一种基于区域标记的虹膜内边缘定位新算法

提出了一种新颖简单的虹膜内边缘(瞳孔)定位算法.首先,采用Soble边缘检测算子和形态学变换进行边缘检测;然后,利用区域标记法为边缘检测后形成的各连通成分赋予相应的灰度值,并利用直方图的方法分离出瞳孔区域;最后,采用投影的方法进行瞳孔的定位.实验结果表明,文中提出的方法能够准确地进行虹膜内边缘定位.     

不均匀光照下的虹膜定位算法研究

虹膜定位是虹膜识别中的基础性环节。针对经典虹膜定位算法易受光照影响且速度慢的问题,分析不均匀光照对虹膜定位的影响,提出最小二乘法粗定位与微积分算法精定位相结合的虹膜定位方法：首先利用形态学灰度运算处理虹膜图像,对处理图像阈值化后提取并修复瞳孔区域,利用最小二乘法对瞳孔区域下部边界点进行内边缘粗略拟合;然后根据外边缘点存在区域的灰度梯度确定虹膜外边缘点,利用最小二乘法进行外边缘粗略拟合;最后利用微积分算法精确定位虹膜内外边缘。以中国科学院虹膜库CASIA（version 2.0）1 200幅虹膜图像做实验,平均耗费时间为4.38 s,定位成功率为98.3%。与经典的Daugman算法和Hough变换算法相比,所提出的算法对不同光照条件下的虹膜图像能更准确、快速地定位。     

基于多尺度小波变换的二维图像角点检测技术

提出一种基于多尺度小波变换的二维图像角点检测算法。首先利用二维零交叉边缘检测算子对图像进行边缘提取得到二值边缘图，通过基于边素（边过程）的围线跟踪算法得到图像的边缘围线。对边缘围线的方向曲线进行多尺度小波变换，利用变换结果的局部最大值信息检测和定位出图像角点。仿真结果表明该算法可有效地实现二维图像的角点检测与定位，具有较高的精度     

基于结构与边缘分布范围双约束的虹膜定位

为了提高现有虹膜定位算法速度和精度,必须充分利用人眼虹膜图象固有的结构性特征,提出了基于虹膜结构与边缘分布范围双约束的虹膜定位算法.在内边界定似时,根据二值化、形态学处理后图像的灰度信息确定瞳孔区域,然后采用最小二乘法圆拟合内边界.在对外边界定位时,由已知瞳孔位置参数以及虹膜结构特性构造一个虹膜外边缘自适应模板确定外边...     

一种基于图像灰度值切线方向的边缘检测方法

提出了一种基于图像灰度值切线方向的边缘检测方法.首先搜索确定当前点的灰度值切线方向,然后根据此切线方向两侧像素的灰度变化情况生成边缘图像.对于含噪声的图像,引入噪声检测方法,无需平滑预处理,直接就能得到边界图.实验证明该方法是简单有效的边缘检测方法.     

一种基于几何特征的虹膜定位算法

虹膜定位是虹膜识别中基础性环节,其精度和速度决定了虹膜识别系统的性能。为提高虹膜定位的速度,提出一种基于圆几何特征的虹膜内边缘定位算法,利用内外边缘中心的耦合特性缩小微积分方法搜索外边缘的范围。实验结果表明,与经典虹膜定位算法相比,提出的算法快速、精确、鲁棒。     

基于Hough变换的车轮定位方法

提出了一种基于Hough变换的车轮定位方法,主要针对道路上车辆目标侧面图像进行车轮检测定位,为车型识别提供重要的几何特征参数.首先通过中值滤波、Sobel边缘检测、阈值分割和边缘细化等算法进行图像预处理,然后使用两步Hough变换圆检测算法对两车轮分别进行检测定位.实验结果表明,本方法能准确地定位出车辆目标的两车轮位置...     

基于蚁群算法的图像边缘检测研究

将蚁群算法应用于图像分割领域,提出了一种新的基于蚁群算法的图像边缘检测方法。详细阐述了蚁群算法与该方法的基本原理和具体实现过程。为了提高算法效率,进行两处改进,第一将蚂蚁初始位置由随机放置修改为放置在图像边缘附近,可取一图像灰度梯度阈值来实现,第二将信息激素强度和启发式引导函数值均定义为像素点灰度梯度值的函数。大量实验结果证明了该算法能有效地检测出图像边缘,而且具有适应性强、效率高等特点。     

基于小波分析的眼底病图像预处理

将小波变换方法用于眼底病灰度图像预处理。采用Haar小波对输入的眼底病灰度图像进行单尺度二维离散小波分解提取边缘。为了从不同程度改善图像的质量,我们对分解的图像进行量化编码,把高频三个方向的分解系数图像用离散小波变换逆变换进行图像融合及图像增强。通过计算机模拟对比了一阶、二阶微商的边缘提取方法和小波变换边缘提取方法预处理结果,结果表明采用小波变换对输入的眼底病灰度图像进行预处理是一种更理想的方法。     

基于数学形态学和支持向量机的跑道检测方法

提出了一种基于数学形态学和支持向量机的跑道检测方法.首先采用Otsu法对原始图像进行全局阈值化处理,并利用灰度形态学边缘检测算法对所得图像进行边缘检测;然后利用Hough变换提取线段,若线段超过一定长度,则判定其所在区域为跑道的候选区域;最后选择8个分量组成跑道候选区域的纹理特征向量,用支持向量机作为分类函数,对候选区域的纹理特征向量进行分类,判别出跑道.实验表明,该算法对跑道定位准确,误检率低.     

