基于Hopfield神经网络的遥感图像超分辨率识别算法

提出基于Hopfield神经网络的遥感图像超分辨率目标识别算法，它是利用模糊分类技术进行模糊分类，然后用分类结果约束Hopfield神经网络的方法．通过实验，可知Hopfield神经网络在学习样本少时．也能够输出分辨率相对较高的地物目标信息．因此．基于Hopfield神经网络的遥感图像处理方法，能够提高遥感图像的目标分辨率．使其目标特征信息更清晰．     

模糊航空图像中的道路自动检测方法

为了在模糊航空图像中精确地检测道路, 通过分析图像中道路特性, 提出了一种道路自动检测方法。通过多尺度Retinex算法增强模糊图像, 用改进的Canny边缘检测算法检测图像中的主要路段, 使用交叉熵理论和贝叶斯决策理论自动获取梯度图像中的高低阈值, 从而将灰度图像转化为二值图像, 并将图像中所有线性目标进行骨架提取。根据线性目标的形状与尺寸参数进行噪声滤除, 并根据端点的方向与端点间的距离进行道路间隙缝合, 并结合边缘和原始图像信息调节和修正已检测出的道路。将道路自动检测方法与几种常用的图像分割算法进行比较, 包括大津阈值分割算法, Canny边缘检测算法与图论最小割算法, 并使用道路自动检测方法对模糊图像中的单条道路、交叉道路和多条道路进行检测。检测结果表明: 对模糊或光照不均的航空道路图像, Retinex算法增强图像后可以清晰显示主干道路, 而常规的图像分割算法无法将主干道提取出来, 使用改进的Canny边缘检测算法并附以图像后处理功能较好地提取主干道路。使用道路自动检测方法能够清晰地检测模糊航空图像中单条道路、交叉道路和多条道路, 与人工识别的效果接近。     

基于小波的路面裂缝识别研究

应用基于小波变换的图像分解和重构方案可以进行公路路面裂缝的检测与识别。首先对路面图像进行多分辨二维离散小波分解,根据在每个尺度2j上小波系数模最大值和相位(梯度方向)这两个分量的大小确定边缘的位置,进一步变换小波分解系数,达到去除噪音,加强裂缝边缘的效果。并通过实验分析和讨论了不同的小波基、不同分辨率水平、重构中使用的分解子图像对路面图像裂缝分割的影响,最后用简单的阈值技术生成二值图像,把裂缝从背景图像中分离出来。     

高分辨率遥感图像道路边缘自动检测与提取技术研究

基于对高分辨率遥感图像中道路特征的分析,对传统的道路边缘自动检测与提取技术进行了改进,提出了新的技术路线和框架,引入数学形态学重建和边缘追踪算法对高分辨率遥感图像进行道路边缘自动检测。定义了描述边缘形状特性的P因子、F因子和C因子,利用K均值聚类的方法实现了基于多重判别准则的道路边缘提取,从而在众多的边缘检测结果中,排除房屋等其它区域的干扰,准确的获得道路边缘。     

单幅图像的超分辨率重建方法

在分析单幅图像超分辨率重建问题的基础上，建立一种新的图像退化模型，并分析了提出的模型和经典图像恢复中模型的异同点，然后分析了算法实施步骤，针对提出的分层剥离算法，采用级联模板运算方法，从而简化了方程计算的复杂度．试验结果表明：提出的一种基于剥离方法的单幅图像超分辨率方法是有效可行的．     

基于序列图像的交通流自动调节系统

本文提出了从视频动态序列图像中检测,识别汽车目标的算法,以此来分析城市道路车流量状况,并自动调节控制系统.通过背景抑制法获得汽车区域,利用基于数学形态学的方法进行去噪声;利用二值图像阈值法和相关法来分别提取汽车车身和车灯.从而估算城市道路汽车流量,并调整道路中间隔离栅.仿真实验结果表明:算法能够有效的检测,识别目标,并对控制系统进行自动调节.     

智能图像处理技术在车型识别中的应用研究

提出了一种应用于视频车型识别系统中的图像预处理方法．该方法对采集到的车辆图像去模糊恢复，然后采用快速的梯度算法得到背景与车辆的边缘图像，用两幅边缘图像相减分割出车辆图像，再对图像二值化，并进行直线拟合、填充处理，最后用轮廓跟踪的方法得到完整的车辆轮廓图，从而有效提取特征参数．     

基于知识的航空图像中大型水上桥梁目标识别

针对远距离高空航拍图像中桥梁目标的典型场景，提出了一种基于知识的桥梁目标识别方法，完成了远距离高空航拍图像中桥梁目标的检测．本算法根据水域、陆地域和桥梁域三者之间的关系以及桥梁域自身的特点，采取先假设后验证的方法确定桥梁域．在实验中取得了较好的识别效果．     

实时二维多尺度目标识别方法及其应用

序列图像中多尺度目标具有灰度值分布一致性和不变性的特点．据此，提出基于量化灰度值自结构的动态目标识别方法．自结构的形成是通过相邻采样点之间的比较实现的．量化是对比较结果进行开关运算得到的．量化自结构之间的差值表示识别结果．识别计算过程可在0．3s～0．5s内完成，比一般的识别方法较大地提高了运算速度．本方法不受图像模糊的影响，提高了识别的可靠性和鲁棒性．应用实践表明，此方法是可行的和实用的。     

基于序列图像的交通流自动调节系统

本文提出了从视频动态序列图像中检测、识别汽车目标的算法,以此来分析城市道路车流量状况,并自动调节控制系统。通过背景抑制法获得汽车区域,利用基于数学形态学的方法进行去噪声;利用二值图像阈值法和相关法来分别提取汽车车身和车灯。从而估算城市道路汽车流量,并调整道路中间隔离栅。仿真实验结果表明：算法能够有效的检测、识别目标,并对控制系统进行自动调节。