基于色彩矩的无监督多分辨率图像分割

无监督的图像分割被广泛的应用于各种不同的条件下，包括数字相机的图像增强，目标识别，基于内容的图像检索和三维图像分析。本文提出了一种新的多分辨图像分割方法，与其他基于颜色的全局优化分割方法比较，该方法基于人的视觉系统原理，能够将感兴趣的物体从背景中分割出来，同时图像分割是一个多分辨率的分割过程，首先算法在整幅图像中搜索代表物体的特征块，然后利用特征块的色彩矩特征对所有图像块进行聚类，最后对属于物体类的图像块进行高分辨率的分类，直到块中的每一个像素点被区分为背景或物体，实验结果表明，与传统方法相比，本文算法能够在较短的时间内，取得较好的分割效果。     

基于极限学习机的视频异常行为检测算法

利用极限学习机来构建底层特征-视觉属性-高层语义三层架构,提出利用视觉属性作为中间层,克服底层特征和高层语义之间的语义鸿沟。基于极限学习机模型的训练可通过无监督方式进行初始化,且能够实时更新,适应监控视频中的背景变化。实验证明本方法能取得更准确的异常检测结果。     

一种新的基于区域的图像相似性计算

为克服基于内容的图像检索(CBIR)技术中低层视觉特征无法准确地描述高层语义的问题,近年来提出的基于区域的图像检索(RBIR)技术是一种行之有效的方法。在基于区域的图像检索中,图像之间的相似性度量是影响检索结果的关键技术之一。本文提出一种新的基于区域的图像相似性的计算方法,该方法首先对图像进行区域分割,然后采用有别于传统距离度量的非线性高斯距离度量方法来计算区域对之间的相似性,实验表明该距离度量具有更好的度量性能。为了更好地接近于人对图像的理解,减小语义鸿沟,本文提出应用模糊集合理论表达区域对之间匹配的不确定性,在此基础上实现图像之间的相似性度量。最后在Corel自然图像库上对本文提出的算法进行了实验,分别与SIMPLIcity系统的IRM和UFM方法进行了比较,结果表明了本文算法的高效性。     

基于SVM的相关反馈图像分类和检索方案

图像获取和存储技术的进步可以获得包含大量有用信息的图像数据,在传统的图像分类和检索方案中,图像的低级视觉特征和高级概念之间存在着较大的语义间隔,导致图像的分类和检索效果不佳.针对该问题,提出了一种基于SVM相关反馈的图像分类和检索方案.该方案通过缩窄图像的领域,利用机器学习方法建立图像类的模型,并使用一种优化的SVM相关反馈图像检索方法学习图像的类别,将学习到的模型用于图像的分类和检索.实验结果表明,此方案能够高效的检索出较多相关图像,并对其进行有效分类.     

一种特征库可更新的相关反馈图像检索方法

相关反馈方法是对基于内容图像检索系统的有效改进,它将人类视觉特性逐步引入检索过程,有效地减小了图像低层特征表示与图像语义理解之间的差异。但传统的相关反馈算法存在反馈次数多,且无法积累用户反馈信息等缺点。本文针对这些缺点,在相关反馈图像检索系统中引入了可更新特征库。即在原始特征索引库的基础之上引入了一个用户可修改的特征索引库,系统可以将用户多次反馈的信息逐步嵌入到这个特征索引库中。与此同时,我们提出了一种基于多分辨率分析的彩色图像纹理特征描述方法,并将其用于特征库的构建中。我们在一个含有10000幅图像的图像库上所做的测试结果表明:与Illinois大学的MARS系统相比[1],本系统可明显提高系统检索准确率和相关反馈的收敛速度。     

