首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 734 毫秒
1.
提出了一种基于边缘检测技术的水果分级方法.首先利用图像增强技术提高图像的对比度,并通过空域滤波使图像的模糊部分变得清晰.然后利用阈值处理方法进行图像预分割,并通过对比最终选取Canny算子对水果图像进行边缘特征的提取.最后通过大小、形状以及表面缺陷等特征值对果品进行相应的分级.仿真结果表明了本文方法的有效性及较高的准确率.  相似文献   

2.
<正>静脉识别是一种基于生物特征的身份鉴别和认证技术,首先是身份登记过程,采集用户的静脉图像,从采集到的静脉图像中提取特征,与用户姓名或其标识(ID,PIN)等联系起来构建静脉数据库;然后是身份验证或识别过程,验证时通过把现场采集到的静脉与己经登记的静脉进行比对,实现身份辨认。验证其实是回答这样一个问题:"他是他自称的这个人吗?"这是应用系统中使用得较多的方法。识别时把现场采集静脉同静脉数据库中的  相似文献   

3.
《宜宾学院学报》2016,(12):36-39
提出一个有效的基于指纹特征和手指静脉特征的身份认证方案.在采集同一手指的指纹图像和静脉图像后,分别提取其指纹特征和静脉特征.对于指纹图像,提取其纹线端点和交叉点的位置与方向组成指纹特征向量.对于手指静脉图像,用局部二进制(LBP)提取其有区分性的特征.进行身份识别时,分别将手指指纹特征和静脉特征进行匹配,然后根据两种特征的匹配分数进行非线性融合,得到最终的匹配结果,以达到认证目的.  相似文献   

4.
首先分析了基于小波变换和奇异值分解方法对同幅图像拼接篡改检测的缺点,结合相关重要的思想,构建了一种改进算法,该算法运用SVD提取图像块特征,并采用偏移频率的直方图来确定阈值。在仿真实验中,通过运用三种算法对图像篡改进行检测,对比结果表明,文章所提算法对同幅图像单次篡改和多次篡改均有更好的检测效果,而且通过修改图像的质量因子的实验进一步证实了该算法具有一定的鲁棒性。  相似文献   

5.
通过对图像边缘检测算法原理分析的基础上,提出一种新的噪声图像边缘检测算法.算法结合分区均值滤波算法和改进的Canny算法的特点,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.实验结果表明,本文算法检测的边缘特征优于传统的边缘检测算法,具有一定的应用价值.  相似文献   

6.
本文阐述了纹理的基本概念,结合纹理图像自身的特点,对图像纹理特征的描述算法进行了分析与研究,确定使用灰度共生矩阵法来提取图像的纹理特征.虽然在纹理分析过程中还存在一些问题有待完善,但是实验证明这种纹理提取具有一定的有效性.  相似文献   

7.
传统的基于文本的检索方式无法精确地搜索图片,因此基于图像内容的检索技术应运而生.它利用图像哈希算法提取图像特征,通过量化压缩等方法产生一个标明图像指纹的哈希序列,对比哈希序列即可判定两张图像的相似度.主要从图像哈希算法的定义、原理、特点、应用等方面进行研究,并着重介绍和对比a Hash算法及p Hash算法.  相似文献   

8.
9.
智能车牌识别系统是结合数字图像处理技术、计算机视觉和模式识别为一体的综合系统,包含对车牌图像进行预处理、车牌区域定位、字符分割以及字符识别等功能。在车牌识别技术中,采用了BP神经网络技术,能快速根据提取的车牌字符特征与已知样本中特征进行比对以获取车牌字符。通过运用OPENCV计算机视觉库,大大降低了系统实现复杂度,实现了快速准确识别车牌号码。  相似文献   

10.
针对使用方向谷形检测方法对手指静脉图像进行分割存在的静脉边界区域分割精度低的问题,对结合了Niblack算法的方向谷形检测分割进行深入研究与探讨,并以此为基础提出基于Canny算法修正的谷形检测手指静脉分割算法。首先对手指静脉的局部梯度变化特征进行分析,得出静脉边界点应具备的条件,并以此作为是否为真实边界点的判据,同时结合由Canny算法获取的非极大值抑制图像对基于方向谷形检测的分割结果进行边界点修正。最后通过实验对比修正前后的分割效果,发现该算法分割结果在静脉区域的连续性,以及静脉提取的真实性和准确性上都表现更为优秀,证明了其有效性。  相似文献   

11.
传统的遥感影像目标检测方法大多利用人工提取特征,难以用于背景复杂的高分辨率遥感影像。以高分辨率遥感影像建筑物图像为研究对象,设计了一种基于LVQ神经网络的建筑物提取方法。对图像提取其颜色、纹理与形状特征,构成图像特征矢量并将其特征归一化,利用LVQ神经网络识别并提取出建筑物。通过与其它典型神经网络识别方法进行实验比较,结果表明该算法相对于单层感知器识别率提高了10.0%,比BP神经网络识别率提高了22.5%,能取得更理想的提取效果。  相似文献   

