基于灰度形态学的图像预处理及其三维重构研究

对三维表面重构所用图片的预处理、三维重构Marching Cubes算法及其算法的具体编程实现进行了详细地讨论和验证,其相关技术在工程软件设计中获得了预计的结果.     

基于重要位平面的彩色图像检索算法

针对利用颜色特征检索图像时的不足,提出了一种基于重要位平面的彩色图像检索算法.该算法利用位平面分解的方法对表征图像视觉的信息进行分解,从中提取能够表征图像视觉信息的5个最高位平面,并计算其上的R、G、B颜色分布熵来描述图像特征.为了避免图像中像素颜色值的微小变化对位平面复杂度的影响,采用了位平面的灰度码表示方法.最后设计了以位平面距离加权和的方法进行相似性度量.仿真实验表明所提出的算法具有高效的图像检索性能.     

海面目标雷达图像多尺度轮廓段特征提取方法

为了有效提高舰船雷达图像特征识别度,基于当前灰度投影拟合相关技术,提出舰船雷达图像轮廓特征提取方法。根据雷达感应电磁波输入信号排列,通过预设灰度级和拟合高度,根据图像三原色组成比例,获取灰度图像,利用二维分割法,根据灰度级转换特征,将一维灰度图分割为二维灰度图,通过模糊积累特征识别方法,设置二维灰度图的特征函数,求取隶属函数,建立模糊特征集,实现雷达图像轮廓特征提取。实验数据表明,应用该设计特征提取方法,图像灰度回波提高了32%,灰度纵波提高了29%,图像特征识别精度具有明显提高。     

基于神经网络的肝脏B超图像自动诊断系统设计

通过灰度共生矩阵对肝脏B超图像的纹理描述和相关分类技术进行较全面的分析比较,将BP神经网络技术应用于纹理组织的分类处理中,并对B超图像自动诊断识别系统的软件设计技术进行了探讨．     

深度学习船舶分类技术研究

为了提高船舶分类正确率,针对当前船舶分类方法存在的精度低、误差大等缺陷,提出基于深度学习的船舶分类方法。首先对船舶分类图像进行采集,并提取多个船舶分类特征,组成船舶分类的特征向量集,然后将特征向量集作为深度学习算法的输入,船舶类型作为深度学习算法的输出进行学习,建立船舶分类模型,最后进行船舶分类的仿真实验,结果表明,深度学习算法的船舶分类正确率超过90%,不仅可以很好地描述船舶类型,而且船舶分类的速度也很快,可以应用于日常船舶分类管理工作。     

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。     

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。     

自适应阈值法的舰船图像自动分割

图像分割是视觉检测领域中的重要环节。由于舰船环境和图像数据的复杂性,现阶段舰船图像自动分割技术中的抗光照性能差、精度低以及边缘模糊等问题仍普遍存在。如何有效完成对舰船图像进行自动分割成为一大难题。为了有效解决上述问题,对当前图像分割方法进行深入的研究和调查,提出通过自适应阈值法的舰船图像自动分割方法,在总结和分析了现有自适应阈值分割算法存在的优点和局限性后,给出了自适应阈值图像分割法的改进方案,以便从复杂的舰船图像背景中分离出目标区域,有效解决当前图像分割技术中光照不均匀、边缘模糊等问题。为验证方法有效性进行了仿真实验,实验结果证实该方法性能效果相对较好,充分满足对复杂舰船图像进行分割的设计目标。     

基于TI双核处理器的舰船嵌入式稳像技术

船舶等需要远距离观察与测量的交通工具,对抖动一般都比较敏感,即使轻微的抖动也会使船舶上的摄像平台产生很大的偏移,造成拍摄出的视频图像不够稳定和清晰,严重影响船舶的精准测量与正常航行。所以需要借助稳像技术来解决上述问题,提高船舶的观察与测量精度。本文基于TI双核处理器,采用优化的灰度投影实时电子稳像算法技术,对舰船嵌入式稳像系统进行设计与分析。