基于形状特征的水声图像小目标识别方法

为了抑制背景噪声,提高目标识别准确率,该文提出一种基于形状特征的水声图像小目标识别方法.对含有目标的水声图像进行非局部均值去噪处理后,使用OTSU算法自适应选取阈值对去噪图像进行二值化分割,结合形态学处理获得分割后的目标区域;提取目标区域的矩形度、圆形度、几何不变矩等各项形状参数,将目标的特征向量输入随机森林分类器实现...     

基于均值漂移和模糊积分融合的高光谱图像分割

针对高光谱图像的特殊性,给出了一种基于均值漂移和模糊积分融合的高光谱图像分割算法。依据高光谱图像各波段间高度的相关性将其分为若干组,通过主成分分析对各波段子集进行降维。在此基础上,采用均值漂移算法计算各波段子集图像的聚类中心进而实现分割,再利用模糊积分融合各波段子集的分割结果。仿真结果证明了该算法的有效性。     

基于改进量子算法的模糊图像恢复研究

为了提高模糊图像恢复质量,提出量子环型对称算法。首先建立量子环型对称模型,同环上非同圆上的量子信息交流通过虚拟连接实现,同圆上有其他量子与非同圆上的量子信息交流可借用原先建立的虚拟连接实现;接着自检过程实现量子纠错;然后基于梯度范数对原始图像估计,通过辅助变量对模糊核函数最小化求解,超拉普拉斯先验来恢复清晰图像;最后给出了算法实现流程。实验仿真显示本文算法峰值信噪比相比IF、WF、GS、TVGS、CM、HLD分别提高了35.47%、42.58%、28.69%、23.39%、21.05%、14.28%,背景控制因子相比IF、WF、GS、TVGS、CM、HLD分别提高了17.61%、22.41%、12.77%、8.48%、6.76%、6.17%,信息熵相比IF、WF、GS、TVGS、CM、HLD分别提高了35.19%、42.27%、27.46%、19.15%、11.35%、6.31%,平均梯度相比IF、WF、GS、TVGS、CM、HLD分别提高了58.23%、69.79%、47.33%、36.73%、27.55%、11.85%,优于其他算法,为模糊图像恢复提供了新的思路与方法。     

基于免疫模板聚类的模糊中波红外图像目标提取

借鉴生物先天性免疫与适应性免疫的协调作用机制,综合考虑中波红外图像的光谱成像机理和频域模板统计特征,提出一种免疫模板聚类目标提取算法。借鉴先天性免疫对抗原表面分子模式的识别作用,以最大类间方差,将模糊中波红外图像初分割为目标像素集、背景像素集和模糊像素集;借鉴先天性免疫的特征提呈作用,提取中波红外图像模糊像素的频域模板特征,将图像的像素灰度特征空间映射为频域模板特征空间;基于提呈得到的模板特征,对模糊像素集进行适应性免疫聚类,将模糊像素划分为目标像素或背景像素。用手部痕迹的模糊中波红外图像进行实验,并与经典边缘检测模板法和传统区域模板法进行了效果比较和定量评价,结果表明免疫模板聚类算法的目标提取率、与参考标准的重合度、绝对误差率均优于现有模板方法,能够有效实现模糊中波红外图像的目标提取。     

基于最小平均距离免疫算法的模糊红外图像分割

由于犯罪分子利用各种方法来避开传统的刑侦图像技术,因而红外图像逐渐成为获取犯罪现场痕迹的有效手段。然而,从犯罪现场拍摄的红外图像其目标痕迹大多是弱化的,所以在这类红外图像中分割目标是一项具有挑战性的任务。已有基于生物免疫的各类算法尚未明确描述免疫分割作用领域,以及免疫网络算法模型中的免疫识别距离。为实现对目标痕迹弱化红外图像的有效分割,提出了一种新的具有免疫作用领域和最小平均免疫识别距离的人工免疫构架,设计了一种具备最小平均距离免疫域的免疫分割算法。该方法根据红外图像的特点,采用多步分类算法、免疫变异和自适应免疫最小均距识别方法,根据目标区域和背景区域的总体统计特性实现最佳分类。实验结果表明,提出的基于最小平均距离的免疫算法能够有效地分割目标弱化的红外图像。与经典的边缘模板和区域模板方法相比,该算法具有更好的分割效果,尤其是针对目标弱化红外图像的分割,该算法能够较好地给出五个手指的边界轮廓。     

基于PSO和模糊划分熵的水下图像分割

在水下环境中,由于存在着水体对光线的吸收以及照明不均等原因,水下图像具有信噪比低、边缘模糊等特点。如果直接使用传统的分割方法,对水下图像进行处理后的效果较差。传统的基于最大熵原理的阈值法尽管能实现某些特定的分割任务,但是其时效性较差。而粒子群算法(PSO)是一类随机全局优化技术,该算法简单易实现,可调参数少。因此将群体智能中的粒子群优化算法应用到图像分割中。新方法在重新定义模糊熵的基础上,根据最大熵原理,利用粒子群算法来搜索分割阈值。相对于传统的利用穷举法来搜索分割阈值的算法,新方法大大减少了计算时间,提高了效率。通过对水下图像处理实验证明,该算法对简单背景的图像分割是有效的,和传统分割方法相比,具有更强的自适应性和抗噪性能。     

