基于矩不变量的图像目标识别

形状识别在计算机视觉中具有十分重要的意义,理论上矩不变量特征在图像平移、伸缩、旋转时均保持不变.文中提供了针对光学图像上的飞机、汽车目标识别方法的研究,此方法的特点是采用五个不变矩的指数和两个二阶矩为特征,采取直接根据特征值范围进行分类的方式,对18种类型飞机的235幅图片和2种类型汽车的13幅图片进行了识别,识别准确率达到了94%.     

基于Hilbert-Huang变换的车轮扁疤识别方法(英文)

建立了56自由度车辆动力学模型和车轮扁疤模型,计算了车辆的动态响应,采用HHT时频分析方法研究了扁疤冲击引起的轴箱振动的HHT谱特征,对比了车轮扁疤和车轮不圆的HHT谱特征之间的差异,并分析了车辆运行速度和轨道激励对扁疤冲击振动的HHT谱的影响。分析结果表明:健康车轮轴箱加速度的HHT谱呈现均匀分布,带有扁疤车轮的轴箱加速度的HHT谱呈现纵向条带分布,条带间隔与车速成反比,车轮不圆的轴箱加速度呈现横向条带分布,故根据轴箱加速度的HHT谱特征可以识别扁疤车轮。在京津线、国内既有线和美国三级谱上,最低可辨识频率分别为30、50、80Hz。车辆运行速度在150km.h-1以下时辨识频段取为40～100Hz,车辆运行速度在150km.h-1以上时辨识频段应加宽至200Hz。     

形态小波变换在轴承故障信号处理中的应用

基于数学形态学的形态小波变换是对信号基于形态特征的非线性分解，选取合适的信号分解算子既能够抑制噪声，又能够提取信号中的冲击成分。形态小波变换只有加减法和取极大、极小运算，与通用的时频分析方法相比计算简单。仿真数据和实验信号的分析表明：形态小波变换能够准确有效地提取轴承故障的特征频率成分，适用于轴承故障的在线诊断。     

基于霍夫变换的全景图中建筑物识别方法

提出了一种能够自动识别全景图中建筑物轮廓的方法.首先利用Canny算子获得边缘图像,使用霍夫变换算法提取出边缘图像中的直线.然后检测各条直线之间的位置关系,由于全景图尺寸较大,采用了局部化原理来进行检测.再根据直线之间的位置关系生成直线关系图.最后遍历直线关系图得到封闭几何图形,从而识别出大规模全景图中的建筑物轮廓,为进一步的全景图中建筑物三维建模提供素材.算法分析和实验结果表明,该方法对于几何形状规则的建筑物能够较好的识别.     

基于改进Hough变换的手写信函书写钱去除方法

在文本识别预处理中,书写线的去除是一重要工作。采用标准Ｈｏｕｇｈ变换的主要缺点在于它需要的存储空间量大和计算时间长。提出了改进Ｈｏｕｇｈ变换,通过空间复用减少了空间要求和重复运算,加快了计算速度,并结合实际,通过限定角度搜索范围和提取特征点,使用Ｈｏｕｇｈ变换对书写线的检测精度和速度达到了实用的要求。     

基于小波变换自适应数字图像水印算法

阐述了图像数字水印和小波变换的基本原理,通过对小波基、分解级数、小波系数选择及人类视觉掩蔽特性等的分析,提出了一种基于小波变换自适应图像数字水印算法．通过剪切、加噪、滤波、锐化、模糊等几种常用攻击技术对算法进行了测试,实验结果表明该算法具有较强的鲁棒性．     

基于小波变换的边缘提取及特性分析

提出一种小波变换进行图像边缘提取的算法，并论证了该算法在没有噪声的情况下对阶跃型边缘具有精确的定位能力，最后，给出了试验结果。     

基于小波变换自适应数字图像水印算法

阐述了图像数字水印和小波变换的基本原理,通过对小波基、分解级数、小波系数选择及人类视觉掩蔽特性等的分析,提出了一种基于小波变换自适应图像数字水印算法.通过剪切、加噪、滤波、锐化、模糊等几种常用攻击技术对算法进行了测试,实验结果表明该算法具有较强的鲁棒性.     

一种基于形态学变换的车道检测方法

利用形态学图像处理技术,基于形态学变换的道路检测方法,能够应用形态学变换、Canny边缘检测与Hough变换检测出直线道路车行道的边缘线。试验表明该方法能够准确提取出目标区域轮廓。     

基于小波变换的一种多普勒雷达目标识别方法

雷达技术６０年来取得了巨大的发展,特别是随着现代计算机技术和现代信号处理技术的成熟与发展,使雷达由参数测量向非参数测量发展。雷达对目标的识别成为新一地达的发展重点。文中应用小波变换技术,对多普勒体制雷达的音频信号进行分析。从其中一个距离波门获取的多普勒信号中成功地提取了目标的数量等信息。也就是取得了以对目标的高分辨率。且计算速度快、数据量小。不利于实现实时信号处理。     

