一种基于场景分析的建筑图像水平自适应调整方法

建筑图像是一类经常会在电视节目中出现的内容.摄像机非水平位置拍摄建筑物会影响建筑图像画面的美感.建筑类自然场景图像倾斜自动调整,其技术核心在于如何检测出图像拍摄时的水平倾斜角.针对建筑图像的自适应水平调整要求,基于成角透视原理,利用建筑的轮廓线,通过边缘检测及霍夫变换提取出主要偏向水平直线的参数,基于直线参数方程得到平行线的透视消失点,再利用建筑物的两个水平消失点估计得到成像倾角,最后通过图像旋转变换得到调整后的图像,相关实验结果验证了所提方法的有效性.     

远距红外图像中桥梁目标识别方法研究

本文针对远距红外图像中桥梁目标的各种特性，提出了一种基于知识的桥梁目标识别方法，完成了远距成像中弱目标的检测，提出了桥梁目标识别的快速算法，在实验中取得了很好的识别效果。     

基于三维激光点云的运动图像动态目标识别方法

当前的动态目标识别方法在场景复杂的图像中,因为无法采集足够多的特征信息,导致识别结果应用性受限。基于三维激光点云提出一种运动图像动态目标识别方法。利用三维扫描系统获取运动点云图像特征,在不影响有效信息采集的情况下,进行图像预处理;引入地平面方程,将图像背景点云与被识别目标点云通过欧式聚类法分割,提取处理后的被识别目标关键点,并采用Freeman链码检测边缘特征,完成运动图像动态目标识别。试验对比结果表明,所研究基于三维激光点云的运动图像动态目标识别方法,对动态目标有良好的鉴别能力及较好的识别精度,且所需动态目标识别时间较短。     

基于形态小波变换的红外图像目标检测方法

文中提出了一种基于形态小波变换的海空背景下受强杂波、噪声污染的红外图像目标 检测算法。算法利用了小波变换的多分辨率、多尺度特性,将要检测的图像分解到不同频率的多个尺度上,再采用形态学的背景估计和形态滤波技术,对分解后的子图像进行处理、小波重构。仿真实验表明,该算法可较强的抑制云层、海浪以及海天线的强杂波背景和强噪声的干扰,可检测出信杂比(SCR) 为2 的目标,适用于舰载红外警戒系统。     

多视角红外图像目标识别方法

随着红外传感器的性能提升和应用普及,获取同一场景下同一目标的多视角图像成为可能。为此,提出联合多视角红外图像的目标识别方法。首先对多视角红外图像进行聚类分析,获取多个视角子集。在每个视角子集中,红外图像具有较强的相关性。对于不同的视角子集,它们相对独立。为充分利用这种相关性和独立性,采用联合稀疏表示（JSR）对单个视角子集进行决策。特别地,对于只包含一个视角的子集,则直接采用经典的稀疏表示分类（SRC）进行处理。对于不同视角子集获取的决策结果,基于线性加权的思想进行融合处理,并根据融合后的决策变量判决多视角红外图像所属的目标类别。因此,所提方法在分析多视角红外图像内在关联性的基础上,分别对局部相关性和整体的独立性进行考察,并通过决策层的融合将两者融为一体,提高了最终决策的可靠性。实验中,在采集的多类交通车辆红外图像上进行识别,分别在原始图像、加噪声图像以及部分遮挡图像上对方法进行测试和验证,经过对比分析验证了提出方法的有效性。     

红外图像序列中运动弱小目标检测的方法研究

研究在红外图像序列中检测运动弱小目标的方法.首先通过高通或形态学滤波进行图像预处理,进一步用似然比检测分割出候选目标,考虑到环境干扰造成的目标在某一帧暂时消失的情况,提出了利用目标运动特征通过选择合适的邻域判决条件并结合图像流分析提取运动弱小目标的一种方法.模拟实验表明该方法能够准确高效地检测出运动弱小目标.     

基于光流方程和目标匹配的视频图像目标跟踪方法

提出一种利用图像差分、局部光流法和目标匹配,实现视频对象目标提取和跟踪的方法.首先,对预处理后的图像进行差分;在差分的基础上,运用局部光流场对目标进行运动估计;对估计结果依据相似度进行聚类分析,消除小的非目标区域;当目标未发生剧烈变化时,更新目标模板,否则,利用已有目标模板进行匹配跟踪.实验结果验证了该算法的有效性,并实现了目标变形和部分遮挡时的稳定跟踪.     