一种自适应路面图像模糊增强算法

针对传统的图像模糊增强算法增强强度小、处理灰度层次变化丰富的图像效果不佳以及控制参量难以设置等问题,提出了一种新的图像模糊增强算法.首先对局部窗口中像素点进行基于邻域一致性模糊熵测度的分类,并以分类为依据,对每个像素点均确定一最佳渡越点.对模糊隶属度函数也进行了研究改进,设计的函数具有良好的曲线形状,并通过调整控制参量,使渡越点的位置和函数曲线进行最佳的结合,能通过少量的迭代次数获得较好的增强效果.在模糊逆映射上,采用线性逆变换函数,保持了模糊映射所带来的增强效果,并消除了由于截断带来的灰度信息的损失,在运算效率上也得到了提高.新算法对灰度变化丰富的路面图像的增强取得了良好的效果,并且控制参量均为自适应计算,不需进行人为干预,具有很好的通用性.     

一种混合模糊含噪图像的参数辨识方法

在航空摄影、景象匹配导航等领域,由光学相机采集的图像往往同时存在着运动模糊和散焦模糊。成像中的噪声进一步加大了混合模糊图像点扩展函数的参数辨识难度。提出了一种双谱混合模糊含噪图像的点扩展函数参数辨识方法。首先计算出经混合模糊后的标准测试图像所对应的运动和散焦模糊的双谱,然后通过曲线拟合出双谱中各自的统计特性与运动模糊尺度或散焦半径之间的函数关系,由此训练出的BP神经网络可以完成对其它含有噪声的混合模糊图像点扩展函数的参数辨识。实验结果表明,该方法适用于含有噪声的一定模糊参数范围内的混合模糊图像。在信噪比为25dB的情况下,辨别出的模糊参数偏差不超过0.5个像素。     

高频振动模糊图像仿真与分析

研究了运动模糊图像在空间域和频域上的数学模型,根据运动图像的模糊原理,提出了时间等分运动模糊图像的仿真方法,仿真了高频振动模糊图像.理论分析指出,物体做高频谐波振动时运动模糊成像的频谱会由于Bessel函数的零点的存在而形成系列条纹,对振动模糊图像的频谱做两次Radon变换能检测出振动的方向和振幅,从而得到高频振动模糊...     

图像局部特征自适应的快速SIFT图像拼接方法

针对目前图像拼接中计算量较大、实时性较差的问题,本文提出了一种图像局部特征自适应的快速尺度不变特征变换(SIFT)拼接方法。首先,对待拼接图像分块,确定图像局部块的特征类型;接着自适应采用不同的简化方法提取各局部块的特征点。然后,通过特征匹配求出变换矩阵,并结合RANSAC算法去除伪匹配对。最后,通过图像融合得到最终的拼接图像。文中使用提出的方法对3组待拼接图像进行实验。从实验结果可以看出:与标准拼接方法相比,本文改进方法的计算速度提升了30%~45%。因此,这种方法能够在保证图像拼接质量的前提下,有效提高图像拼接的效率,克服图像拼接中计算复杂度高的问题,在实际图像拼接中具有一定的应用价值。     

基于ARM的嵌入式图像识别检测系统的设计

图像识别的主要目的是使用计算机作为工具对目标图像进行处理、解析与应用,通过数据分析检测出具有不同特征的目标和对象,发展至今其已成为了人工智能的基础。本文基于ARM嵌入式芯片提出了一种结合尺度不变特征变换匹配算法的图像识别检测系统,系统硬件部分采用模块化设计的思想以提高系统的兼容性,分为图像获取、数据采集、数据存储、图像识别等模块;软件部分采用斑点检测匹配匹配算法进行图像识别以提高图像识别速度与精度。实验结果表明所设计的系统具有识别速度快、精度高、可靠性高、故障少的特点。     

Kernel-aligned multi-view canonical correlation analysis for image recognition

Existing kernel-based correlation analysis methods mainly adopt a single kernel in each view. However, only a single kernel is usually insufficient to characterize nonlinear distribution information of a view. To solve the problem, we transform each original feature vector into a 2-dimensional feature matrix by means of kernel alignment, and then propose a novel kernel-aligned multi-view canonical correlation analysis (KAMCCA) method on the basis of the feature matrices. Our proposed method can simultaneously employ multiple kernels to better capture the nonlinear distribution information of each view, so that correlation features learned by KAMCCA can have well discriminating power in real-world image recognition. Extensive experiments are designed on five real-world image datasets, including NIR face images, thermal face images, visible face images, handwritten digit images, and object images. Promising experimental results on the datasets have manifested the effectiveness of our proposed method.     