基于栅格元模型的纹理图像分割方法

提出了一种基于栅格元模型的纹理图像分割方法,该方法结合了视觉栅格元模型对不同纹理方向和频率的响应敏感性及特征变换的降维特性。首先通过栅格元运算模型提取图像的多维纹理特征,然后利用变换法将特征从多维空间映射到低维空间,最后依据降维后的纹理特征将图像分割为不同的纹理区域。仿真结果表明,该方法不但能有效地分割纹理图像,而且能分割出由纹理和非纹理区域组成的混合图像,与传统的Gabor滤波器法相比,分割效果更佳,适用范围更宽。     

基于近义词分配的铁路扣件状态检测

针对传统"视觉词包模型"在进行底层特征编码时存在较大的量化误差的问题,提出一种基于近义词分配的铁路扣件状态检测模型。首先,利用潜在狄利克雷分布模型分析得到语义主题在某一视觉单词上的概率分布,并引入相对熵衡量视觉单词间的语义距离,从而获取语义相关的近义词;然后,在"视觉词包模型"的基础上,结合柔性分配策略将底层特征映射至若干近义词上;最后,利用支持向量机实现扣件检测。对4类扣件图像的分类实验证明该模型能够有效提高扣件分类精确度。     

基于线阵CCD图像纹理特征的铁路货车货物分割算法研究

利用线阵CCD摄像头采集到的货车货物装载图像,提出一种经过改进的货车货物分割方法。首先,利用优化后的多尺度Retinex(MSR)算法对图像进行增强预处理,然后使用自适应单通道种子选取算法(APSS)获得图像中灰度Gabor纹理特征分布中心点的初始值,并用K-Means算法进行图像兴趣区域的分割,在此基础上利用邻域特征对图像中的兴趣区域进行重新合并,得到最终的分割结果。实验表明,该方法能提高图像中不同区域的分割精度,有较强的抗噪性,还减少了图像分割中的迭代次数,降低了计算复杂度,可以广泛应用到自然环境中车辆图像的分割。在基于线阵CCD铁路货运安全监控系统中货物检查的实际应用中,该方法的货物分割错误率较低,保证了检测系统的问题识别准确率。     

基于图像识别的高铁接触网紧固件开口销故障分类方法

针对高铁接触网紧固件开口销缺失、松脱和安装不规范等现象,基于图像识别理论提出一种开口销故障等级划分方案和基于机器学习的开口销分类方法。在分类阶段,首先采用SSD算法对接触网4C系统的回图进行开口销定位与识别,并采用Deeplabv3+进行语义分割,最后采用SURF特征检测器对语义分割图片提取关键点,再利用视觉词袋模型BOVW生成视觉码本,利用视觉码本对极端随机森林ERF进行训练并生成模型。极端随机森林通过网格搜索和交叉验证(Gridsearch+CV)实现参数调优,使用ERF模型对开口销图片分类。采用该方法对实际线路的图片进行实验检测,准确率达到了93.2%,且节省人力,能有效保障高铁的供电安全。     

利用线阵列相机对钢轨长波不平顺检测的工程实践

提出一种基于机器视觉技术的轨道高低不平顺的检测方法,采用CCD相机和绿色方形光源构成检测系统进行定标分析:采用阀值分割、边缘提取进行分割,利用图像灰度差异去除噪声,应用加权平均处理,通过连续测量获取轨道高低不平顺曲线.该方法能有效地实现轨道不平顺高差的高精度动态测量.     

基于机器视觉的钢轨对接焊高精度检测方法

为提高闪光对接焊设备焊接过程的焊接精度,提出一种基于机器视觉和图像处理技术结合的钢轨对接焊高精度定位检测方法。该方法采用黑白面阵CMOS工业相机、线激光器作为主要检测硬件,其中线激光器发射的激光分别垂直投射在与轨道轴线平行的轨顶面和轨侧面上,通过对工业相机所采集的图像进行特征提取,针对多种不同特征进行模式识别,从而获得钢轨顶部和侧面高度差。通过重复性与可靠性试验,表明该方法满足工程实际检测要求。与传统的手工检测方法相比,本方法具有更高的精度,且受外部环境的影响较小,满足工况环境条件下的焊接精度要求,在复杂环境下同样可获得较好的检测效果。     

