基于舰船打靶目标中检焦值模型的设计与分析

随着数字图像处理技术的发展,望远镜跟踪系统已发展成为数字成像系统,基于数字图像处理的自动调焦法也被引用到跟踪望远镜系统。常规方法是通过采集图像的质量来判断目标物体所成的像是否在要求的像平面上,从而驱动镜头或反射镜对离焦量进行补偿。它是一种被动式调焦方法,具有不依赖测距信息等优点,能够同时对距离变化以及温度的变化所造成的离焦进行补偿。为了提高系统的调焦精度,论文将图像调焦与距离调焦相结合,从而使跟踪望远镜系统的成像更为清晰。     

灰度成像扩展目标跟踪直方图匹配修正方法

针对灰度扩展目标色彩信息不丰富,目标和背景存在重叠这一系列特点,使跟踪点发生漂移的问题,提出了基于均值偏移直方图匹配修正扩展目标跟踪算法。以基于像素位置和像素灰度值的直方图模式作为目标模式;相似度度量采用Bhattacharyya系数定义的距离;用均值偏移迭代进行匹配区域搜索;采用直方图匹配系数进行修正。通过建立卡尔曼预测跟踪策略解决目标被遮挡时的跟踪问题。试验结果表明,采用该算法,跟踪点漂移由原来几十个像素的波动减少到偶有1个像素的抖动。     

基于数学形态学的差分图像目标检测算法研究

针对舰船运动目标跟踪瞄准中,目标受背景影响比较严重这一问题,文章提出将通过运动补偿实现图像的配准后的图像,通过差分运算,以及利用多帧差分图像序列,获得平均差分图像,从而提高信噪比,系统设计为了减小噪声点对目标检测的干扰,利用自适应阈值对差分图像二值化,对二值化后的图像用形态学处理消除噪声斑点,最后通过连通区域像素个数统计判决,进一步去除伪目标,最终检测出目标,通过实验验证该方法是有效可行的。     

均值偏移算法在扩展目标跟踪技术上分析

目标跟踪技术是现代科技的一项重要技术,是计算机视觉技术领域的一项极其重要的课题。它的发展将直接推动智能科技的发展。均值偏移算法是目标跟踪的一个极其重要的计算方法,它以其独有的抗尺度变化、旋转变化、人工干预系数少,在现代目标跟踪领域表现着极其重要的作用。但是并不是所有的跟踪技术它对其都能达到很好的效果。为此,文章从实际工程学角度分析了该算法,并通过两组跟踪实例来指出该算法的优势与不足之处。指出该算法的直接利用之处和修改后间接利用的方向。     

基于多尺度逼近图像增强技术研究

图像的多尺度分析是对图像进行自底向上的分解,每一层图像均是前一层图像经过某种模板滤波形成的,在大尺度下图像分辨力高,小尺度下分辨力低。为了解决在低对比度下含小目标图像,占绝大部分的均值快变、方差缓变的背景等问题。论文提出采用灰度值插值方法构造图像的多尺度空间,该方法最终可以输出是一个均匀的,能够代表原图像均值的图像。     

基于改进BP算法的语音车牌识别系统

交通管理系统信息化、智能化的快速发展,对车牌识别的速度要求越来越高,性能更加完善。针对此,论文通过算法改进,增加语言播报功能,设计了基于Matlab仿真实现的语言车牌识别优化系统。该系统通过改进Otsu伪二值算法,快速的提升处理速度;基于行扫描灰度跳变分析的车牌定位,综合了基于纹理特征分析和基于边缘检测分析方法的特点,具有速度快和准确性高的优点;改进BP算法,提高网络训练的精度,神经元的训练速度,同时避免落入局部极小值点。实验结果证明,对随机拍摄的300幅车辆图像进行测试,识别准确率高于98%以上,系统能精准实现自然光环境下的车牌定位校正、分割和识别,识别结果通过语音播报,系统具有优秀的前瞻性和人机交互性。