文方法能在光照改变的条件下,得到各种复杂运动连续而一致的光流场.     

基于Markov随机场K-Means图像分割算法

 传统的K-Means算法在图像分割中只与特征向量有关,从而忽略了像素间的空间位置关系,因而分割模型是不完整的.本文利用Markov随机场描述图像像素间的邻域关系,引入拒绝度的概念到聚类目标函数中的同时,提出了初始类别及初始中心点的确定方法,提出了较为完备的基于Markov随机场图像分割算法.并通过实验验证该分割方法在效果及效率上的有效性.     

Elitist Reconstruction Genetic Algorithm Based on Markov Random Field for Magnetic Resonance Image Segmentation

In this paper,elitist reconstruction genetic algorithm(ERGA) based on Markov random field(MRF) is introduced for image segmentation.In this algorithm,a population of possible solutions is maintained at every generation,and for each solution a fitness value is calculated according to a fitness function,which is constructed based on the MRF potential function according to Metropolis function and Bayesian framework.After the improved selection,crossover and mutation,an elitist individual is restructured based on the strategy of restructuring elitist.This procedure is processed to select the location that denotes the largest MRF potential function value in the same location of all individuals.The algorithm is stopped when the change of fitness functions between two sequent generations is less than a specified value.Experiments show that the performance of the hybrid algorithm is better than that of some traditional algorithms.     

图像处理技术的车牌识别系统研究

车牌识别系统在汽车运行实践对汽车的智能通行起到了显著的效果,所以积极的推广和利用车牌识别系统现实意义显著。从现实分析来看,车牌识别系统的具体利用会受到多种因素的影响,比如识别符号设计、感应系统等,所以为了更好的应用车牌识别系统,文章对基于图像处理技术的车牌识别系统进行分析与研究,旨在明确系统构成与应用,从而是实际利用提供帮助和指导。     

基于MATLAB图像处理的汽车牌照识别系统

车牌自动识别系统是智能交通系统中的关键技术,在信息采集、车辆管理、自动收费等领域有着广泛的应用前景。车牌识别技术的研究主要包括三个部分:车牌定位、字符分割和字符识别。本系统全面包括了车牌定位到车牌字符识别,对车牌识别的技术。文章所涉及的各项处理技术均进行了MATLAB仿真实验,实现了相应功能,能够准确、快速地实现汽车牌照的识别。     

Colorimetric Sensor Arrays System Based on FPGA for Image Recognition

A FPGA-based image recognition system is designed for eolorimetric sensor array in order to recognize a wide range of volatile organic compounds. The gas molecule is detected by the responsive sensor array and the responsive image is obtained. The image is decomposed to RGB color components using CMOS image sensor. An embedded image recognition archi- tecture based on Xilinx Spartan-3 FPGA is designed to implement the algorithms of image recognition. The algorithm of color coherence vector is discussed in detail compared with the algorithm of color histograms, and experimental results demonstrate that both of the two algorithms could be analyzed effectively to represent different volatile organic compounds according to their different responsive images in this system.