基于适应性阈值和遗传算法的图像分割

图像分割是自动目标识别的关键和首要步骤，其目的是将目标和背景分离，为计算机视觉的后续处理提供依据。提出了一种基于适应性阈值和遗传算法进行图像分割的方法，对图像的不同区域分别作灰度值的评价标准，把图像分割问题定义为一个多区域的独立优化问题，利用遗传算法的寻优高效性，搜索到能使分割质量达到最优的图像分割阈值。试验表明，使用该方法可使图像分割获得满意的效果。     

基于互信息最佳阈值迭代的图像分割方法研究

阈值分割是一种重要的图像分割方法,是图像检测与识别的重要预处理步骤之一.依据分割图像与原图像之间的内在联系,提出一种互信息和阈值迭代相结合的番茄图像自动优化分割方法(MI-OPT).分割实验表明:对成熟期果实与背景的颜色差异不大或表面色彩不一致的番茄图像,MI-OPT分割方法效果较好.     

一种基于遗传算法的最优阈值图像分割算法

为了提高图像分割效率,提出一种基于遗传算法的最优阈值搜索方法OTSGA.OTSGA算法对图像的灰度级进行二进制编码,生成初始种群,求出每个个体的二维最大熵,然后根据设定的寻优准则进行相应的遗传操作以搜索阈值最优解.为了避免在求解过程中出现早熟现象,OTSGA算法将交叉操作得到的个体群与上一代种群混合,得到新的种群进行遗传操作,避免了个别个体在遗传运算的最初迭代时就在种群中占据主导地位,导致求解过程的过早收敛.实验结果表明,OTSGA最优阈值搜索方法不仅降低了运算开销,而且获得了满意的图像分割效果.     

基于改进Canny算法的噪声图像边缘检测

针对经典Canny算法应用中常出现的无法滤除椒盐噪声且滤波后图像细节信息易丢失、Sobel卷积核定位的边缘信息精度较差、双阈值选取存在偶然性等问题,对Canny算法进行改进。首先采用自适应中值-高斯滤波法代替传统的高斯滤波,并融合Laplace边缘增强法,滤除大量噪声的同时保留图像边缘细节信息;使用精度更高的Scharr算子代替Sobel算子计算图像梯度幅值和方向;然后通过最大类间方差法自适应计算图像的最优阈值;最后选用BSD500数据集进行实验,结果表明：文中算法相对于经典Canny算法,峰值信噪比平均提升14.5 dB,边缘检测评价指标C/A提高0.07～0.24,C/B提高0.06～0.14,算法性能指标提高24.8%。     

基于各向异性测度的路面三维图像裂缝识别

为准确而完整地识别路面裂缝,提出了基于1 mm/像素的路面三维图像裂缝自动识别算法．该算法主要包括各向异性测度计算与自适应优化阈值分割、深度验证和多分辨率去噪处理3个部分．首先,针对路面图像像素特征,基于0°、45°、90°和135°四个方向的线性邻域的均值和标准差计算每个像素的各向异性测度（表征方向性的强弱）,并应用最大类间方差法确定最优阈值,将路面图像分为强方向性和弱方向性像素两类;其次,根据半径为d的正方形邻域深度均值设定阈值,用方向性强且深度低于或等于该阈值的像素形成初步的裂缝图像;最后,将裂缝图像划分为多个子块,设计去噪模板对裂缝图像进行滑动窗口去噪处理,获得最终裂缝图像．基于166幅含有各类裂缝的三维路面图像（2048×2048像素）进行测试分析,结果显示,本文算法获得了较高的准确率（均值91．57％）和召回率（均值81．29％）,最终以84．26％的F1均值优于种子识别算法（F1均值69．19％）、Canny边缘检测（F1均值8．15％）和OTSU分割（F1均值5．11％）．     

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．     

基于最小二乘影像匹配的畸变图像矫正算法研究

针对高精度的畸变图像，提出了一种基于最小二乘影像匹配的高精度畸变图像矫正算法，算法首先利用特征提取与边缘检测产像进行预处理，并且将特征匹配与最小二乘算法相结合，从而实现了图像与模板之间精确的子像素定位与匹配，实验表明，该算法较好的解决了目前高精度畸变图像矫正算法中普遍存在的定位和匹配精度较差的缺陷，图像矫正效果良好，是一种有效的畸变图像矫正算法。     

基于自适应阈值的车辆边缘提取算法研究

实际道路视频图像背景复杂多变,给车辆边缘检测带来困难.提出用最大类间方差法求边缘检测算子的阈值,并给出具体迭代求解过程,得到的阈值能随图像背景的变化而变化,具有自适应性.实验结果表明了算法的可行性和有效性.     

基于红外图像增强算法的混凝土内部缺陷检测研究

由于混凝土的不良导热性能,传统红外检测方法分辨率低、缺陷特征不明显.针对上述问题,研究了结合红外热像和增强图像算法的混凝土内部缺陷检测方法;开展了混凝土中不同深度、大小的缺陷的红外检测试验,并采用时域拟合与限制对比度直方图均衡算法相结合的方式对红外检测图像进行处理;对比了处理前后的热像图缺陷识别效果.试验结果表明:算法应用后缺陷识别所需温差从0.3℃降至0.1℃,边缘细节得到优化,提高了红外图像混凝土内部缺陷检测的精度和实用范围.该方法拓展了红外热像在混凝土无损检测中的应用范围.     