基于纹理特征和数学形态学的SAR图像目标检测方法

SAR图像目标检测是SAR图像解译的基础。针对含有目标的SAR图像,利用垂直方向的边缘纹理检测方法对预处理后的图像进行垂直边缘检测,再运用数学形态学中的腐蚀运算和膨胀运算对垂直方向边缘图进行虚警滤除处理,从而得到感兴趣的目标检测区域。详细地给出了SAR图像目标检测步骤,并将本方法与其他方法的检测结果进行了比较,实验结果表明,在均匀杂波背景与非均匀杂波背景下,该方法能够快速有效地实现SAR图像目标检测。     

基于灰关联的红外目标识别方法

针对红外目标类型识别问题,提出了一种基于灰关联分析的红外目标识别算法.该算法在对红外图像进行边缘检测后,提取目标的奇异值特征作为关联参数,通过比较特征参数的灰关联值实现目标识别.该算法根据目标各个特征指标稳定性的不同,采用了一种灰关联加权系数的方法,仿真实验验证了该方法在红外目标识别问题上的有效性,并对目标旋转和平移有一定的适应能力.     

基于分类器决策融合的红外图像目标识别方法

提出基于分类器决策融合的红外图像目标识别问题。采用稀疏表示分类（Sparse representation-based classification,SRC）和卷积神经网络（Convolutional neural network,CNN）作为基础分类器。对于测试样本,首先基于SRC进行分类,并根据输出的决策变量判断决策可靠性。当判定识别结果可靠时,则识别过程结束,输出目标类别。反之,根据SRC的结果遴选部分置信度较高的候选类别,并在下一阶段针对这一步类别采用CNN进行确认分类。此外,将CNN的输出结果与SRC进行线性加权融合处理,根据融合结果做出最后的目标类别决策。提出方法通过综合SRC和CNN两者分类器的优点,综合提升红外目标识别性能。同时,这种层次化的决策融合方式避免了对所有样本的两次分类过程,整体上能够保证识别算法的效率。实验采用五类日常生活中常见的车辆目标红外图像进行,分别设置了原始样本条件、噪声样本条件以及遮挡样本条件。通过与部分现有方法进行对比,结果反映了提出方法的有效性和可靠性。     

SDN security control and forwarding method based on cipher identification

Aimed at the limited matching fields and the lack of effective data source authentication mechanism in the software defined networking (SDN),a SDN security control forwarding method based on cipher identification was proposed.First,the cipher identification was generated according to the user identity,file attributes or business content and other characteristics,and the data stream was marked by the cipher identification and signed with the private key based on the cipher identification.Then,when the data stream entered and left the network,the forwarding device verified its signature to ensure the authenticity of the data.At the same time,the cipher identification was designed as a matching item recognized by the forwarding device,and the network forwarding behavior was defined based on the cipher identification,so a fine-grained network control capability could be formed based on people,things,and business flow.Finally,the validity of the method is verified by experimental analysis.     

视频图像中的运动目标检测

运动目标检测,是指从视频图像中将运动变化区域提取出来的检测技术,是图像处理技术的基础。在军事公安、交通管理、视频监控、医学检查等领域应用广泛。为了改进单独采用帧差法或背景减法进行运动目标检测时存在的不足,本文提出一种利用边缘信息的三帧差法与基于混合高斯模型的背景减法相结合的运动目标检测算法。该方法对视频图像中连续的三帧图像两两差分,对3个差分图像取均值,二值化,再经过形态学处理,并对中间帧进行Canny边缘提取,将二者进行"与"运算,即得到运动目标的边缘,用背景减法提取中间帧的前景,二值化,将其和目标的边缘进行"或"运算,经过形态学处理便可得到运动目标。实验结果表明,使用该方法目标检出率提高了9.7%~72.1%,误检率降低了0.090%~2.900%。这种二者相结合的方法相对于单一的检测算法能够有效、可靠地提取出运动目标。     

基于时空的弱点状运动目标检测技术

如何在复杂背景下持续有效地检测目标位置,一直是研究者们需要面对的主要挑战。本文在研究红外点状移动目标特征的基础上,根据目标无纹理,无形状的特性,提出一种改进的形态学目标增强算法,并利用目标连续时空不变性检测目标。首先,建立多尺度的图像金字塔,在每层上采用改进的形态学算法快速、粗糙定位小目标。然后进一步的根据目标在时空上的位置相关性,提出基于目标运动特征分析的精确检测方法。得到精确稳定的检测结果。最后实验结果表明与经典的形态学检测算法及其他算法相比,该技术能更有效地检测弱小目标,具有更高的鲁棒性。     

