基于QPSO的图像分割算法

文章将具有量子行为粒子群优化(QPSO)算法应用到图像分割中,提出了一种新的图像分割算法.新方法基于最佳熵阈值分割技术,用QPSO算法自适应选取分割阈值;仿真实验针对Lena图像分割问题,将标准粒子群优化(PSO)算法与QPSO算法分别独立运行,仿真结果表明,基于QPSO优化的图像分割算法不仅克服了PSO容易过早陷入局部最优值的缺点,而且分割速度更快,是一种更有效的分割方法.     

红外图像运动目标检测与识别

提出了一种利用相邻帧红我图像实时相减提取运动目标序列的方法，把复杂背景下运动目标识别问题转化为较简单背景下目标识别问题，介绍了一种基于差分图像序列的实时处理算法，可对多个运动目标进行识别与定位。     

基于分形和模糊滤波的红外烟幕背景中人造目标的识别

章分析了红外烟幕图像中背景与目标特征的差别，采用分形维数和分形拟合误差作为烟幕背景与人造目标的区分特征，用模糊滤波的方法确定分割门限，实现了分形识别算法并对目标图像进行了处理，结果表明能够较好地从烟幕背景中检测出人造目标。     

基于嵌入式系统和红外图像的火焰检测算法

随着嵌入式技术的发展,把机器视觉应用于嵌入式系统是一个发展方向.目前火焰算法相对比较成熟,具有较高的准确率和抗干扰力.但算法复杂度普遍较高,主要应用于PC机系统,不能适应嵌入式系统的要求.结合已有的研究成果,提出了基于统计背景模型和火焰动态特征的火焰检测算法,成功移植到嵌入式系统上.试验证明算法抗干扰性强、检测率高,速度快.     

一种基于粒子群的模糊聚类图像分割算法

针对图像分割特征具有交叉重叠现象、其类属的划分存在不确定性的分割问题,模糊聚类分割算法具有较强的优势,但其速度慢且容易陷入局部最优以及对初始值的设置敏感等问题.根据粒子群优化算法具有全局寻优能力,同时还具有较强的局部寻优能力,能更快收敛于最优解的特点,提出了一种基于粒子群的模糊聚类分割算法.实验证明,该算法相比传统的模糊聚类分割算法,具有更快的收敛速度和更高的分割精度.     

红外桥梁目标识别在多DSP系统上的并行实现

针对多总线多DSP实时图像识别系统,研究了桥梁目标识别的并行算法。算法采用流水线技术,在其设计过程中重点考虑将算法划分成独立的模块化的子任务,并将任务均衡地分配给各处理器。为进一步提高算法速度及流水线效率,对算法进行了优化。实验结果表明本并行算法具有成本低、效率高的特点。     

基于火焰成像和堆栈降噪自编码的燃烧工况识别

提出一种基于深度神经网络的燃烧监测方法.该方法利用具有深层结构的堆栈降噪自编码(SDAE)提取火焰图像特征,并将其输入到高斯过程分类器(GPC)中,从而识别燃烧工况.针对SDAE训练集中未出现的新燃烧工况,使用少量新工况的标签图像对GPC进行重新训练,即可扩大监测模型的识别范围.在重油燃烧试验装置上开展了试验研究,利用获得的火焰图像对SDAE-GPC网络进行模型训练以及性能测试.结果表明,所提出的监测方法对训练集所包含的燃烧工况具有99.3%的识别精度,对新工况具有98.2%的识别精度,且对图像噪声具有良好的鲁棒性,在燃烧工况识别中具有潜在的应用前景.     

视频图像火焰区域分割算法

主要研究室外具有复杂背景环境中的视频图像火焰区域分割算法．在充分研究视频图像火焰运动特性并考虑实际应用环境的基础上,提出了一种基于多均匀分布背景模型的运动检测算法,以此来实现视频图像中火焰区域的分割．该方法能够克服复杂背景环境带来的干扰,达到很好的火焰区域分割效果,且具有良好的实时性．该方法不仅适用于火焰区域分割,对智能视频监控系统中其他功能的运动检测也有很好的借鉴意义．     

基于大爆炸优化算法的结构参数识别

作为一种新颖的优化工具,大爆炸算法（Big Bang-Big Crunch optimization,BB-BC）被成功应用于很多复杂优化问题。结构参数识别一直是结构健康监测的核心问题,利用BB-BC算法进行结构参数识别的研究。该方法的基本思想是通过最小化识别模型与实际结构系统响应的误差,从而将参数识别问题转化成一个多峰值非线性非凸的优化问题,并利用BB-BC算法发现系统参数的最优估计。利用BB-BC算法在输入输出数据不完备且噪声污染条件下,同时在没有系统质量、刚度等先验信息的情况下对结构系统进行了参数识别,并与基于遗传算法（GA）、粒子群（PSO）的参数识别方法进行了比较。结果表明：该方法可以成功地应用于结构参数识别,识别效能更优越。     