基于动态识别区间的路面识别方法研究

以路面附着系数为参数指标,在Burckhardt轮胎—路面数学模型的基础上设计了7种典型路面的动态识别区间,同时根据附着系数和附着系数曲线斜率之差对干鹅卵石和湿沥青路面作进一步区分,据此在制动时完成路面状态的动态识别。使用双轮模型进行仿真试验,结果表明:该方法能够准确快速地完成路面状态识别,实现了实时滑移率下的动态识别,对不同路面附着条件的利用明显改善,同时该方法具备自动纠错功能。     

蚁群算法在语音识别中的应用研究

提出了一种新的基于蚁群算法的语音识别中的动态时间规划方法——蚁群动态时间规划算法，并详细介绍了其基本原理、信息素更新规则，给出了系统流程图。经过理论分析与实验测试，证明了蚁群算法在这个系统中比传统的DTW算法更能提高识别率且更有效率。     

一种基于定点DSP的语音识别算法实现

介绍了一种基于定点DSP的特定人的孤立词语音识别系统,着重讨论了算法中参数快速提取的实现．该算法采用基于动态规划（DP）技术的动态时间弯折算法（DTW）,采用VAD两极端点检测方案以提高端点检测的精度,以Mel尺度倒谱系数为语音识别参数．首先讨论了标准浮点实现方法,然后结合算法特点和定点DSP的结构,采用了一种优化的快速定点实现方法．测试结果表明,定点算法时间比浮点算法大大降低,使系统的性能得到了提高．     

Vuforia的AR识别图像目标设计探析

文章基于计算机视觉中的角点检测算法,以Vuforia AR SDK的目标星级评定系统为例,从图形细节与角点分布,图案内容重复性与角点尺度不变性、旋转不变性,图片明暗反差阈值与角点数量三个方面探析作为AR识别物的图像目标的设计要点,以期为从事AR应用开发的美术设计人员提供通俗易懂的参考,为现今AR图像目标在美术设计中面临的系统化、规范化文献缺失问题,提供一个探析方向。     

基于视频图像的车速检测研究

基于视频图像计算车速的方法进行相关图像处理、运动目标特征点提取、摄像机标定、车速计算、误差分析等,并分析其应用条件。最后运用matlab软件编程得到一个可操作界面,具有较强的实用性。该方法能检测到车辆碰撞前后的真实车速,为交通事故鉴定提供依据。     

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．     

一种简单的灰度图像边缘检测算法

提出了一种新的基于平行方向上像素点灰度值平均值求差的边缘检测算法.根据像素点及其八邻域的灰度值,在尽量保证图像信息完整的基础上,选择合适的阈值提取出尽可能合适数量的边缘点,并利用边缘的连续性原理对结果中的噪声点进行筛选,以达到边缘提取的目的,提高图像边缘检测效果.实验表明:此算法对灰度图像是一种简单、有效的边缘检测算法.     

彩色与灰度图像间转换算法的研究

在智能车牌识别系统中，从人眼的视觉特性入手，分析人眼的视觉生理模型和常用的计算机转换算法。在此基础上提出了一种将32位彩色图像转换成8位灰度图像的算法即HLS模型转换算法，使得转换后的灰度图像边缘亮度噪声少，平滑效果好．     

基于自适应蚁群算法的图像分割

蚁群算法良好的离散性，并行性，正反馈性和鲁棒性，非常适合于图像分割。但基本蚁群算法蚂蚁的搜索是随机的，计算量大，不利于算法的收敛，为此，本文提出了设置初始聚类中心的设想，并以小窗口为对象实施算法，由此大大减小了计算量。另外基本蚁群算法中挥发系数固定，会导致算法可能过早收敛或停滞，针对这一不足，本文将其修改为随蚂蚁通过可行路径个数动态变化，使其收敛性和稳定性有了一定提高。实验证明了方法的有效性。     

基于小波变换的钢丝绳缺陷信号检测与分析

应用漏磁通检测法,采用磁敏检测元件-霍尔感元件可以获得该磁场的变化情况,缺陷信号是一随机出现的局部异常信号,即奇异信号。通常它叠加于背景噪声信号之上,是一空间域变信号,小波分析能满足“信号频率越高,相应的窗口越小”的这一时频局部化分析要求,如果选择小波为光滑函数的一阶导数,则由小波变换的幅值（模值）极大点就可以检测到缺陷信号的突变点（奇点）,即缺陷,由模极大值的位置也就确定了钢丝绳缺陷所在的位置。     

基于多峰直方图的遥感图像阈值自动选取算法

基于多峰灰度直方图的阈值自动选取算法,首先使用平均滤波器平滑直方图,消除直方图中微小的波动,保留反映直方图总体趋势的大的波峰波谷;然后通过寻找直方图中局部最大值和最小值,以确定合理的阈值.该算法使用时仅需要用户指定直方图应保留的合理波峰数,在针对大尺寸遥感图象计算出的阈值要优于大津算法和双峰算法计算出的阈值,且算法计算复杂度较低,适用于快速阈值选取.通过对TM影像中水体自动提取实验研究,阈值自动选取算法可用于水体及其它地物目标遥感信息的批量自动提取处理,具有较好的提取效果.