基于HOG局部双线性插值的机械零部件检测与识别

传统方向梯度直方图(HOG)特征方法用于机械零部件检测时,对零部件的微小缺陷点的检测和识别不是很有效,因此课题组提出了一种局部双线性插值的HOG特征提取改进算法,将其用于小缺陷点的零件的检测和识别。首先,在图像内部的某个块上实现局部双线性插值;然后对局部双线性插值图像块进行梯度计算,提取新的梯度方向直方图;最后利用神经网络分类方法对具有微小缺陷点的零件进行检测。实验结果表明：局部双线性插值HOG特征提取方法比传统的HOG特征提取方法具有更好的检测性能;增强图像的抗混叠识别效果。     

基于权重阈值的图像匹配方法

针对尺度不变特征变换(SIFT)算法在低照度情况下存在匹配特征点数目少，会丢失部分重要信息的问题，课题组提出先对图像进行预处理，即增强对比度，提高亮度，使特征信息更明显，特征点更充足，再使用SIFT算法提取特征点；针对SIFT算法因特征描述符维数过多导致耗时长，实时性差的问题，课题组提出一种新的特征点描述方式，降低了描述符维数，提高了算法运行速度；最后，针对SIFT算法匹配过程中对描述符所有维度设置统一阈值易造成误匹配的问题，课题组提出一种权重阈值的方法，对距离特征点不同位置的种子点设置不同的阈值，提高匹配正确率。实验表明：与SIFT算法以及PCA SIFT算法相比，改进的算法匹配精度提高了10%~20%；同时，匹配时间也有所提高。该算法既有效提高了匹配正确率，又缩短了算法运行时间。     

Harris-SIFT算法及其在双目立体视觉中的应用

为了降低尺度不变特征变换(SIFT)算法的复杂度,提高算法的实时性,克服算法提取的特征点不是角点的缺点,该文提出了一种新的Harris-SIFT算法。该算法首先用Harris算子提取图像的特征点,然后为每个特征点定义主方向,最后将特征描述子的坐标旋转到与特征点的主方向一致,计算出每个特征点的特征向量描述子。双目立体视觉图像匹配实验结果说明了该算法的有效性。     

图像配准中角点检测算法的研究与比较

特征点的提取是基于点特征图像配准算法的一个关键步骤,在所有的特征点检测方法的研究中,以角点检测方法的研究最受关注。文章对图像配准中角点检测算法进行了理论研究,并进行了对比实验和分析。     

SAR图像舰船尾迹检测及其真假判别方法

针对常规Radon变换域中尾迹峰值检测的不确定性问题,提出了一种基于特征空间决策的尾迹检测算法.该算法首先门限化图像的Radon变换系数,提取出所有可能的峰值点;然后对这些相应的局部峰值的"截面"进行连续小波变换峰值匹配,再根据提取到的参数形成决策矢量在特征空间中进行决策.对仿真和实际数据处理的结果表明,该方法能有效、准确地检测到SAR图像中的舰船尾迹.     

一种基于分区均值的噪声图像优化检测算法

在对图像边缘检测算法原理分析的基础上,结合分区均值滤波算法和改进的Canny算法的特点,提出一种新的噪声图像边缘检测算法.首先将5×5窗口内的噪声点进行剔除,计算图像平均梯度值,进而运用改进的Canny算法,提取目标图像的边缘特征.验证表明,该算法对不同强度的高斯噪声图像具有很好的抑制作用,且对噪声图像检测效果优于经典图像边缘检测算法.     

基于直方图均衡化的PCA SIFT图像特征提取与匹配改进算法

为了克服SIFT算法运算量大、运算耗时长和实时性不强的缺点,课题组提出了基于直方图均衡化PCA SIFT算法,以增强 灰度图像的明暗对比度,增加匹配成功率,改进描述子生成方式,沿用主成分分析法（PCA）降低特征检测维度,减少耗时。仿真实验表明该算法有效地减少了 运算时间,并且一定程度上减少了不必要的特征点的匹配数量。新算法能有效减少运算量。     

使用小波变换的图像边缘检测算法

描述了一种新的图像特征提取方法。它基于小波变换的多尺度方法。这种方法通过对二进尺度下图像小波变换局部极大值的检测提取图像边缘特征。文中给出了图像特征提取的实例。     

一种指纹预处理提取新特征的方法

自动指纹识别系统处理过程主要包括:指纹图像采集、图像预处理、特征提取、特征匹配、指纹分类。本文提出指纹识别预处理过程中提取新特征——褶线的方法。实验证明,该算法能够一定程度上提高指纹识别效率。     

运用PCA改进BP神经网络的用电异常行为检测

针对目前用户用电行为和异常检测的传统方式所遇到的资源耗费、效率低下、检测困难等问题,结合数据挖掘技术设计实现了适用于大规模用电数据挖掘的算法,并建立了有效的异常特征提取模型。通过使用基于统计的特征提取方式确定异常指标,并使用主成分分析方法对特征数据降维,进行异常用电信息的分析、辨识和处理,之后对处理后的用电数据建立BP神经网络完成用电异常行为检测。检测结果表明:该方法可以有效地提取出用电行为特征,并且能有效用于用电异常检测。     

