细胞图像自动分割方法研究

提出一种细胞图像的自动分割与定位方法．首先将直方图分割所得二值图像的距离变换作为边缘提取的指导知识，进行细胞图像的精确分割；然后利用分割边缘点的梯度方向和几何知识确定细胞的中心．该方法既能对非重叠细胞也能对重叠细胞进行细胞的分割与定位．     

基于改进遗传算法的图像分割识别方法

提出了一种利用灰度直方图熵和改进遗传算法对图像进行分割的方法，以灰度图像直方图熵作为评价函数，把图像分割问题变成一个优化问题，利用遗传算法的寻优高效性，搜索到能使分割质量到达最优的分割阙值．针对遗传算法的某些不足之处，利用精英策略和模拟退火的思想，对其做了一些修正．实验结果表明，该方法不仅分割质量好，而且缩短了运算时间．     

基于小波变换及熵的视频镜头分割检测方法

提出了基于小波变换及熵的视频镜头分割检测方法．用图像低频信号的小波系数的均值和标准差检测剪切镜头转换边界．分别计算图像小波分解后水平、垂直和对角方向细节信号的小波熵分量,以此3个小波熵分量作为特征量,计算相邻视频帧间特征量的欧氏距离．在检测窗内欧氏距离两次以上大于设定的阚值时即可判定镜头发生渐变转换．实验结果表明,剪切镜头查准率为95％,查全率为96％;渐变镜头查准率为87．5％,查全率83．8％．     

Parzen窗估计在潜艇目标强度统计建模的应用

研究潜艇目标强度的统计特性对水中兵器的仿真和试验分析具有重要意义。本文针对直方图统计模型的精度受区间划分影响较大,提出将Parzen窗估计方法用于潜艇目标强度的统计建模,建立潜艇典型舷角下的目标强度分布模型,并对统计特性进行分析。对Benchmark潜艇模型进行仿真计算,结果表明,采用Parzen窗估计法建立的潜艇目标强度统计模型符合潜艇的物理结构特性,能够更加准确和有效地对潜艇目标强度的统计特性进行预报。     

RBF神经网络模型在遥感目标检测中的应用

光学遥感成像是一种常见的船舶目标图像获取方法,对其图像中的船舶目标检测正逐渐成为研究热点。本文利用RBF神经网络模型对航空母舰、驱逐舰、护卫舰、客船、集装箱、民用货船6种常见船舶光学遥感图像进行检测,首先结合kmeans和区域增长法对遥感图像进行分割,接着对船舶区域提取灰度一致性矢量和距离直方图2个特征。最后用聚类方法对RBF网络训练,并用其对船舶目标进行训练和检测。检测结果表明,本文的RBF神经网络模型对船舶目标的检测准确率为86%左右,有效实现了常见船舶目标的检测。     

基于BP神经网络的船舰目标识别分类

随着各国在海洋领域竞争的日益激烈,船舰目标自动识别技术正逐渐成为研究热点。本文利用BP神经网络对航空母舰、驱逐舰、护卫舰、客船、集装箱、民用货船6种船只类型进行分类,首先对船舰图像进行中值滤波,去除随机噪声和椒盐噪声,然后利用OTSU法将灰度图像分割成背景和目标两部分,接着对目标区域提取了Hu不变矩、边缘梯度方向直方图、周长-面积比3个特征。为了使边缘梯度方向直方图也具有旋转和尺度不变性,本文提出了一种变换方法:将直方图循环右移,直至其最大值到达直方图最右端。最后利用BP神经网络对船舰图像进行了训练和测试。测试结果表明,本文的分类算法对船舰目标的分类精度达到84%左右,有效实现了常见船舰类型的识别分类。     

基于CUDA的快速LBP纹理背景建模算法

针对复杂条件下背景建模这一视频检测领域的难点,提出一种基于Nvidia CUDA架构图形处理器(GPU)的快速LBP纹理直方图背景建模算法,算法根据GPU的并发结构和硬件特点,采用纹理存储和分页存储方式,利用共享内存与多点访问技术,提高数据访问效率,降低了算法复杂度.实验结果表明,相比CPU实现,GPU方式能够明显改善实时性能,平均加速比在30x左右,帧处理速度达到40 f/s以上.     

一种雷达信号的综合分选方法

现代战场电磁信号环境日益复杂,仅某一种算法不能准确地分选雷达信号。文章提出了一种结合序列差值直方图算法和改进的PRI变换法的综合分选方法来估计脉冲重复间隔。仿真结果表明在复杂的信号环境中可以对雷达脉冲信号实时地进行准确分选。     

基于多特征信息和直方图相交的改进Meanshift算法

针对Mean-Shift算法仅利用颜色信息并以Bhattacharya系数为相似性度量导致算法准确率较低的问题,提出一种结合颜色和纹理信息并以直方图交集为相似性度量的跟踪算法。首先用局部二元模式算子提取纹理信息,再以对数比加权直方图取代传统直方图构建目标和候选目标模型,然后根据场景自适应地综合两类特征并通过Mean-Shift算法获得目标的初略位置,最后以直方图交集作为相似性度量并用Powell方法求其极值作为目标在当前帧中位置的估计。实验表明,该算法不仅能增强跟踪的准确性,而且对光照弱、目标与背景颜色近似等情况也有较好的鲁棒性。     

单幅雾霾天气交通监控图像去雾处理技术

针对交通视频监控系统在恶劣雾霾天气下获取的图片质量受损,无法正确识别车辆信息的 问题,首先总结了已有图像除雾技术的研究成果,对比分析了全局直方图去雾处理法、同态滤波 去雾处理法、多尺度Retinex(MSR)去雾处理法3 种算法。然后,采用这3 种方法对雾霾交通图片 进行处理,并根据图像纹理特征统计量对处理后的图像效果进行了客观评价。仿真结果表明,3 种算法中,采用多尺度Retinex(MSR)处理法最能提高雾霾图像的质量,能有效地恢复和增强图像 信息,使图像的近景和远景得到均衡。最后,基于Matlab 设计了GUI图像去雾系统,逐一验证了 3 种算法的处理效果,结果表明该系统能够有效地提高交通视频监控系统图像的清晰度,可在一 定程度上优化雾霾天气下的交通图像质量。