一种提取模糊图像边缘区域的双阈值分割方法

针对目标和背景在同一平面的图像，提出一种双阈值分割方法获取图像由目标过渡到背景的边缘区域，并将提取的边缘区域平均梯度用于图像清晰度的评价，评价效果较好．     

基于包含度理论的双阈值视频镜头边界检测算法

在视频镜头边界检测中,由于人眼视觉具备的主观性和视频帧图像结构与边界的不确定性,比较适合采用模糊理论,本文基于模糊集中的包含度理论提出双阈值化的视频镜头边界检测方法：首先基于包含度公式定义视频镜头边界检测函数,然后利用包含度理论提出视频边界镜头渐变和突变的通用检测算法,最后提出双阈值优化选取办法,实验结果表明本文方法具有较好的检测渐变和突变镜头能力。     

基于级联特征分类器的行人检测算法

为进一步提升方向梯度直方图-局部二值模式(HOG-LBP)特征融合的行人算法在检测精度以及加快融合后的算法检测速度,提出了一种基于级联特征分类器的行人检测算法.计算样本集的方向梯度共生直方图(CoHOG)特征和鲁棒局部二值模式(RLBP)特征,使用这两种特征训练两种特征弱分类器,并将两种特征融合训练CoHOG-RLBP...     

基于迭代最佳阈值分割的边缘检测研究

为了解决传统的人工定义阈值和检测算子在边缘检测方面的不足,提出了基于迭代最佳阈值分割的边缘检测,并据此进行图像的边缘提取。这种方法不仅大大降低了算法的复杂度,提供最佳阈值,同时也能保证边缘提取的精确度,消除图像噪声对边缘提取的影响。通过对迭代阈值的应用,利用边缘检测算子对图像进行边缘检测,并和现有的方法进行对比。实验结果表明,和现有的检测方法比较,该方法在检测效率和准确度上表现比较优秀。     

基于并行粒子群算法的Otsu双阈值医学图像分割

医学图像分割一直是医学影像分析领域的研究热点。由于粒子群优化(PSO)容易陷入局部极小,因此该算法用于搜索某些函数极值时精确度较低且稳定性较差。针对该问题,结合Otsu分割技术,提出了一种基于并行粒子群优化算法的Otsu双阈值医学图像分割算法。在该算法中,将粒子群体分成若干个子群体,进化在多个不同的子群中并行进行,避免单种群进化过程中出现的过早收敛现象,提高整个算法的收敛速度。实验结果表明,提出的分割算法与传统粒子群算法相比,不仅能够对图像进行准确的分割,而且具有更强的精确性和稳定性,其收敛速度明显优于基于单种群的粒子群算法的Otsu双阈值医学图像分割。     

基于序列图像的车型识别研究

研究提出了一种应用于车型识别系统中的基于序列图像的图像处理方法.该方法对采集的彩色序列图像进行灰度化、平滑去噪、序列图像差分、Sobel边缘检测、横/纵向填充、图像修正、边缘提取等一系列的图像处理,并最终识别车型.其中,与传统的车型背景分离法相比,序列图像差分对汽车从实际背景中分离出来起着重要的作用,达到了很好的分离效果.通过利用Matlab进行了实际检验,结果表明,该一系列的车型识别方法是可行的,并对低质量和背景复杂图像有着良好的处理效果.     

基于粒子群优化的双凸透镜缺陷Otsu阈值分割算法

为提高双凸透镜在实时缺陷检测时阈值分割的速度和精度,提出了改进粒子群优化算法(particle swarm optimization, PSO)优化Otsu双阈值分割(Otsu’s thresholding method)。通过改进粒子群算法的权重函数并引入约束因子增强粒子前期全局搜索能力,提升了后期局部收敛速度;在判断是否陷入局部最优时加入扰动,防止粒子后期陷入局部最优;用粒子当前位置替换全局位置时,为减少粒子资源浪费,通过重新分配位置和速度激活粒子搜索能力,提升了整体粒子群的全局搜索能力。实验证明,采用改进的PSO算法对图像进行双阈值分割,比Otsu双阈值分割节省约52.7%的时间,比PSO+Otsu算法节省约32.3%的时间,而且其阈值分割的精度也得到了提升。     

基于Matlab的图像阈值分割算法研究

重点讨论了图像分割法中的阈值研究法,包括全局阈值法和自适应阈值法。对全局阈值算法中的人工选择法、迭代式阈值选择法、最大类间方差法以及自适应算法中的分水岭算法进行了重点分析,用Matlab进行实现并给出了实验结果;分析了几种算法的适用情况,并提出了一些改进意见。     

基于图像边缘检测的小波阈值去噪方法

提出一种基于图像边缘检测的小波闽值去噪新方法.该方法利用Canny算子检测出图像的边缘,进而定义了一种新的阈值函数,然后对含噪图像、边缘图像的小波变换系数采用新阈值函数分别进行阈值处理,将处理后的边缘图像与图像的小波系数进行融合,得到去噪后的图像.实验结果表明,采用该方法处理的去噪图像,能够在去噪的同时有效地保持图像的边缘信息.     