基于粒子群优化的红外图像增强方法

为解决低照度条件下红外图像边缘模糊、对比度差等问题,提出了一种红外图像增强算法。用粒子群优化算法(particle swarm optimization,PSO)结合伽马校正方法,将灰度标准方差融入评价函数,熵、边缘内容、灰度标准方差被用作每个粒子的目标函数,来评估所获得的红外图像增强结果,通过寻找最优伽马值对图像进行全局增强,实现了对红外图像的细节增强。实验结果表明,与传统直方图均衡(histogram equalization,HE)算法、自适应直方图均衡(adaptive histogram equalization,AHE)算法、限制对比度的自适应直方图均衡算法(contrast limited adaptive histogram equalization,CLAHE)相比,该算法的峰值信噪比(peak signal-to-noise ratio,PSNR)、均方误差(mean-square error,MSE)、结构相似性(structural similarity index,SSIM)指标为所有对比算法中最优,PSNR、SSIM分别提升了约56. 97%和18. 01%,SSIM优化了约18. 01%。通过该改进算法来处理红外图像,可以显著提高图像对比度,使图像细节更丰富,视觉效果得到很大改善。     

基于粒子群模糊聚类算法的边缘检测仿真

将粒子群优化算法与模糊C-均值(FCM)聚类算法相结合,并应用于图像边缘检测,以期解决标准FCM算法在图像边缘检测中对初始值敏感及容易陷入局部极小的两大缺陷.首先,基于数学测度概念构造一个描述边缘点信息的特征向量,将灰度图像中的每一个像素点看成是一个数据样本,将该点灰度值处理后构成其边缘点信息特征向量,形成具有三维特征的数据集;然后对这个数据集应用粒子群模糊聚类算法进行分类,自适应地检测出图像的边缘点,达到提取边缘的目的.仿真实验表明,此算法具有良好的抗噪性能,能够得到较好的边缘效果,提高了边缘定位的精度.     

基于目标检测的红外和可见光动态图像融合

提出一种基于运动目标检测的红外和可见光动态图像融合方法,通过对红外序列图像中的运动目标进行检测,将运动目标信息融合到可见光序列图像中。试验结果表明,文中算法所得到的融合图像能够综合利用红外图像较好的目标指示特性与可见光图像较清晰的场景信息,有利于安全监视人员进行目标识别和情景感知。     

基于PSO的图像自适应模糊增强算法

在介绍常规图像自适应模糊增强算法和粒子群优化算法的基本原理的基础上,针对常规图像模糊增强算法中自动获取模糊控制参数耗时较长,执行效率低的问题,提出了一种应用粒子群优化算法结合图像灰度直方图特征进行图像自适应模糊增强的新方法.实际图像增强实验的结果表明方法效率比常规图像自适应模糊增强算法有很大的提高.     

基于PSO-FCM的长输管道泄漏检测方法

为了提高长输管道泄漏检测的准确率,将改进模糊C均值算法应用于长输管道泄漏检测研究.在传统模糊C均值算法的基础上引入粒子群算法,对其寻找聚类中心的迭代过程进行优化,用粒子群算法替代模糊C均值的梯度下降法,以提高模糊C均值算法的聚类效率和准确率.然后分别用所得的基于粒子群优化的模糊C均值聚类模型、传统模糊C均值聚类模型以及...     

基于视频图像处理技术的道路交通参数检测

介绍了图像处理和分析方法在实时交通参数检测中的应用,提出了通过对交通画面现场采集的图像处理分析而得到交通参数的方法,并在微机上实现。     

基于边缘增强的红外图像二值化算法

提出了一种基于边缘增强的红外图像二值化算法。通过对自适应形态学边缘增强方法的改进,使得二值化结果有效地保留了红外图像的边界特征,是一种有效、实用的图像二值化方法。     

基于小波变换的红外成像弱小目标检测方法

研究红外目标图像中弱小目标的自动检测和定位方法 .将弱小目标看作是红外图像中灰度和位置均未知的暂态信号 ,通过对图像信号作多尺度的小波变换 ,可以在低信噪比条件下检测出弱小目标 .实验结果表明 ,小波变换能很好地增强目标 ,抑制背景杂波 ,从而提高目标检测概率 ,降低误检测     

基于cICA的红外点目标检测方法

针对红外点目标检测的要求,提出了一种基于约束独立分量分析(cICA)的红外点目标检测方法. 该方法只采用单帧扫描图像作为数据源,利用峭度约束的独立分量分析方法,消除了传统独立分量分析(ICA)方法的提取顺序的不确定性,从而直接提取点状目标的位置. 实验结果表明,利用该方法能够有效地进行红外点目标检测.