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。     

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.     

应用归一化互相关函数法进行交通视频阴影检测．

交通视频检测中采集到的视频图像一般都会有不可避免的阴影存在,由于计算机无法很好地识别图像中的阴影,很可能会造成检测错误,引起一系列负面效应。提出一种进行阴影检测的归一化互相关函数法,并对一个实例进行仿真。     

基于OpenCV的锥桶识别技术研究与实现

基于图像处理理论与算法,利用OpenCV库函数实现对锥桶的识别。为减轻图像处理的压力,先将源图像进行HSV转换,后通过漫水填充对指定区域进行指定颜色填充,并通过形态学滤波去除明显噪声。通过轮廓查找以剔除较小轮廓,并构造最小外接矩阵对锥桶因白色反光条分割的2个部分进行比较,最后将垂直投影图像通过最小二乘法得到的斜率进行识别。实验数据表明,采用文中算法识别锥桶准确率较高。     

基于ITK和VTK的医学图像分割与重建

基于开源软件开发包ITK,使用连接门限法和快速步进法分别完成对肺实质和脊柱的医学图像的自动分割,分割效果良好.通过对分割结果的对比分析,得出两种分割方法的适用对象.使用连接门限法分割CT序列图像,并输入到VTK中,实现了胸椎的三维重建.实验结果准确还原了目标组织空间位置、几何特征等信息,各脊柱块间没有粘连,能够满足医生对局部组织的观测需求.     

基于改进梯度相似度核的交通图像去雾算法

雾霾天气下,交通图像采集设备获取的降质图像含有较多噪声,图像边缘不突出,整体偏暗且对比度不高,灰白不清。针对传统交通图像滤波和去雾算法存在着滤波效果和边缘保持能力不能兼顾,容易出现噪声斑块,导致去雾后图像质量较低的问题,在传统梯度双边滤波基础上,设计了一种新的梯度相似度核,提出了基于改进梯度相似度核的雾霾天气下交通图像去雾算法。新算法首先将采集的含雾图像转换到Lab颜色空间,提升色域宽度,再利用改进梯度相似度核和空间相似度核分别计算图像中每一像素点与滤波框内临近像素点的梯度相似度和空间相似度权值,根据权值对图像进行滤波处理,然后将其转换到RGB颜色空间。最后根据大气光散射模型和暗通道先验原理,对滤波后的交通图像进行去雾处理,得到复原图像。试验结果表明：与传统双边滤波和梯度双边滤波算法相比,使用新算法处理后的复原图像峰值信噪比、归一化灰度差平均提升了13.25%、9.41%和21.76%、22.7%。新算法在保证了滤波效果,避免“噪声斑块”的同时,能够尽可能保持图像边缘细节信息,提升了雾霾天气下交通图像的去雾质量,对加强交通监控,保障交通安全有十分重要的应用价值和现实意义。     

基于卷积神经网络的路表病害识别与测量

为进一步提高利用二维图像统计路面病害的精度与效率,将卷积神经网络（Convolutional Neural Network,CNN）技术引入了基于图像分析的路面病害识别与测量。首先,将原始图像进行等尺寸分割作为CNN的训练样本。其次,经结构设计、前反馈算法训练及样本测试3个步骤后,建立病害识别模型（CNN1）。用训练完成的CNN1对所有图像进行病害类型识别并将输出结果作为裂缝特征提取模型（CNN2）和坑槽特征提取模型（CNN3）的训练样本。采用相同步骤建立裂缝特征提取和坑槽特征提取模型,完成训练后,运行CNN2,CNN3对路面裂缝与坑槽图像进行特征提取。最后,分析图像分辨率对3个CNN识别和特征提取精度以及效率的影响。结果表明：CNN1可以准确识别多种病害,CNN2的裂缝长度提取的平均误差为4.27%,宽度提取的平均误差为9.37%,裂缝病害严重等级判断准确率为98.99%;CNN3的单张图像中的坑槽个数测量无误差,单个坑槽面积的平均误差为13.43%,坑槽病害等级判定准确率为95.32%,可见CNN具有较高的测量精度;CNN1在使用CPU的情况下测试完成原始图像平均用时为704 ms·幅^-1,CNN2用时为5 376 ms·幅^-1,采用图形处理器加速后CNN1用时为192 ms·幅^-1,CNN2测试平均用时为1 024 ms·幅^-1,可见CNN在图形处理器加速下效率具有显著优势,相比其他方法,在图像分辨率高于70像素时,CNN对路面裂缝与坑槽的识别与测量具有运算高效、结果精准等优势。     

具有亚像素精度的冗余特征机器人视觉伺服控制

为克服机器人视觉伺服系统对位姿估算及标定精度的依赖性,结合前期特征识别和后期视觉伺服控制,提出基于冗余特征的机器人视觉伺服控制方法.首先,针对图像处理计算密集的问题,从加快特征提取运算速度考虑,研究了矢量数据的递归贪婪压缩算法;其次,从提高图像空间测量精度考虑,研究了基于向量正交性的亚像素特征提取方法,并结合合作目标形状,给出基于多边形形状拟合的目标识别实验性准则;最后,基于图像视觉伺服理论和任务函数方法,直接以具有亚像素级的冗余图像特征作为反馈信息,建立了机器人视觉伺服控制模型,并进行了视觉伺服验证试验.理论分析和实验结果表明,本文提出的视觉伺服控制方法能够在复杂的环境下快速稳定地提取伺服特征,并对标定误差和深度估计误差具有一定的鲁棒性.      

利用小波包分析进行雷达图像消噪研究

针对船用雷达图像消噪问题,提出了应用小波包分析算法对雷达图像进行消噪处理.小波包分析算法对上一层的低频部分和高频部分同时进行细分,具有更为精确的局部分析能力.本文对小波包分析进行了改进,解决了频率混叠问题,其消噪效果更佳,具有更为广泛的应用价值.