改进的Hough变换在PCB实时初检中应用

在图像处理和计算机视觉中，Hough变换是一种应用非常广泛的图像边缘检测技术．针对传统H0ugh变换算法所需的存储容量大、计算量大、速度慢、效率低，实时应用性差的同题，本论文运用了一种改进的Hough变换方法，分两步来完成目检测同题中的图心定位和半径测定，并通过针对PCB在线检测的具体应用情况加以改进并应用，进一步有效地减少存储容量，提高运行效率。实验证明算法满足PCB在线检测的实时性。     

基于改进的圆Hough变换在图像测距中的实现

基于机器视觉的测距系统已成为铁路、公路交通管理系统的研究热点.结合图像的色彩空间的不同特性,进行适当的变换从而实现目标图形的定位及检测.首先利用图像增强的方法将检测出的图像进行边缘增强,并通过基于圆斜率特性的改进圆Hough变换进行图像中目标图形的特征提取,之后根据已检测出的目标物体的边界,利用统计像素点计算面积的方法计算出目标物体的面积,最后依据计算出的目标图形面积的大小实现目标物体的距离测量.     

基于空间矩的视觉图像基元特征提取方法研究

建立了三级灰度图像边缘模型的空间矩算子。首先利用LOG(Laplacian of Gaussian)算子定位速度快的特点,确定图像像素级边缘;然后在包含边缘点的邻域内利用空间矩进行边缘的亚像素定位,由Hough变换提取直线和椭圆边缘像素点;最后采用基于最小二乘原理的直线拟合边缘提取方法,得到亚像素级被检测直线和椭圆。对空间矩算子亚像素定位算法与像面直线和椭圆亚像素提取算法的有效性和精度进行了实验研究,实验结果表明,在测量速度相当的情况下,本文提出的算法具有较高的精度和稳定性。     

复杂背景下圆孔半径及圆心的图像检测方法

针对刷子插毛生产线的现实问题,本文给出了一种在复杂背景下圆孔的半径和圆心的图像检测方法。首先,根据扫描过程中角度不绝对垂直以及背景木板条纹大小和方向的不确定性,采用图像增强方法提高了对比度;然后,用边缘点检测方法来确定目标范围,用数学形态学的方法提取目标;最后,用平均误差的算法提高精度。使用本方法,可以用图像检测代替用手工标尺的测量。实验结果表明:相对于传统检测方法,本文的方法定位效果好,提取目标效果佳,具有进一步提高目标检测精度的潜力。     

一种基于局域亮度极大的环栅激光图像边缘检测

针对无衍射激光图像特点,提出了一种由亮环确定图像中心的方法.利用局域亮度最大原理,提取亮环屋脊边缘点;对各个亮环边缘点用最小二乘法拟合圆心,取拟合残差最小的亮环的圆心作为整幅图像中心.该方法运算速度快,对图像无需二值处理,避免了阈值选取不当对图像边缘位置的影响,可以自适应地利用周围像素亮度值来确定图像边缘.该方法已应用到船舶的同轴度检测,获得了很好的结果.     

基于复杂天气条件的车牌图像定位方法研究

针对雨天、雾霾天等复杂天气条件,提出了一种车牌定位方法.首先采用CLAHE方法进行图像增强并控制噪声放大,利用维纳滤波去除非周期噪声.通过对雨天图像频域特征进行分析,设计出一种新的利用频域掩模滤除雨水条纹的方法.最后结合边缘检测与形态学运算,提取车牌区域,并利用Radon变换进行倾斜校正.实验证明,文中提出的车牌定位算法适于复杂天气情况下车辆图像的定位,定位准确率达到96％,具有一定的实用价值.     

海空背景下红外点目标检测算法

提出了一种基于灰度形态学的海空背景下的红外点目标检测算法。该算法三步：第一步,对原始序列图像进行了膨胀后累加,以提高信噪比（SNR）;第二步,对原始序列图像进行形态学滤波,去掉噪声和目标以提取出背景;第三步,前两步结果相减,自适应阈值后即可得到点目标,用实际摄取的图像进行实验,结果表明该算法能检测出信杂比（SCR0为1的红外图像。