基于深度优先遍历的图像边缘检测方法

图像边缘识别是图像处理的重要组成。提出一种基于深度优先遍历的梯度分割算法,这种算法首先构造像素点的数据结构,然后从图像任意点出发,估算该点附近的像素点并获取梯度值,如果该点满足边缘点的特征,则从该点出发深度遍历寻找垂直于梯度方向上的边缘点,并标记访问过的点。如果该方向上没有满足条件的点则回退,从某个具有仅次于最大梯度值的方向继续遍历,并标记开始遍历的点为角点,直至遍历全图。该算法将图像的边缘点和角点明显地分割出来,便于识别,对带有不同类型的噪声图像进行处理也可取得较满意效果。     

Hardware acceleration of image recognition through a visual cortex model

Recent findings in neuroscience have led to the development of several new models describing the processes in the neocortex. These models excel at cognitive applications such as image analysis and movement control. This paper presents a hardware architecture to speed up image content recognition through a recently proposed model of the visual cortex. The system is based on a set of parallel computation nodes implemented in an FPGA. The design was optimized for hardware by reducing the data storage requirements, and removing the need for multiplies and divides. The reconfigurable logic hardware implementation running at 121 MHz provided a speedup of 148 times over a 2 GHz AMD Opteron processor. The results indicate the feasibility of specialized hardware to accelerate larger biological scale implementations of the model.     

基于高阶统计量双相干理论的图像篡改识别算法

随着图像处理技术的快速地发展和广泛地应用,图像篡改变得越来越容易和普及.恶意篡改的图像会对新闻、司法等领域造成极大的负面影响.对基于高阶统计量双相干理论的图像篡改检测方法进行了深入研究,论述了该方法的原理,并应用该方法进行了大量的分类真假图像对照实验,分析了该方法的适用条件和局限性,实验结果表明,该方法的识别准确率与拼...     

基于多通道Gabor滤波器的高鲁棒灰度图像目标识别新方法

提出了一种针对低质量的灰度图像的基于多通道Gabor小波滤波器的高鲁棒目标识别新方法。主要是利用Gabor小波设计了滤波器,滤波器的中心频率是一个从低到高的范围。滤波器采用不同方向、不同尺度,从而组成多通道滤波器。对灰度图像直接进行小波变换,用Gabor小波变换系数的模的平均值和其标准方差来表示抽取的灰度图像目标的特征,并对获得的小波特征归一化后输入到改进的BP神经网络分类器中进行分类识别。对四种不同的飞机灰度图像目标进行了分类识别仿真实验。结果表明,这种特征提取方法能有效地提取灰度图像目标纹理特征,并且对噪音和形状的变化具有强鲁棒性。在应用灰度图像对目标进行识别时,神经网络的训练时间减少到10min,识别率达到94%。     

基于图像挖掘技术的车辆目标识别方法

在目前的图像处理技术发展现状中,图像挖掘技术是其中一项较为突出和新颖的技术分支。而随着日益庞大的图像数据信息处理量的要求增加,却没有一个有效的分析和处理技术,为此,如何解决大量数据的解析和处理问题是目前图像挖掘技术的主要方向。本文将着重研究图像挖掘技术的原理和其在目前社会中的应用情况。利用简析图像挖掘技术的基本原理分析其数据模型,探讨其所具备的基本功能以及在车辆目标识别上的应用和方法。总结出图像挖掘技术对图像中所存在信息的完全解读,挖掘图像中存在的隐形关联,而且随着图像挖掘技术的不断改进,其目标识别的功能可以应用到车辆管理模式当中。通过实验表明,此方法可以对目标图像中车辆数量和种类的辨识度达到80%以上。     

语音情感识别中的特征选择方法

为了解决传统卷积神经网络在识别中文语音时预测错误率较高、泛化性能弱的问题,首先以深度卷积神经网络(DCNN)-连接时序分类(CTC)为研究对象,深入分析了不同卷积层、池化层以及全连接层的组合对其性能的影响;其次,在上述模型的基础上,提出了多路卷积神经网络(MCNN)-连接时序分类(CTC),并联合SENet提出了深度SE-MCNN-CTC声学模型,该模型融合了MCNN与SENet的优势,既能加强卷积神经网络的深层信息的传递、避免梯度问题,又可以对提取的特征图进行自适应重标定。最终实验结果表明:SE-MCNN-CTC相较于DCNN-CTC错误率相对降低13.51%,模型最终的错误率达22.21%;算法改进后的声学模型可以有效地提升泛化性能。     

Automatic recognition and evaluation of micro-contaminant particles on ultra-smooth optical substrates using image analysis method

Micro-contaminant particles on surface of optical substrate have unfavorable influence on light characteristics and instability of optical devices. Proper recognition and evaluation of micro-contaminant particles on post-cleaning substrate are important in fabricating high-performance optical substrates. Based on image analysis and difference of gray scale threshold in image zones, this paper presents a technique for automatically recognizing micro-contamination, and the relevant software developed for on-line evaluation of the level of cleanliness on ultra-smooth optical substrate. Using the self-developed software incorporating high-resolution microscope, optical yttrium iron garnet (YIG) and K8 substrate surfaces of post-chemical mechanical polishing (CMP) were investigated. Results from analyzing the YIG and K8 optical substrates before-and-after laser cleaning illustrated the success of the developed automatic recognition and on-line evaluation system in identifying the micro-contaminant particles on the ultra-smooth substrate surface.