一种基于小波变换的改进 Normalshrink 自适应阈值边缘检测算法

针对含噪声图像边缘提取问题提出一种改进 Normalshrink 自适应阈值去噪算法,通过 3 次 B 样条小波变换和局部模极大值法提取出可能包含图像边缘特征的小波系数。考虑边缘像素之间特殊的空间关系以及噪声在各级小波分解尺度下的不同效应,构建适合各个尺度级的改进 Normalshrink 自适应阈值,并依此对提取出的小波系数进行筛选。实验结果表明,与改进的 Candy 算子和传统的 Normalshrink 自适应阈值相比,该方法提取出的图像边缘较为完整清晰,峰值信噪比提升约 5db。     

基于双阈值分割法的模糊图像边缘区域的提取研究

图像边缘分割技术一直是图像分析处理中最困难的任务之一。本文提出以双阙值分割法来提取模糊图像边缘区域,通过双阙值分割算法的应用获得靠近边缘的初始轮廓,能准确跟踪图像边缘区域。结果表明在提取模糊图像边缘区域中,双阙值分割法具有良好的效果。     

基于级联混沌的灰度图像加密算法

为提高数字图像在传输中的安全性,本文采用置乱—扩散机制设计一种新的图像加密算法.在像素置乱的过程中,通过Arnold变换和密钥序列排序的方法对图像各像素点位置进行两次置乱.像素值替代是通过对其二进制各位数字置乱后再与密钥序列的异或运算来实现的.而密钥序列都是通过L-L级联映射产生的伪随机序列.实验证明,这种加密算法加密效果好,能够抵御几种常见的攻击方式.     

基于改进HOG特征提取与SVM分类器输电线路金具识别

目的:针对识别输电线路金具的检测方法存在精度低、分类结果较差的问题,提出解决方案。方法:提出一种基于支持向量机(SVM)分类与改进HOG梯度方向直方图特征提取相结合的输电线路金具识别算法。对图像进行去噪预处理,提取特征信息,输入到SVM进行识别分类。将绝缘子规定为正样本,耐张线夹规定为负样本,选取500个样本进行试验。结果:准确率由未改进前的81%提升到96%。结论:所提出的算法可行、有效,为机器学习在输电线路金具识别中的应用提供一定的参考。     

基于快速熵阈值的彩色图像边缘自动检测方法研究

作者提出了一种基于CIE LUV彩色空间的边缘检测算法,首先通过非线性同等组滤波器进行平滑和去噪预处理,接着利用改进的各向同性边缘检测器和快速熵阈值技术自动确定图像边界,并考虑了像素与其八领域像素的颜色距离进一步精确定位图像的边缘.实验证明该算法能较好的得到彩色图像的边缘.     

基于有监督学习的应用识别研究

网络应用识别是网络管理、研究、规划、安全等一系列事务的基本前提,基于分组端口号和分组载荷的应用识别技术逐渐不能满足需求．根据不同应用具有各不相同的流量特性这一原理,可利用机器学习技术挖掘各种应用的流量模式,从而进行有效识别．本文使用简单的流量特征作为观测值进行有监督应用识别．通过比较多种通用的机器学习算法,找出最适用于应用识别问题的有监督学习方案,同时应用特征选择算法找出关键的流量特征．     

基于改进的小波阈值图像去噪算法研究

基于Donoho经典小波阈值去除图像噪声基本思路,分析常用硬阈值法和软阈值法在图像去噪中的缺陷。针对这些缺陷,提出一种改进的阈值去噪法,该方法不仅可克服硬阈值不连续的缺点,还能够有效解决小波分解预估计系数与真实小波系数间存有的恒定误差。通过Matlab仿真实验,使用改进的小波阈值法对图像去噪处理后,除噪效果比较理想,在去噪性能指标上,PSNR(峰值信噪比)和EPI(边缘保护指数)均好于传统阈值方法。     

颅骨图像的阈值分割算法研究

针对颅骨CT图像中灰度值范围变化较大的特点,阐述了两种图像的分割方法,一种是基于边缘信息的分割,一种是基于区域信息的图像分割,提出了在颅骨CT图像分割中采用基于区域的阈值分割算法,并通过软件编程实验证明了它具有算法简单、识别效果好、效率高的特点．     

双数量结构研究述评

本文主要概述双数量结构的相关研究,并对双数量结构研究中的两个比较重要的问题,即分类和句法特征问题分别加以讨论。     

基于颜色和形状的模板匹配的钉螺识别计数研究

为了识别不同环境不同姿态的钉螺并计数,提出了基于颜色和形状的模板匹配的钉螺识别与计数的算法.本算法通过对钉螺图片的颜色和形状特征的特性提取,利用RGB颜色的聚类空间的特性,实现了该模板匹配的钉螺识别与统计的目的.实验结果表明,该算法的识别与统计效果比较高,能适应一定范围的钉螺场景环境的变化,实时性好.     

基于小波优化阈值的图像滤噪研究

小波阈值滤噪是小波域滤噪的主要方法之一.该文描述了小波图像的滤噪原理和阈值的选取.针对图像滤噪在软、硬阈值的基础上进行了优化,给出了一种修正后的算法并在matlab7.9平台上对图像分别进行硬阈值、软阈值和软硬阈值修正算法滤噪的仿真实验,结果表明软硬阈值修正算法的滤噪效果更优.