基于频率和形状特征的脉冲重复间隔调制识别

根据雷达信号脉冲序列的特点，从雷达脉冲信号中提取频率特征和形状特征，构成二维特征向量，并用支持向量机设计多类别分类器，实现雷达信号PRI调制信号的自动识别．实验结果表明，对特征向量进行大幅度降维（从64维降到2维）后，既简化了分类器，又保持或提高了识别率和抗噪声性能．与原特征向量相比，对无噪样本的误识率从0．15％～0．25％降低到0．00％，对有噪样本的误识率从0．40％～1．30％降低到0．15％～0．93％．     

基于图像形态滤波的边缘检测

为很好地检测出被噪声污染的图像的边缘,首先采用CB形态滤波对图像进行预处理,再用canny法获得较高的边缘检出率,最后采用最小费用搜索法进一步提高了边缘质量,建立在结构元素轮廓的概念之上,以集合延展度为特征进行处理的CB形态滤波保证了滤除噪声的同时保持图像细节,canny算法对噪声和弱边缘有更强的适应性,而最小费用搜索法对因滤波后遗留噪声引起的虚假边缘有很好的抑制能力,实例表明这种检测方法能够获得较好的图像边缘。     

基于图像色相值突变特征的钢轨区域快速识别方法

应用彩色图像中不同区域HSL色彩空间中色相值突变特征提取轨检图像中钢轨边界点, 对多条不同等分线处钢轨边界点进行直线拟合以确定钢轨边缘, 识别目标钢轨区域。分析了机器视觉轨检系统序列图像中轨枕、砟石、扣件与钢轨的分布特征及不同特征区域图像色相值的突变特征, 研究了轨检图像不同等分数值下等分线处色相值突变点与钢轨边界点的对应关系, 讨论了不同等分值对识别时间与识别失败率的影响。在不同光照条件下对识别方法与传统方法进行了对比分析。分析结果表明: 当等分值为8时识别效果最优, 识别失败率为5.0%, 识别时间为4.65 ms; 在500~1 000、1 000~10 000、10 000~100 000 lx三个特征光照强度区间, 识别方法在木枕与混凝土枕轨道中钢轨区域的平均最大识别时间分别为4.57、4.48 ms, 比传统方法分别减少了44.4%、47.1%, 识别时间标准差分别为0.15、0.12 ms, 比传统方法分别降低了91.8%、93.6%, 平均最大识别失败率分别为3.5%、3.3%, 比传统方法分别降低了66.0%、76.9%, 识别失败率标准差均为1.6%, 比传统方法分别降低了68.9%、71.1%。可见, 本文方法是一种机器视觉轨检系统中目标钢轨区域识别的有效方法。     

基于计算机视觉的自动矫正数控系统

基于机器视觉技术,利用OpenCV计算机视觉开源库作为开发函数库,以工业相机和三轴雕刻机作为实验平台,为数控系统进行视觉矫正系统开发.首先对装夹后PCB板采集Mark点,直线检测完成后,利用角点检测对Mark点进行定位.通过霍夫变换得到世界坐标系下的直线方程,以此求取当前待加工PCB板的装夹位置和姿态.最后通过图像坐标...     

基于离散小波变换和人类视觉系统的数字水印算法

通过对人类视觉系统（HVS）的亮度特性、频域特性、图像类型特性的研究,提出一种基于离散小波变换和人类视觉系统数字水印算法,将秘密信息嵌入到小波变换不同的方位系数中．实现了水印信号在图像信息中的嵌入与提取,达到隐藏秘密信息的目的．实践证明该算法能提高水印的不可见性,同时具有很强的鲁棒性．     

基于离散小波变换和人类视觉系统的数字水印算法

通过对人类视觉系统(HVS)的亮度特性、频域特性、图像类型特性的研究,提出一种基于离散小波变换和人类视觉系统数字水印算法,将秘密信息嵌入到小波变换不同的方位系数中.实现了水印信号在图像信息中的嵌入与提取,达到隐藏秘密信息的目的.实践证明该算法能提高水印的不可见性,同时具有很强的鲁棒性.     

数字图像二维Arnold变换周期的一组必要条件

以图像信息安全问题为背景,讨论了平面上Arnold变换的周期性,给出了判别周期的一组必要条件。     

基于小波变换和余弦变换的盲水印技术

详细介绍了基于一种新型的基于小波变换和余弦变换的盲水印数字水印技术,这种方法的一个显著的优点就是采用水印嵌入算法,提取水印的时候不需要原图象,能够很好的满足了数字水印系统的透明性和鲁棒性,能够经受住加入噪声、中值滤波、压缩等方式的攻击,并且还能够经受住高通滤波和低通滤波.     

智能视听信息处理的新策略

综述了计算机听，视觉信息处理目前的研究状况及已取得的成果，并阐述了在各国在信息处理领域的发展战略，结合“超级智能年信息自理系统的研究”提出的储声，象，图，文计算机信息处理于一体的多信息处理系统研究的新思路，介绍了该研究的详细内容，指出该研究有可能开僻的一条新的信息处理途径。