一种基于边缘特征提取的景像匹配方法

下视景像匹配制导中,实时图和基准图的拍摄高度、方位和图像比例尺不完全一致,两图的轮廓形状存在旋转和变形等差异,边缘特征提取方法受图像灰度分布影响存在变形和移位,易导致匹配错误。用侧抑制竞争方法,图像边缘特征提取快速准确,不发生移位,对灰度变化也不敏感。在此基础上,用扩展边缘特征法,克服轮廓变形对边缘匹配的影响,提高精度。试验结果表明,此方法模型简单、抗几何变形能力强且便于实现。     

图像处理技术在消防灭火模拟训练中的应用

阐述了应用图像处理技术构建消防灭火模拟训练系统的方法,对其中的技术要点从原理上进行了说明。提出了一种基于目标信息特征的灰度Hough变换实用加速算法用于直线检测,使其运算量比传统算法下降了4个数量级。实验结果证明这种检测与提取灭火水柱中心线的方法快速、有效。用该方法构建的系统,经实际运行证明是图像处理技术在消防灭火模拟训练方面的一个成功的应用。     

海天背景下舰船可见光图像目标区域定位方法

针对行均值法用于海天背景下舰船目标区域定位可靠性不高、容易受到舰船目标大小和海天背景复杂程度影响的不足,提出一种基于图像行灰度熵的舰船目标区域定位方法。该方法在分析海天背景下舰船目标可见光图像成像特点基础上,结合信息熵理论给出了图像灰度熵及行灰度熵的概念,利用图像行灰度熵描述图像在行方向上的灰度变化程度,选用滑动区间方差搜索策略得到图像行灰度熵曲线的突变区间,从而实现舰船目标区域定位,最后通过实际图像进行了实验验证。实验结果表明,该方法能对舰船目标所在区域有效定位,其准确性及鲁棒性均优于行均值法。     

低信噪比下融合随机共振的运动目标检测算法

为提高智能视频监控系统中运动目标检测算法在低信噪比条件下的鲁棒性,结合混合高斯背景建模算法和随机共振原理实现一种低信噪比下的运动目标检测算法。算法根据混合高斯背景模型对当前帧生成目标概率灰度图,在本文定义的性能评价函数下,通过向该概率灰度图添加噪声使得评价函数最优化从而达到随机共振,对该随机共振灰度图进行阈值分割得到输出的检测目标。针对昏暗、大雾和红外视频分别进行了实验,证实了本文算法的有效性同时也显示本文算法相对于普通背景差算法性能获得了明显提升。     

复杂场景下基于自适应多特征融合的跟踪算法

在复杂的场景下,单特征对目标描述不够充分,很难稳健地跟踪目标,针对这个问题,提出了一个基于自适应多特征融合的粒子滤波跟踪算法。该算法采用灰度和边缘特征表示目标,从目标观测似然模型构建的角度融合两种特征,利用粒子似然分布的香农熵动态地评价特征的可靠性,进而确定特征融合权重,以提高算法对场景的适应能力;同时,改进了线性加权的模型更新策略,通过对加权系数的在线调整来抑制模型漂移。实验表明,本文算法可以实现部分遮挡和背景干扰等复杂场景下的跟踪。     

邻域灰度差加权的模糊C均值聚类图像分割算法

模糊C均值(FCM)算法用于灰度图像分割是一种非监督模糊聚类后再标定的过程,适合灰度图像中存在着模糊和不确定性的特点.但是这种算法没有考虑到样本空间中不同的样本点对分类的贡献不同,因此分割效果不理想.提出了邻域灰度差加权的模糊C均值聚类算法,实验结果表明,该算法不仅取得了很好的分割效果,而且加快了算法的收敛速度,从而满足了图像分割的有效性、实时性的要求.     

SAR图像中道路的检测

提出一种两步算法用于从合成孔径雷达 (SAR)图像中无监督地提取线性特征 ,特别是提取公路网。第一步利用局部线特征检测算子提取线基元 ,为此提出一种改进的均值比率 (RoA)算子 ,应用SAR图像的内在统计特性 ,保证较高的准确率 ;第二步引入公路结构特征的先验信息 ,对提取的线基元进行组织 ,获得比较宏观的线性结构。文中的方法通过ERS -1图像加以验证。