共查询到10条相似文献,搜索用时 15 毫秒
1.
融合多种特征的烟雾图像检测算法 总被引:3,自引:0,他引:3
提出了一种融合烟雾模糊、扩散、主方向角等多种特征的烟雾检测算法。首先对图像进行运动区域提取,在对图像进行二维离散小波变换和四元数小波变换的基础上,获得了运动区域的背景模糊模型和光流场;然后再根据光流场的相位信息,计算出光流相位分布向量和主方向角;最后依据联合判别准则对背景模糊模型、光流相位分布向量和主方向角进行判别,从而判断出运动区域是否为烟雾。实验结果表明,与利用单一特征检测烟雾的算法相比,所提出的算法有效地提高了烟雾的识别率。 相似文献
2.
基于Z变换的匀速直线运动模糊图像的快速恢复 总被引:4,自引:0,他引:4
从离散直观理念分析了运动模糊图像的产生机理,通过Z变换方法,建立了任意方向匀速直线运动模糊的退化模型和恢复模型。通过模拟试验,验证了方法的正确性、有效性和快速性。 相似文献
3.
针对现有模糊方向鉴别算法检测小尺度运动模糊图像存在误差的问题,基于运动模糊图像二次傅里叶变换后的频谱特性,分析了其误差成因,并提出了一种适用于小尺度运动模糊图像模糊方向鉴别的新算法。首先对小尺度运动模糊图像的频谱进行细化,通过中值滤波对细化图像去噪,避开了频谱噪声带来的估计误差问题;其次,选取灰度中值作为阈值进行二值化,同时去除二值图像的中心十字亮线和中心亮斑,使模糊方向特征更加明显;然后用投影变换计算出亮条纹方向得到小尺度模糊图像的方向估计。最后通过仿真验证了算法在运动模糊尺度为3~10像素的小尺度情况下的实效性。实验结果表明,该算法相比其他同类算法对于小尺度运动模糊图像的模糊方向估计精度更高。 相似文献
4.
5.
运动与离焦模糊图像的复原 总被引:4,自引:0,他引:4
在运动和离焦所引起的图像模糊的情况中,本文提出了一种新的基于霍夫变换区分离焦模糊和运动模糊两类模糊的方法.该方法通过比较霍夫变换矩阵中的亮点数来区分两类模糊,不仅正确率达到100%,而且抗干扰性能好;其次通过对运动模糊图像做两次方向微分,估计其模糊方向,提高了模糊方向的估计准确度;最后利用改进的Prewiit算子和费米函数计算模糊图像的刃边函数,进而得到图像的调制传递函数,再利用维纳滤波复原图像.实验结果表明:本文算法不仅具有有效性和强抗噪音能力,而且对图像的信噪比要求可以低到20 dB;与传统算法相比,提高了图像的复原质量. 相似文献
6.
《光学技术》2015,(4)
实现运动模糊图像恢复的关键是获得准确的点扩散函数(point spread function,PSF)。针对PSF的模糊尺度和模糊方向这两个重要参数,提出了一种基于图像频谱全局均值标准差的估计方法。通过研究运动模糊图像的产生机理,分析了二次傅里叶变换的频谱特性,利用全局均值标准差法对频谱图进行阈值分割,结合中心点和端点的坐标距离来估计模糊尺度,运用Radon变换鉴别模糊方向,实现了PSF参数的确定。进行了标准图像阈值分割准确度的验证,利用仿真模糊图像估计算法进行了验证,并进行了实际复原实验。结果表明,该方法具有误差小、稳定性高和不受运动方向限制的特点,为图像恢复提供了一种准确、简便的参数估计方法。 相似文献
7.
8.
为了对视频序列中的运动目标进行快速、准确地提取,提出了一种自适应背景模型估计方法.利用背景与前景图像在时域中不同的变化特性,构造图像的稳定矩阵函数,通过稳定矩阵元素的变化自动区分背景点和前景点,并对稳定矩阵设置上、下饱和值,使算法能在短时间内自动感知背景的突变,从而快速地建立背景图像模型并对其实时更新.同时还分析了动态图像序列的配准问题,选取局部特征模板图像,采用投影匹配原理简化计算,快速估计出全局运动矢量.实验证明,背景估计算法收敛速度快,只需10 frame图像即可建立稳定背景,对于500 pixel×200 pixel动态图像序列,整个算法时间只需35 ms,完全满足工程上25 frame/s处理能力的要求. 相似文献
9.
基于TV正则化和局部约束的遥感图像恢复 总被引:3,自引:1,他引:2
阐述了基于总变分理论和基于像元亮度局部约束的退化图像恢复算法,为利用二者的优点获得更好的恢复效果.把总变分方法和局部约束方法结合在一起,提出了一种新的混合恢复算法.对最小二乘问题进行总变分正则化约束,形成迭代公式,在迭代过程中对所获得的结果利用局部均值和局部方差进行局部约束.实验中对退化的遥感图像分别用总变分约束方法恢复和本文提出的方法进行恢复,结果表明,该方法具有良好的图像恢复能力,图像恢复效果有了明显的提高. 相似文献
10.
针对复杂背景下钢索图像难以准确分割的问题,提出一种基于纹理分析的钢索图像分割与边界识别方法.采用基于模糊Hough变换的纹理方向检测方法确定钢索走向,利用边缘方向密度直方图作为纹理特征,对与钢索纹理方向相应的边缘方向赋予不同权重,抑制纹理分割中背景的干扰,对钢丝绳图像进行聚类分割,采用检测平行直线的方法确定其边界,并根据算法参量对边界进行修正.在实验中,对比了边缘方向密度直方图特征与灰度共生矩阵、局部二值模式在钢索图像纹理分割中的结果与计算时间,结果表明边缘方向密度直方图特征计算速度快、受背景干扰小,分割准确率高.本文方法无须预先训练,受背景干扰小,可以准确地识别出钢索并确定其边界,能满足钢丝绳视觉检测的要求. 相似文献