基于能量特征和神经网络的纹理图像分割

特征是描述纹理根本属性的一种有效手段,本文结合Gabor滤波器对不同频率和方向的选择特性及自组织特征映射神经网络对特征聚类的适应性和灵活性,提出了一种新的纹理图像分割方法。该方法首先通过Gabor滤波器提取纹理图像的能量特征,然后运用自组织特征映射神经网络进行特征聚类和分类,实现纹理图像的分割。仿真结果证明,该方法能有效地分割出区域特性不同的纹理,且错分率低于共生矩阵和K均值聚类相结合的分割方法。     

基于支持向量域描述的铁路绝缘子污秽度异常检测分析

为实现对铁路绝缘子污秽度的在线检测,提出一种基于支持向量数据描述和图像信息的污秽度异常检测方法。以人工涂污实验获得的绝缘子图像为基础,通过最大类间方差法分割图像得到绝缘子的盘面区域,计算颜色及纹理空间的特征,并利用核主元分析方法对特征向量进行融合与降维,最后通过支持向量数据描述方法实现污秽度的异常检测。结果表明,该方法可有效降低绝缘子污秽度的异常检测过程中的漏警率和虚警率,满足实际工作需求。     

基于线阵CCD图像纹理特征的铁路货车货物分割算法研究

利用线阵CCD摄像头采集到的货车货物装载图像,提出一种经过改进的货车货物分割方法。首先,利用优化后的多尺度Retinex(MSR)算法对图像进行增强预处理,然后使用自适应单通道种子选取算法(APSS)获得图像中灰度Gabor纹理特征分布中心点的初始值,并用K-Means算法进行图像兴趣区域的分割,在此基础上利用邻域特征对图像中的兴趣区域进行重新合并,得到最终的分割结果。实验表明,该方法能提高图像中不同区域的分割精度,有较强的抗噪性,还减少了图像分割中的迭代次数,降低了计算复杂度,可以广泛应用到自然环境中车辆图像的分割。在基于线阵CCD铁路货运安全监控系统中货物检查的实际应用中,该方法的货物分割错误率较低,保证了检测系统的问题识别准确率。     

一种钢轨裂纹红外图像处理算法研究

针对钢轨裂纹红外图像信噪比低、对比度低和纹理细节模糊的特点,提出了一种涉及降噪、目标细节增强和区域分割等的红外图像综合处理算法。首先,通过自适应均值滤波除去钢轨裂纹红外图像的部分噪声;其次,采用非线性非子采样Contourlet变换(Nonsubsampled Contourlet Transform,NSCT)对裂纹图像进行增强处理;最后,利用改进的最大类间方差法实现图像中目标裂纹区域的分割。实验结果表明,本文算法在有效地抑制噪声,提高图像对比度的基础上,能突显裂纹细节纹理,同时降低细节分割丢失,为后续图像信息处理奠定了必要的基础。     

一种基于Radon变换和双谱分析的纹理旋转不变性分析方法

现有纹理旋转不变分析方法主要基于纹理图像局部特征,而且对噪声较为敏感.本文提出一种基于Ra-don变换和双谱分析的纹理旋转不变分析方法.该方法对纹理图像进行Radon变换,在Radon投影空间进行双谱分析实现纹理旋转不变识别与旋转角度估计.由于Radon变换是对图像不同方向的线积分,所以基于Radon投影空间的纹理特征具有全局特性,而且对白噪声具有一定的抑制作用.均值为零的高斯过程其双谱为零,所以此方法对高斯噪声也有抑制作用.本方法的特征向量长度很短,降低了分类器训练和识别的复杂度.实验采用Brodatz纹理集,结果表明:该方法具有较高的识别率,能够较为精确地计算纹理的旋转角度,而且对噪声的鲁棒性强.     

