高反光陶瓷基片缺陷检测

基于颜色恒常性理论的亮度感知Retinex模型,在频域采用多尺度高斯函数估计出输入图像的光照分量,对其进行伽马变换以增强光照信息,然后由输入图像与光照信息图像的对数运算获得仅包含物体本身特性的反射信息图像,实现对输入图像的校正。对校正后的图像依次进行频域带通滤波、基于全局的自适应阈值分割、形态学处理、亚像素精度的XLD轮廓提取等操作,根据提取结果来判断陶瓷基片表面有无缺陷。实际测试结果表明：该方法判断的准确度约为98.6%,检测时间约为0.21 s,满足工程需求。     

一种改进的桥梁裂缝图像滤波算法

针对桥梁裂缝周边复杂的噪声信息,传统的滤波方法在处理此类噪声时虽然能在某方面取得去噪效果,但也往往存在着各自较大的缺陷。对此,在传统的形态学滤波器滤波的基础上,提出了一种基于多角度多结构元素形态学滤波器的算法。通过结合数学形态学,将多种结构元素结合使用,避免了单一结构元素对图像处理时单一的作用,不仅能对图像全区域进行分析,而且保留了图像的细节信息。实验数据对比分析表明,此滤波算法取得了明显的效果。     

利用MAS实现车辆动态识别与智能跟踪

针对视频图像车辆智能跟踪问题,提出了利用帧间差异积累动态矩阵进行自适应背景建模算法,采用背景差提取运动目标区域,设计了一种基于知识的多Agent智能系统进行目标分割、轮廓提取和空域滤波,增强了抗背景干扰能力,使获得的目标区域具有更好的空域连通特性;通过自适应核窗宽改进了MeanShift算法的收敛速度,利用SSD算法实现了快速初始定位。实验结果表明,该方法自治能力强,跟踪目标快速准确,实时有效。     

基于组合前景提取的混合交通两轮车辆视频检测

针对混合交通流中两轮车辆视频检测问题,提出一种基于混合高斯模型（GMM）与背景累加模型（BAM）的组合前景提取方法,该方法将GMM与BAM组合得到的2 种前景图像分别经过滤波和形态学的膨胀操作处理,然后进行“与”操作,过滤掉高斯前景中的大量噪声,提取出感兴趣前景区域.针对两轮车辆的轮廓边缘特征,采用Canny 边缘检测提取边缘信息,去除前景区域中的非目标区域,采用两轮车辆的自建模板,通过欧氏距离进行模板匹配,定位并标记感兴趣区域中的目标区域.在OpenCV 和Matlab7.1 实验测试平台上,对典型城市混合交通路段的交通流视频进行测试.结果表明,该方法对混合交通流中两轮车辆的识别检测具有较高的准确率.     

融合背景差分的二次重构和内外标记 分水岭的行人检测方法

应用视频处理技术对行人交通进行研究受到广泛的重视,已成为智能交通领 域的研究热点.为了精准地提取交通场景语义信息,提出融合背景差分的二次重构和内外 标记分水岭的行人检测方法.首先对图像进行灰度级形态学开闭重构和背景差分运算,凸 显出前景区域,锐化背景区域;然后根据灰度图像局部极大值和邻域综合信息提取内部 标记,进行“准欧式”距离变换提取外部标记;最后对梯度图像进行修正和分水岭变换,提 取出图像中运动的行人.结果表明,该方法能显著地去除运动噪声的影响,检测到相对完 整的目标,很好地抑制了过分割问题, 在动态场景的行人检测中取得了较好的效果.     

基于灰度形态学的车牌定位算法

根据车牌图像的统计特征,计算形态学滤波器的结构元素,进行图像背景估计;利用闭-开运算,处理残差图像;采用自动搜索种子区域填充算法,得到各个区域;根据区域的几何特征,判断是否为车牌区域;通过对二值化的车牌采用K-means聚类拟合直线方法进行倾斜校正,得到最终的车牌.实验结果表明:该算法简单、迅速,定位准确率高,为后继字符分割和识别奠定了基础.通过对120幅图像定位实验,总有效定位率为96.7%.用Matlab7.0实验时,每张车牌平均定位时间为2.438s,而用VC++实现时,平均定位时间仅为0.139s.     

基于颜色空间和面部特征的驾驶员面部定位方法

介绍了一种快速检测和定位驾驶员面部区域的方法。首先将驾驶员面部图像映射到YCbCr颜色空间,建立肤色高斯模型;然后通过似然图自适应阈值分割获得驾驶员面部区域,对获得的二值化面部图像进行形态学操作消除毛刺和小孔;最后对处理后的面部图像进行灰度积分投影,结合面部特征获得驾驶员的面部区域并框定。并试验证明了方法的实时有效性。     

复杂背景下钢材编号提取与字符分割技术

提出了一种复杂背景下多钢块图像编号的提取和分割方法．采用HSV颜色空间，并以饱和度为主区分前景和背景，再综合运用数学形态学运算及边界跟踪技术提取出钢块的有效区域．运用多投影直方图分割法对钢材区的编号进行行、列分割，并解决了干扰、字符粘连等问题，实现了编号的精确定位分割．实践表明泼方法的分割效果是良好的．     

基于灰度变化率的低对比度CT图像分割研究

整幅工业CT图像具有部分区域对比度低,灰度范围狭窄,灰度变化不明显等特点,针对传统的缺陷分割方法无法对低对比度区域的缺陷进行精确分割的问题,提出一种基于灰度变化率的缺陷分割方法.通过提取图像中某点的灰度值并计算该点与其周围邻域内点的平均灰度值的变化率、差值以及方差,选取符合图像分割条件范围内的点作为边界点,从而提取工业CT图像中低对比度区域缺陷的边界并进行分割.仿真实验表明,本文方法分割CT图像的缺陷准确率可达到95%,能够快速确定缺陷区域,并准确、有效地分割提取缺陷.     

基于颜色和模板匹配的人脸检测

应用颜色信息探测图像的皮肤颜色区域，然后再用模板对该区域用模板匹配法进行模板匹配．这样无须对整幅图像进行搜索，也不需要对所有的窗口尺寸都匹配一次．从而大大提高了检测速度．