排序方式: 共有101条查询结果,搜索用时 31 毫秒
71.
利用灰度图像匹配方法分析了铁水罐车上十字标志物,从而对铁水罐车进行精确定位。在灰度图像匹配分析过程中,采用粒子群算法对图像的最优匹配点进行粗定位,再利用改进的Harris角点检测算法和亚像素方法精确定位。最后,利用试验案例证明本方法是合理可行的。这解决了铁水罐车在装载铁水过程中的精确定位问题。 相似文献
72.
73.
一种简单高效的二值图像并行细化算法PABIT 总被引:7,自引:0,他引:7
提出一种简单易行的二值图像并行细化算法PABIT,该算法通过模板匹配的方式.层层剥离原始图像的边缘像素,使具有像素点宽度为偶数的笔划保留双像素的中心骨架.使像素点宽度为奇数的笔划只保留单像素的中心骨架线,最终在此准骨架的基础上通过进一步处理得到最后的笔划宽度为1的细化图案.由于该算法采用并行处理的模式.使得该算法较通常的串行算法效果更好.经该算法细化后的结果具有保形.连通,无扭曲变形的效果. 相似文献
74.
针对大多数跟踪算法对车辆等交通目标在行驶过程中的尺度变化、姿态变化的适应性差及在跟踪过程中使用固定尺度的跟踪框,导致所构造的目标模板包含大量背景信息,引起跟踪漂移甚至丢失的问题,提出一种基于压缩感知理论与超像素目标性度量的尺度自适应多示例交通目标跟踪算法,该算法首先利用压缩感知理论对多示例学习中的特征维数进行降维,减少算法计算的复杂度。其次,采用超像素目标性度量进行局部尺度自适应调整,解决多示例跟踪算法中的尺度适应问题。此外,引入基于目标判别机制的分类器更新,利用连续帧中目标的相似性判断跟踪目标是否存在遮挡或漂移问题。依据目标判别的结果,实现变学习率的分类器参数更新。试验结果表明:该方法具有较高的跟踪精度和良好的跟踪鲁棒性,在车辆目标发生遮挡、尺度变化、三维旋转等情况时均能较好地跟踪目标,通过对不同的交通视频序列进行测试,算法的平均中心位置误差远小于对比算法,仅为3.92像素,其对比算法CT跟踪、MIL跟踪及WMIL跟踪算法的平均位置误差分别为56.96像素、35.36像素及58.54像素,平均重叠率达80.1%,较CT跟踪、MIL跟踪及WMIL跟踪算法分别高44.9%、45.3%和45%,满足智能交通监控的实际需求。 相似文献
75.
76.
喜爱摄影而又不想为了镜头去迁就某个品牌的机身发烧友有福了。松下新近推出了小型单反相机Lumix G1,小巧轻便及1210万有效像素只是它的部分闪光点,它最出色的特点是采用了Micro 4/3系统。 相似文献
77.
78.
基于细胞图像局部分布特性的粘连分割技术研究 总被引:1,自引:0,他引:1
在医用显微图像中,针对重叠和粘连在一起的细胞图像,根据其局部分布特性,在距离变换的基础上提出了一种新的基于图像局部像素分布的分割方法。实验结果表明,该方法简单易行,鲁棒性强,具有较好的分割效果。 相似文献
79.
80.