纹理对比度导向的图像自适应压缩感知测量方法

压缩感知以部分随机变换代替全变换,仍可确保图像的高精度复原,可用于铁路系统中无线监控终端实现低复杂图像编码。传统图像压缩感知以相同的测量率实施分块测量,而由于分块稀疏度不同,常导致重建图像具有块效应,无法确保良好的率失真性能。为了解决该问题,本文提出利用图像纹理特征引导图像压缩感知,在感知端实施自适应测量。利用像素八连通区域内的最大梯度度量各像素的纹理变化程度,生成纹理特征图,利用纹理特征图计算各块纹理对比度,并以此为依据自适应设定各块的测量率,以块纹理对比度加权图像重建模型的目的函数,集中优化纹理细节的区域。实验结果表明,与由块方差、边缘特征主导的自适应测量方法相比,本文所提算法可确保较好的重建图像主观视觉质量,且率失真性能优于传统压缩感知重建算法。     

基于二维相关性的图像分割及快速递推算法

基于二维直方图提出了二维相关性的阈值分割算法。首先,通过邻域平均得到原始图像的平滑图像,由原始图像和平滑图像构造二维直方图,然后根据相关性最大准则选择最佳的二维阈值向量。由于该方法同时考虑了图像像素的灰度信息及其空间邻域信息,与一维阈值相比能得到更好的分割效果。同时为降低二维阈值算法的复杂性,提出了快速递推算法。该算法将二维相关性的计算写成递推形式,减少了大量的重复计算,使得算法的复杂性从O(L4)降低到O(L2),计算时间大为减少,有利于该算法的实时应用。     

多通道Gabor相位特征在人脸识别中的应用

提出一种基于Gabor相位特征的多通道组合模型人脸识别方法.该算法对各方向上的Gabor相位特征采用双向二维主元分析进行维数约简,然后组合各方向上约简后的特征而构建最终人脸模板.算法主要包括4个步骤:(1)通过Gabor滤波器组与人脸原始灰度图像的卷积来提取不同尺度和不同方向的人脸相位特征;(2)双向二维主成分分析对人...     

基于等照度线平滑的NSCT图像修复算法

为提高对纹理信息和平坦与平滑过渡区域的修复效果,提出一种基于等照度线平滑的非下采样contourlet变换(NSCT)图像修复算法.利用NSCT能较好地稀疏表示图像的结构、纹理及边缘信息等特性,将其作为稀疏重构的字典实现稀疏修复破损图像.为消除平坦及平滑过渡区域的破损痕迹,根据估计出的破损点的等照度线方向,自适应选取平滑模板修正该破损点的像素值,以更好地保持等照度线的光滑连续.实验结果表明:本文算法具有较好的修复效果,保持了纹理清晰、结构连通及平坦与平滑区域的良好过渡.     

基于改进SIFT算法的无人机倾斜影像匹配研究

铁路无人机倾斜影像具有数据量大,覆盖地物类型多等特点,且像片间具有不同的倾角与旋角,给影像匹配造成较大困难。为解决利用原始SIFT算法进行无人机倾斜影像匹配时复杂程度高、计算效率低等问题,在原始SIFT算法的基础上进行改进,提出一种减小图像尺度空间与降低特征描述符维度相结合的方法,即将尺度空间固定为2,将特征描述符维度由128降低到64(使用python语言实现)。研究结果表明,采用改进SIFT算法后,正确率有所提升,用时较之前减少50%。因此,提出的改进算法可有效解决无人机倾斜影像间的匹配问题,可在确保正确率的前提下大幅提升计算效率。     

一种新的基于区域的图像相似性计算

为克服基于内容的图像检索(CBIR)技术中低层视觉特征无法准确地描述高层语义的问题,近年来提出的基于区域的图像检索(RBIR)技术是一种行之有效的方法。在基于区域的图像检索中,图像之间的相似性度量是影响检索结果的关键技术之一。本文提出一种新的基于区域的图像相似性的计算方法,该方法首先对图像进行区域分割,然后采用有别于传统距离度量的非线性高斯距离度量方法来计算区域对之间的相似性,实验表明该距离度量具有更好的度量性能。为了更好地接近于人对图像的理解,减小语义鸿沟,本文提出应用模糊集合理论表达区域对之间匹配的不确定性,在此基础上实现图像之间的相似性度量。最后在Corel自然图像库上对本文提出的算法进行了实验,分别与SIMPLIcity系统的IRM和UFM方法进行了比较,结果表明了本文算法的高效性。     

