日间高速公路侧后方车辆识别方法

为帮助驾驶员发现目标车道侧后方车辆尤其是视野盲区内车辆,从而避免或减少换道过程中发生的交通事故,提出了日间在高速公路上识别侧后方车辆的新方法.根据路面灰度值,将日间图像分为正常光照和弱光照两类.由于车辆阴影的灰度小于路面平均灰度,根据两侧车道区域内存在的灰度突变确定出侧后方车辆的可能存在区域.对确定的区域采用相应的阈值分割方法进行图像分割.在对分割后的二值化图像去噪、边缘提取和细化,以及提取车辆直线水平边缘基础上,根据系列车辆统计获得的先验知识(车辆前车窗的大小及比例等)验证车辆的真实存在.试验结果表明,该算法具有较好的可靠性和鲁棒性.     

基于灰度投影和宏块线性搜索的电子稳像

为减轻因摄像机震动造成的视频序列失稳,提出了一种基于灰度投影和宏块线性搜索的电子稳像方法.该方法首先利用灰度投影进行粗匹配,估计当前图像相对于参考图像的偏移量;再利用块匹配结合正方形线性搜索进行精确匹配,得到较精确的位置偏移量,进而进行运动补偿实现视频稳定.实验结果表明,该方法能使稳像精度得到提高,同时与全搜索法和菱形搜索法相比,计算复杂度有所减小.     

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.     

基于平均明暗熵差的人脸增强算法

针对人类视觉对图像亮度的响应特征,提出了一种使用粒子群优化方法对图像灰度的非线性转换函数参数进行优化,用以使图像的平均明暗信息熵之差的绝对值最小,从而使图像的明暗灰度分布更加均匀的人脸增强算法.实验结果表明,该方法在增强图像的基础上能有效地提高图像在高灰度区域的视觉效果,对图像在高灰度区对比度有所损失的现象进行弥补,同时也能有效地提高整幅图像的视觉层次.     

基于云模型的模糊边缘检测

基于云模型和模糊集理论。提出了一种新的边缘检测方法．该方法根据图像灰度。借助区域生长算法产生对象云；通过云运算生成边界云并构建模糊隶属带。进而在条件概率和模糊划分熵的基础上。根据最大模糊熵原则确定最优阈值，对图像模糊边界进行提取．试验结果表明。该算法能保留大量低灰度信息。可以获得较好的枪涮特栗．     

基于量子指针的量子灰度图像处理

为了解决量子灰度图像处理中量子图像的表示问题,利用量子态保存图像的灰度信息和位置信息,依据灰度图像灰度变化范围小的优势,提出并证明了一种量子灰度图像的存储表达式,而且在此表达式的基础上,提出了“量子指针”的概念。把量子指针作为图像像素灰度信息与位置信息联系的纽带,利用其双向性和子块性可使得量子灰度图像在存储及其他操作方面更为简单,方便,最后也验证了它的可行性。     

热态重轨图像光照不均校正方法

为抑制重轨弧面强反射场引起的局部亮度过大,同时保留足够多的原始图像信息.研究了线像素灰度处理方法,计算列像素均值,去均值化处理实现纵向光照不均校正;选取上边缘的n个离散点,三次B样条边缘拟合,y方向像素对齐实现边缘矫直,然后对每一行的像素进行叠加,将灰度均值作为基准,根据每一行像素灰度和基准的比值进行线性拉伸,实现横向光照不均校正.引入信息熵、均方误差、峰值信噪比、通用图像质量指数量化比较不同方法的处理效果.对比实验表明,文中方法得到的图像总体灰度值分布最均匀,图像质量评价参数最高.该方法校正了图像亮度的不均匀性,同时能保留足够多的原始图像信息.     

基于K-L变换的人脸识别系统

围绕人脸识别问题对人脸特征提取及识别技术进行了研究.主要有:运用灰度投影提取出在简单背景中的人脸图像,进行归一化操作;以类间散布矩阵作为产生矩阵,通过K-L变换降维并提取出代数特征,为了减少计算量,运用了奇异值分解,最后用最小距离分类器分类对图像进行分类.实验结果表明本方法的有效性.并且对人脸姿态,表情,光照等都具有一定的免疫性.     

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。     

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.     

Modified gray level difference-based thresholding segmentation and its application in X-Ray welding image

Thresholding is a popular image segmentation method that often requires as a preliminary and indispensable stage in the computer aided image process, particularly in the analysis of X-ray welding images. In this paper, a modified gray level difference-based transition region extraction and thresholding algorithm is presented for segmentation of the images that have been corrupted by intensity inhomogeneities or noise. Classical gray level difference algorithm is improved by selective output of the result of the maximum or the minimum of the gray level with the pixels in the surrounding, and multi-structuring of neighborhood window is used to represent the essence of transition region. The proposed algorithm could robustly measure the gray level changes, and accurately extract transition region of an image. Comparisons with other approaches demonstrate the superior performance of the proposed algorithm.     

基于灰色理论的产品配色意象值评价算法研究

顺应产品造型变化的配色调查有助于设计师获得较为精确的配色意象,为了节省大量的配色问卷调查统计时间,以较少的已知的色彩样本意象评估量值去预测待测的产品配色量值,文中建立了产品配色方案灰色关联的数学模型,提出配色方案灰色聚类分析的算法,并详细阐述了该算法对配色方案进行定量评价的过程,最后通过案例应用和基于类神经网络预测的方法进行比较研究,结果显示,文章提出的算法对于多色组成的产品较为有效.     

基于灰色关联的数字图像去噪研究

在图像去噪过程中为了既能获得较好的去噪效果，又能更好地保护图像细节，运用灰色系统理论的灰关联度的思想提出了一种基于灰色关联的加权均值滤波器．尝试了将灰色理论中的灰色关联用于图像的均值去噪，对均值滤波器的权值加以优化．实验表明，该算法使图像处理效果比传统的均值滤波效果有所提高。     

基于图像融合和DCT域增强的人脸识别

提出了一种基于图像融合和DCT域增强的人脸识别方法.首先对人脸图像分别进行直方图均衡化和对指数变换,将二者变换结果融合,减少光照对人脸识别的影响;然后进行DCI变换,在滤除高频分量的同时进行图像增强,抑制块效应,在此基础上进行IDCT图像重建,利用二维主成分分析提取人脸特征,降低空间维数;最后通过最邻近分类法实现人脸识别.Yale人脸库仿真实验表明,该方法在光照变化较大和人脸样本较少的情况下具有较高的识别率.     

Improved Anchored Neighborhood Regression Enhancement for Face Recognition

Although progress in face recognition is encouraging, the accuracy rate of face recognition remains to be increased. Since the face image quality has a positive influence on face recognition accuracy, the image enhancement methods are popular in face recognition. Most current image enhancement methods aim at improving visual appearance, but cannot improve recognition accuracy remarkably. In this paper, a feature evaluation operator is designed to overcome this problem. The operator selects patches with the best quality, and then face image is reconstructed with the selected patches. The proposed algorithm is tested on two different face recognition applications. Accuracy is raised after enhancement, and the result proves that the proposed algorithm is effective.