基于背景建模的钢轨表面缺陷像素级检测方法

钢轨表面缺陷具有独特性和稀疏性,利用机器视觉技术自动地检测钢轨表面缺陷仍存在很大挑战.提出一种基于背景建模的钢轨表面缺陷像素级检测方法,利用钢轨图像固有特性构建图像背景分布模型,找到背景分布簇中心,以定位到可疑像素点;提出一种钢轨表面缺陷像素级识别方法,根据可疑像素点的上下文特征和空间位置先验概率识别该像素点是否属于真...     

地铁屏蔽门与车门间异物自动检测技术

目前,国内地铁大都由司机瞭望车尾处光带是否完整来判断车门与屏蔽门之间空隙是否存在异物,该方法误检率高。本文结合地铁车门与屏蔽门之间空隙的特点,从系统性能、安装维护等方面详细比较了目前可能用于地铁屏蔽门与列车之间异物自动检测技术,提出了基于机器视觉的地铁屏蔽门与车门间异物自动检测方法。试验结果证明,该方法具有检测准确率高、设备体积小、安装维护简单、成本低等特点,应用前景广阔。     

一种基于人脸序列模式的机车驾驶员疲劳检测方法

驾驶疲劳是导致事故的重要原因,本文在综述基于面部特征的机车驾驶员疲劳检测方法的基础上,提出了基于Gabor变换的人脸特征融合抽取模型,并在此基础上,结合隐马尔可夫模型(HMM)提出基于人脸图像序列的机车驾驶员疲劳检测方法。根据在疲劳和非疲劳状况下人脸模式特征的不同,首先利用Baum-Welch学习方法从疲劳图像序列训练学习得出疲劳模式下的HMM参数;然后,在疲劳模式识别时,把待识别的人脸图像序列表示成Gabor融合特征序列,再利用Viterbi算法计算该特征序列属于疲劳模式的概率值,从而实现对人脸图像序列的疲劳识别;最后,对各种姿态下的不同人脸图像序列数据进行了仿真测试。实验结果表明,与已有基于单幅人脸图像的疲劳识别方法相比,具有更好的疲劳识别性能。%     

边缘不变矩匹配算法的列车闸瓦图像识别试验

研究一种基于边缘不变矩匹配算法的列车闸瓦图像识别新方法.在列车运动过程中,应用视觉传感器摄取闸瓦图像,根据闸瓦轮廓经图像旋转、缩放和平移变换后边缘特征点保持不变的统计特性,以其作为主要特征参数来自动识别具有复杂背景的闸瓦目标.针对闸瓦表面图像特征与轮对相近、图像灰度分布不均匀和存在遮挡等特点,研究改进的边缘不变矩匹配算...     

基于视频监控技术的转辙机缺口监测系统研究

介绍一种以视频监控技术和图像处理识别技术为基础的转辙机缺口实时监测系统的原理与方法,实现缺口位置状态数据存储、显示并发出声光报警.对采集的图像压缩编码后,通过电力载波扩频通信和ADSL传输技术将数据传送到监控室.通过摄像机标定校正镜头畸变,对实时捕获的一帧图像使用高斯滤波、阈值分割、形态学凸壳、亚像素精度轮廓等算法提取缺口边缘特征,从而得出缺口位置大小,实现转辙机缺口状态的实时在线监测.     

图像处理技术在钢轨表面缺陷检测和分类中的应用

采用图像处理、模式识别及机器视觉等理论,对现役钢轨缺陷进行检测和分类.完成自动提取缺陷图像和最小化缺陷图像,以减少处理量并降低存储空间需求,自动判断缺陷类别.文章对采集到的缺陷图像进行处理,实验结果证明该方法能够正确实现检测轨道表面缺陷检测,并具有一定的适用性.此方法可以克服人工检测方法的许多弊端,提高检测速度和精度.