基于深度哈希的批量图像并行检索方法

针对图像检索的精确度和效率基于内容海量图像检索的关键问题,提出了一种基于深度哈希算法的图像并行检索方法。首先使用卷积神经网络建立图像特征和哈希码提取模型,然后将图像输入到训练好的模型中获取图像特征和哈希码,并存储在分布式数据库HBase中,最后在Hadoop并行计算框架中实现了一种并行检索方法。在大规模数据集CIFAR-10上进行检索实验,得到平均准确率为60.28%,相比SIFT算法提高了12.63%,且批量检索一张图像的平均时间为0.73 s。因此,该方法可使检索精度得到明显提高,还能提高海量图像的存储和检索效率。     

基于sobel算子的道路图像边缘检测算法

应用图像低级特征提取技术中的边缘检测技术能够确定和提取车道线边界信息，为后续完成道路识别、实现辅助驾驶系统等提供了重要依据和基础。传统sobel算子进行边缘检测虽然算法简单、速度快，能满足道路图像边缘检测实时性的要求，但由于只获取了水平和垂直两个方向的边缘梯度信息，且阈值选取全靠人为设置，因此边缘信息检测效果不理想。文中提出改进sobel算子的边缘检测算法，算法通过扩大构造5×5的梯度权值模板计算出图像边缘信息，应用K-means聚类算法获取的最佳自适应阈值完成图像分割，最后通过改进的边缘细化算法，保留了更完整有效的边缘信息。通过实验表明，该算法能够较快、较好的提取道路图像边缘信息，而且具有一定的抗干扰能力。     

多方法结合人脸图像光照补偿算法研究及改进

光照问题一直是人脸识别领域亟待解决的热点话题。在此背景下,首先详细介绍了近几年在人脸图像识别中常用的两种结合光照补偿算法,对其特点进行了研究,并提出了一种改进的多方法结合算法,即采用直方图均衡化和Retinex算法,然后对光照估计和反射图像去噪部分使用双边滤波器进行处理。选择人脸数据库Yale B07做仿真测试,发现改进算法的实时性虽相对常用结合算法有所下降,但光照补偿效果好。最后对SIFT特征进行对比实验,结果表明:改进算法的特征提取速度快且特征点有效率显著提高。     

运用核Fisher鉴别分析和MPM分类器的入侵检测

为了提高分类器的正确率和减少训练时间,将特征提取技术与分类算法结合,提出了一种基于核Fisher鉴别分析和最小极大概率机算法的入侵检测算法。利用核Fisher鉴别分析技术提取关键特征,运用最小极大概率机对提取特征后的数据进行分类,采用离线数据集KDDCUP99进行实验。实验结果表明,该算法是可行和有效的,使分类性能和训练时间都得到了提高。     

基于小波变换和模糊模式识别的超声无损检测

本文研究了小波变换和模糊模式识别在薄板粘接质量超声检测中的应用.首先介绍了有关复合粘接材料的超声无损检测方法,然后使用小波变换对超声检测信号进行分析,提取出与粘接质量有关的三个特征值;根据超声检测回波信号特征值具有模糊性这一特点,提出了以隶属度为核心、以最大隶属度原则为判断标准的模糊模式识别算法.实验证明,该特征提取和模式识别算法对于粘接质量定量识别的准确度比较高.     

基于角点检测的焊缝图像ROI优化提取算法

为了解决焊缝表面缺陷检测中使用点云数据过于庞大而导致检测时间过长的问题,课题组针对Moravec角点检测算法进行优化,使用优化后的角点检测算法对激光中心线进行特征点提取并确定感兴趣区域（region of interest,ROI）。经过实验表明：优化后的角点检测算法能够有效避免伪角点的出现,提高了鲁棒性,同时经过ROI提取后的焊缝点云数据量减少了71.14%。该方法能够有效解决计算基于点云的焊缝表面缺陷检测数据量过大的问题。     

基于DCT和KDA的人脸特征提取新方法

提出了一种新的人脸特征提取方法,该方法采用DCT对人脸图像进行降维和去噪,并通过KDA提取人脸特征。基于该特征,采用NN分类器,对ORL人脸库进行分类识别,仅用28个特征平均识别率就达到97.3%,“留一法”识别率为99.5%。仿真结果表明:该方法有效地滤除了人脸图像中的高频干扰信息,明显增强了特征的辨别能力,同时显著地降低了特征维数和计算复杂度。     

基于Hough变换的低分辨率雷达目标识别

针对低分辨率雷达目标的识别问题,提出了一种基于Hough变换的特征提取方法.通过对Hough变换后参数空间进行特征定义来描述参数空间灰度图像的纹理分布特点,进而描述图像空间目标的形状特征.文中利用该方法结合径向基函数神经网络对低分辨率雷达船只目标轮廓像进行特征提取并识别,取得了较高的识别率.     

CCD图像的轮廓特征点提取算法

采用最大方差法将图像二值化,用图像形态学的梯度﹑细化和修剪算法来提取边缘轮廓,利用十一点曲率法得到轮廓的角点和切点的大致位置。提出了一种基于最小二乘拟合的改进算法,来进一步确定角点和切点,并对轮廓分段识别。该算法应用在基于图像处理的刀具测量系统中,实际结果表明具有良好的抗噪声性能,能准确提取出图像的特征点。     

遥感图像中的军用机场识别算法研究

提出了一种针对遥感图像的军用机场快速识别方法.首先,对图像进行适当的增强处理,并在此基础上使用Hough变换提取出机场的线状几何特征.然后,利用跑道边缘的平行直线特征和跑道边缘与可能机场区域的重叠关系识别出军用机场.本文用真实的遥感图像测试了这种新算法,实验结果表明该方法能够提供准确的识别结果.