一种特征库可更新的相关反馈图像检索方法

相关反馈方法是对基于内容图像检索系统的有效改进,它将人类视觉特性逐步引入检索过程,有效地减小了图像低层特征表示与图像语义理解之间的差异。但传统的相关反馈算法存在反馈次数多,且无法积累用户反馈信息等缺点。本文针对这些缺点,在相关反馈图像检索系统中引入了可更新特征库。即在原始特征索引库的基础之上引入了一个用户可修改的特征索引库,系统可以将用户多次反馈的信息逐步嵌入到这个特征索引库中。与此同时,我们提出了一种基于多分辨率分析的彩色图像纹理特征描述方法,并将其用于特征库的构建中。我们在一个含有10000幅图像的图像库上所做的测试结果表明:与Illinois大学的MARS系统相比[1],本系统可明显提高系统检索准确率和相关反馈的收敛速度。     

图像处理技术在钢轨表面缺陷检测和分类中的应用

采用图像处理、模式识别及机器视觉等理论,对现役钢轨缺陷进行检测和分类.完成自动提取缺陷图像和最小化缺陷图像,以减少处理量并降低存储空间需求,自动判断缺陷类别.文章对采集到的缺陷图像进行处理,实验结果证明该方法能够正确实现检测轨道表面缺陷检测,并具有一定的适用性.此方法可以克服人工检测方法的许多弊端,提高检测速度和精度.     

鲁棒实时钢轨表面擦伤检测算法研究

应用图像处理和模式识别技术,分析高速线阵扫描相机采集的钢轨数字图像,提出鲁棒实时的钢轨表面擦伤检测算法。这种算法首先分析采集图像在垂直方向的投影曲线,提取准确钢轨图像;之后,借鉴人类视觉对比度感知机理,将钢轨灰度图转换为灰度对比图,并基于最大熵原理进行二值化处理,分割出可疑擦伤区域;然后根据经验知识判定钢轨表面的可疑擦伤。实验验证表明:新算法的检测性能高,平均准确率为90.7%,平均漏检率为3.95%;检测速度快,平均检测时间不超过40 ms。     

基于语音特征迁移学习的驾驶疲劳检测

针对现有方法在实际应用时的标记样本稀缺与测试样本数据分布偏移等问题,提出一种基于语音特征迁移学习的驾驶疲劳检测方法。通过基于迁移学习的特征空间变换,对源领域有标记样本与目标域无标记样本数据间的边缘分布、条件分布、流形结构进行联合适配及降维处理,以解决样本数据分布偏移和特征维度过高的问题。以半监督学习的方式来迭代优化目标域样本的伪标记,并据此不断更新特征变换方式和迁移分类器,进而提高疲劳检测模型的精度和泛化能力。通过实验将本文方法与现有常用的监督学习、半监督学习和迁移学习等方法进行对比。结果表明,在测试时间、应用场景和被试个体均发生变化的情况下,本文所提方法的驾驶疲劳检测效果显著优于现有方法,正确率最高达到86.7%,具有实际应用价值。     

基于SIFT的高速列车车顶瓷瓶识别方法

针对高速列车车顶瓷瓶定位,研究了一种基于SIFT的瓷瓶定位方法.首先分别提取瓷瓶图像和瓷瓶样本库中适应尺度变化的不变特征点,然后通过关键点的欧氏距离匹配特征点,最后得到瓷瓶特征点,正确定位瓷瓶.试验结果表明:该方法能准确定位瓷瓶,并提高了定位瓷瓶的速度.     

基于小波分析和SVM的主变流器故障诊断

针对电力机车主变流器的故障,提出基于小波分析和支持向量机(SVM)的故障诊断方法.首先,运用小波包对特征信号进行分解和重构,然后提取各频带的能量,将得到的能量值构造为特征向量,最后把特征向量输入到支持向量机,进行故障诊断.MATLAB仿真结果表明,该方法能够准确地对故障进行诊断.