12.
动态前景目标识别和提取是计算机视觉领域的重要内容。对动态图像进行前景目标提取与运动跟踪,通过改进高斯混合背景模型,提出一种基于自适应特征加权的前景目标提取算法,目的是对动态画面中的图像特征进行识别并精确提取所需要的画面。根据高斯模型组合多个图像特征,针对组合特征空间的各个子空间构建似然图像,通过似然图像特征分析与加权,提取最具有差异性的特征。根据图像前景特征在图像帧与帧之间的不同,提高前景目标跟踪的鲁棒性。试验结果表明,改进算法在提取前景目标上比传统算法提高了精度,目标跟踪效果好。  相似文献   

13.
构建了带通滤波器,并提取纹理图像中不同频率段的特征,然后组成特征值向量利用FCM进行聚类.实验表明该方法具有较好的分割效果.  相似文献   

14.
传统的小波能图像检测算法已无法满足现代物联网的发展需求,在实际过程中,也发现了小波能图像检测算法在精度与速度上都存在不足.基于以上现象,本文中采用人工智能采集技术提取图像的基本特征,再结合物联网强大的运算能力与其庞大的数据量信息,对所采集到的图像特征进行分析与解剖,根据其所反馈的特征信号,再通过物联网人工智能图像合成对其进行图像整合,继而搭建物联网人工智能图像检测系统.  相似文献   

15.
为实现高校教师有效教学的特征识别,以问卷的形式对高校教师教学能力现状的反馈情况进行考查和归纳,提取教学意识能力、教学风格能力、教学认知能力、教学反思能力等7个有效教学特征因子,并采用李克特五级量表进行数据处理。提取有效教学的特征值,对有效教学特征因子进行量化,得到有效的教学特征数据,进而采用模糊C均值聚类算法对有效教学特征数据进行分类,建立标准有效教学模型库。将新的教师有效教学特征值通过模糊模式识别中贴近度的方法与模型库相匹配。如果不匹配,提出4种提升有效教学的策略,为后续的教学风格研究提供依据。  相似文献   

16.
传统的谱特征描述过程中采用的是不能反映样本间潜在关系的欧式距离进行度量的.为更好地区分数据之间的联系,提出基于马氏度量的图像谱特征描述算法.首先,对特征点及其周围特征点按照马氏距离进行分层,并在每层上面构造相应的结构图及计算其关联矩阵;接着,对关联矩阵进行谱分解得到其特征值向量和谱隙向量;然后分别用两者的最大值、平均值和方差统计量得到最终的马氏度量谱特征;最后,根据马氏度量谱特征之间的相似性和特征点之间距离关系来构建匹配数学模型,并用贪心算法求解得到特征点之间的匹配关系.实验结果表明,该算法提高匹配精度;同时将其应用于偏振图像的匹配问题上,并取得较好的匹配结果.  相似文献   

17.
研究示踪粒子的成像特点,提出一种适用于粒子图像的散斑提取方法:根据目标连通域的统计特征进行自适应二值化处理;从多个径向判断目标区域是否存在混叠并辩识粒子;提取粒子的中心位置。该方法有效地将粒子图像特征融入到二值化阈值提取与粒子辨识中,从而正确提取粒子的中心。使用粒子图像进行了算法验证。结果表明,所提算法可以有效地对粒子图像中的散斑进行提取,拓展了粒子示踪法在应用时的空间深度。  相似文献   

18.
在Android移动设备中,图像传输会消耗大量的资源,从而影响用户体验质量.提出了一种基于边缘计算的图像压缩算法,根据输入图像的下采样和局部特征描述符来描述输入图像.描述符用于检索边缘数据库中高度相关的图像并识别相应的图像补丁.利用解码后的下采样图像中提取的相应向量预测局部描述符的特征向量.通过变换、量化和熵编码对预测的残差向量进行压缩.实验结果表明,该算法在压缩比和视觉质量均优于现有的算法.  相似文献   

19.
图像特征提取方法以及分类器的选择是影响图像分类精确度的关键因素.传统算法利用单一的图像特征和浅层结构对图像进行分类,算法实现简单但结果精确度不高.针对这一情况,提出基于多特征融合和深度学习的图像分类算法.算法利用颜色矩、LBP和梯度直方图等算法提取图像的颜色、纹理以及形状特征,继而通过融合算法将这些不同属性的特征进行融合,作为深度学习网络的输入层.实验结果表明,相对于单特征浅层分类,算法在保证时效性的同时,图像分类精确度得到了提高,分类效果更加可靠.  相似文献   

20.
提出一种改进的Haar特征获取方法,并结合CamShift算法提取车辆检测信号实现特定车辆实时跟踪。首先利用倾斜45°特征与像素和的商计算信号的Haar特征值;其次利用AdaBoost算法训练样本得到特征信号分类器,构建特征信号样本级联分类器,利用获得的级联分类器对视频信号进行检测;最后将检测结果中的特定车辆外切矩形作为CamShift算法的初始窗口,并对CamShift算法后续跟踪窗口进行检测,以提高检测效率和跟踪实时性。实验表明,该方法对车辆图像信号具有较好的检测效果,对特定车辆跟踪具有较高的实时性。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号