车载红外视频图像快速彩色化技术研究

为了实时高效地对车载红外视频图像进行彩色化处理,提出了一种在Lab颜色空间基于调色板的分类彩色化方法.对增强和融合处理后的红外图像采用K均值聚类方法得到聚类中心,再利用Fisher评价函数获得分类界限以对红外视频图像进行图块景物分割,在Lab颜色空间中采用分类彩色化方法对各类别景物赋予适当的色彩.试验结果表明,采用调色板的分类彩色化方法具有更高的效率,得到的图像色彩符合人眼的视觉特性且便于夜间红外图像的彩色化实现.     

基于结构性字典学习的高光谱遥感图像分类

为提高高光谱遥感图像的分类精度,提出了一种新的结构性稀疏表示及字典学习的高光谱遥感图像分类方法.该方法能同时利用高光谱遥感图像像素间的空间及光谱关系得到表示每个像素的字典,被划分为同一像素组的像素具有通用的稀疏模式;由字典计算图像的稀疏表示系数获得遥感图像的稀疏表示特征;利用线性支持向量机算法实现对高光谱遥感图像的分类.对AVIRIS和ROSIS高光谱遥感图像进行的实验结果表明:提出的方法比普通字典学习分类精度分别提高0.041 1和0.046 6,Kappa系数分别提高0.179 3和0.056 3.      

基于特征脸和LS-SVM分类器的人脸性别分类

提出使用特征脸和最小二乘支持向量机(LS-SVM)分类器相结合进行人脸性别分类.我们首先从训练图像中求得特征脸空间,然后将训练集和测试集图像投影到特征脸空间得到投影系数.使用训练样本投影系数训练LS-SVM分类器,对训练图像和测试图像进行分类试验,同时计算出分类准确率,实验结果表明LS-SVM分类要比其他分类算法有更好的优越性.在实验中我们也使用交叉验证来确定特征脸数目和核函数参数.     

轮胎花纹解密简

众所周知,车辆是靠车轮与地面产生摩擦力来行驶的。当车辆在潮湿或泥泞的路面上行驶时,如果车轮上没有花纹,它与地面的摩擦力就很小,容易出现打滑现象。绝大多数汽车轮胎表面都不是光滑的,上面有各式各样凹凸不平的花纹,这是为了增加车轮与地面的摩擦力,保证行车安全。轮胎花纹的主要作用与鞋底花纹的作用类似,花纹增加了胎面与路面间的摩擦力,以防止车轮打滑。影响花纹作用的因素较多,但起主要作用的是花纹型式和花纹深度,因此,轮胎花纹值得关注。近年来,轮胎生产厂在胎面花纹设计上不断地进行研究和开发。轮胎花纹型式虽然五花八门,但根据类型,主要分为5种：纵向花纹、横向花纹和混合花纹。     

面向交通工具金属材料的缺损识别算法

金属作为现代交通工具重要设备的主要材料,其缺损情况对交通工具的安全性具有重要意义.为了实现对金属设备的缺损情况进行自动识别,提出一种基于深层卷积神经网络的视觉检测算法,该算法着重于工业缺陷识别.设计了一种沙漏型特征融合模块和金字塔特征细化模块,兼顾准确率和速度,有效提升基于金属图像的缺损部位定位和分类效率,借助计算机平台训练判别模型实现自动检测.算法在公开图像数据集上取得了先进的测试结果,并在移动端设备中实现高效运行.     

道路标志自动分类方法

为了对道路标志图像进行自动分类,通过图像颜色空间变换,将图像的RGB量值转换为H(色度)S(饱和度)I(亮度)量值,采用Sobel算子进行道路标志图像的边缘检测,利用行扫描法进行区域填充,以获取二值化的道路标志图像区域,提取道路标志二值化图像的不变矩与形状参数作为图像特征值,设计BP神经网络道路标志图像几何形状分类器,以道路标志图像的H、I为特征值,设计了欧式距离分类器,实现道路标志背景颜色的识别。融合道路标志图像几何形状和背景颜色的识别算法,并利用道路标志的分类知识和自动分类方法,能有效实现道路标志图像的自动识别。     

基于SVM分类器的道路湿滑图像分类方法研究

在恶劣天气下路面湿滑状况将发生显著变化,导致驾驶条件恶化,极易引发恶劣的交通事故.为了帮助交通管理部门实时获取路面湿滑状况信息,了解路面附着性能,并以此制定合理的车速控制和交通诱导策略,通过采集道路湿滑图像,利用设计的具体SVM分类器结合3种训练算法对道路湿滑图像进行分类学习训练,并通过训练后的SVM分类器对大量道路湿滑图像进行分类实验,对道路湿滑状态进行分类研究.实验结果表明:(1)寻找合适的核函数,选择合适的参数是使用SVM进行高效分类的一个重要因素;(2)在训练过程中,均方误差(MSE)能反映出分类器实现的正确率,SVM的训练本身的误差决定了分类的正确率,而且训练个数的增多带来了特征空间维数的增加,从而导致计算量的增大.     

一个基于TSVM的GIF图像通用隐写检测方法

直推式支持向量机（TSVM）是一种从标记样本出发,对特定的未标记样本进行识别和分类的技术.本文分析了将TSVM应用到图像通用隐写检测中的可行性,提出并实现了基于TSVM的GIF图像通用隐写检测方法.实验结果表明,针对不同的GIF图像隐写工具,本文方法在较少标记样本条件下引入大量未标记样本,得到接近监督学习的通用检测效果.从而提高了GIF图像通用隐写检测的实用性.     

基于遥感图像的地学信息单元特征提取与识别

为实现对地学信息单元的自动识别和分类,对地学信息单元的几何形状特征的提取及量测方法进行了研究,利用数学形态学方法实现对遥感图像的半自动提取地学信息单元的图形边缘.分别提取图形的面积、周长、面积周长比、形状参数、分形分维数等5个直观易测且具有判别意义的特征参数.利用这5个特征采用判别分析方法实现对地学信息单元的识别分类,并取得了较理想的结果和准确率.     

一种考虑分类的石材图像相似性比对算法

在基于颜色的图像相似比较中,传统的处理方法大多采用各子空间的概率作为特征,在此基础上定义图像的距离和相似度.但这些方法可能导致色彩比对失真的情况出现;在同一类的石材中颜色和纹理有很大的差异,甚至会出现两张分属异类的石材图像在单纯从颜色、纹理等特征上进行判断比同类很多石材图像更为"相似".文中引入了先对石材的样本图像进行分类,定义图像与各大类的相似度.在类内定义较为一般性的相似度.综合二者给出图像的整体相似度定义,实验表明该方法具有较好的分类效果和较合理的石材图像相似度.