摘要：提出一种基于梯度图像,融合帧间差分和背景差分的运动目标检测新方法。其特点是采用混合高斯背景模型,先利用针对梯度图像的帧间差分检出变化区域,再利用背景差分从变化区域中检出运动物体,最后利用连通性检验消去噪声和阴影。针对真实视频序列的实验结果表明,该方法既简单有效,又具有较小的运算量和较好的鲁棒性。

摘要：介绍梯度图像匹配相关的基本原理，针对传统匹配相关算法的不足，提出了基于梯度图像的匹配相关的设计思想，并给出了获得梯度图像的方法。为了提高图像匹配相关的定位精度和实时性，在序贯相似性检测(SSDA)算法的基础上，提出了一种基于梯度图像的改进的序贯相似性检测方法。实验结果表明，该方法具有较高的定位精度和实时性。

摘要：提出了一种新的基于互信息(Mutual Information,MI)的多步骤优化的配准方法。计算输入图像的梯度值,减少了图像的内在信息而使轮廓更为清晰。设计了多步骤的配准框架,优化了配准的收敛过程,使用完整的图像进行有限次的传统配准方法的微调,以实现高精度。为了验证该方法的有效性,分别使用单模、多模和时间序列的方法对临床医学数据进行了实验,与传统的MI配准方法相比,基于互信息的多步骤优化的配准方法具有更高的有效性和精确度。

摘要：以某产品药柱表面图像边缘检测为例,提出了一种基于动态形态学结构元和SUSAN算子相结合的图像边缘检测算法。该算法采用动态形态学结构元得到梯度图像,根据梯度图像利用SUSAN算子进行边缘检测。采用动态形态学结构元得到的梯度图像服从统一分布,有利于边缘提取,克服了采用固定形态学结构元不能适应不同的梯度图像的不足。通过与So-bel和固定形态学结构元的边缘检测算子进行对比实验,实验结果表明,该方法具有较好的边缘提取能力,抗噪性能好,对药柱表面图像处理具有很好的实际应用价值。

摘要：为提高复杂背景条件下小目标检测及跟踪的稳定性,提出了一种基于梯度LOG算子的光团目标检测跟踪算法。首先建立了梯度图像中小目标的成像模型,能够较好地适应背景光照变化。然后根据尺度空间的基本理论构造了一种针对该成像模型的目标检测算子,分析并证明了该算子具有尺度不变性的优点,设计并实现了基于梯度LOG算子的小目标跟踪方案,实验结果表明:梯度LOG算子能够较好地跟踪复杂背景中的光团目标,定位精度可达亚像素级,且具有计算量小,抗噪声能力强等优点。

摘要：首次提出了一种基于多流卷积神经网络PET瓶坯缺陷分类和识别系统。近年来,基于多流网络的特征融合方法在缺陷分类与质量检测中具有良好的应用前景。设计PET瓶坯质量检测平台用来采集图像样本,通过图像增强方式扩展样本数量,以防止深度学习中的过拟合现象。利用Sobel算子计算图像的梯度,并对其进行归一化处理。设计了一种采用最大值融合策略的多流卷积神经网络模型,实现了relu5层的特征融合。上述模型以PET瓶坯的原始图像以及其对应的梯度图像和缺陷区域图像作为输入,通过子网络提取特征,实现特征融合,然后输入到SVM分类器进行缺陷分类。通过实验分析,证明上述模型具有良好的收敛性、准确性、稳定性和泛化能力。

摘要：由于外界环境的复杂性,视频监控中检测出的运动目标往往轮廓缺损,并伴随阴影和噪声等问题。提出了一种方法用以改善轮廓、消除阴影和噪声。该方法首先利用五帧梯度图像的差分确定运动目标的变化区域,再与背景差分法的结果相或,获取了运动目标的完整轮廓。分析了阴影在HSV颜色空间的特性,用以消除阴影,并根据噪声的分布特性去除噪声。处理结果表明,处理速度为20 ms/帧,达到实时性要求,运动目标消除了阴影和噪声,具有较强的鲁棒性。

摘要：基于高分辨率遥感影像,在形态学标记分水岭算法基础上改进Sobel边缘算子对梯度图像的计算,从而完成城镇违法建筑物的提取,通过与其它传统算法的识别提取效果相比较,结果表明:改进形态学标记分水岭算法的平均识别率最高,达到91%,平均漏分率最小,仅为9%,平均虚假检测率较小,仅为4%,具有较好的建筑物提取识别效果,可为城镇规划部门的管理工作提供指导和帮助。