摘要：鉴于目前FCA的演化规则有大量计算,迭代一次的耗时比较长,而积分图具有优化运算速度的特点,文中将积分图和FCA相结合,提出融合FCA和积分图的CT图像分割方法。该方法以FCA为基础,用多值图像来完成元胞状态的初始化,设计了一个完成边界提取和加权去噪的模糊演化规则,对CT图像进行迭代演化,最终得到分割图像。整个过程中,利用积分图算法来进行优化,达到单次迭代耗时减少的效果。实验结果表明该方法性能上可以达到图像分割的效果,而且在耗时方面比普通演化规则的耗时要低。

摘要：基于积分图运算的阈值分割将图像二值化,使用仿射变换完成文本字段图像的方向校正,从而实现文本行的定位.在原始卷积循环神经网络(CRNN)的基础上,将骨干网络替换成MobileNet-V3结构,在2层LSTM之间加入注意力机制,同时引入中心损失函数.利用改进的CRNN实现文本行字符的识别.将改进后的CRNN在40510张芯片文本行图像上进行测试.通过小样本数据集进行模型微调训练得到多个子模型,从而实现集成推理,使用3个模型的综合识别准确率稳定在99.97%左右,单张芯片图像的总识别时间小于60 ms.实验结果表明,改进的CRNN算法的准确率比原始CRNN提升了大约27.48%,多模型集成推理的方法可以实现更高的准确率.

摘要：为了解决传统匹配算法重建散斑图像时在视差不连续区域误匹配较多的问题,提出一种在网格顶点处选择种子点、渐进增长的区域生长匹配方法,以完成散斑图像的深度信息恢复.针对传统区域生长方法种子点选取速度低、覆盖性差的问题,提出在网格顶点处选择种子点的快速定位方法;在生长策略方面,采用逐步放宽种子点选择标准和生长标准的方式,渐进地增长区域;为克服散斑图像亮度不均衡的问题,采用零均值归一化互相关算子作为相关测度算子,并针对该算子冗余计算较多的问题,运用积分图结合其改进计算公式加速计算,确保算法的实时性;最后插值细化视差图,并根据三角测量原理转化视差值为深度值.实验结果表明,该方法深度恢复结果鲁棒性强、速度较快.

摘要：提出一种多纹理中心对称局部二值模式(CS-LBP)特征,实现复杂环境下的多视角人脸检测.该特征保留Haar特征的序数关系,借鉴局部二值模式(LBP)的组合方式,从水平、垂直、+45°和-45°这4个纹理方向进行特征提取,以保证人脸检测在方向、光照、旋转等方面的鲁棒性.算法采用级联架构,首先针对人脸图像中的不同视角进行分区,分别进行多纹理特征的提取,然后设计独立的分类器,逐级剔除非人脸窗口,最后采用多层感知器(MLP)综合各视角的检测效果,输出检测结果.在数据集FDDB和CMU PIE上进行验证性实验的结果表明,该方法对复杂环境下的多视角人脸检测有效,与传统的卷积神经网络人脸检测方法相比,该方法具有更高的精度.

摘要：应用非局部均值算法到SAR图像相干斑抑制中时存在计算量大、图像自相似性利用不足等缺点,严重制约该类算法的实际应用。针对该问题,提出一种SAR图像快速PPB滤波算法。给出基于积分图的PPB快速算法,引入Zernike矩构造一种图块相似性度量,利用Cosmo实测SAR数据进行实验。实验结果表明,该算法提高了图像自相似特征利用率,显著改善了滤波效果。

摘要：以颜色直方图为特征的运动目标跟踪算法容易受到光线变化及视场内其它同色目标的干扰。采用运动目标的边缘方向直方图作为特征,利用序列重要性采样原理和粒子滤波算法实现了对人体运动目标的跟踪。实验显示了该算法在光线变化及存在同色目标干扰时能够有效跟踪目标。在算法实现过程中,采用积分图计算边缘方向直方图,减少了计算时间,提高了计算速度,达到了实时跟踪的效果。

摘要：针对实时视频中的多姿态人脸检测问题,应用扩展的类Haar特征,训练能有效检测多种姿态和多种旋转角度人脸的分类器;并使用该分类器实现了一个实时视频的多姿态人脸检测系统。该系统分为训练和检测两个子系统,训练系统应用大量包含正反例子的图片进行训练,得到分类器;检测系统首先使用DirectShow从USB摄像头获取图像,然后读入分类器,对图像进行检测并显示。实验结果表明,该系统能够快速准确地在视频中检测出多种姿态的人脸,有较强的实用价值。

摘要：针对目前脐橙品质分级自动化程度较低,难以满足现代化生产运营需求的问题,设计了一种基于树莓派平台的脐橙品质分级方法。在S和V颜色分量图像上完成背景分割,并对脐橙表面的反光区域进行亮度矫正;提取脐橙的大小和着色度特征,并提出基于积分图的局部阈值分割算法,完成果面缺陷的检测;利用决策树算法实现脐橙品质的分级。试验结果表明:此方法对特级果、一等果、二等果、等外果的识别准确率分别达到96%、94%、94%、96%,单列输送线的分级速率达3个/s,准确性和实时性较高,能够满足实时环境下脐橙分级检测的要求。

摘要：为了在不降低三维块匹配算法(BM3D)效果的基础上,提高其运算速度,提出一种基于积分图的BM3D的加速算法.在新的算法中,首先利用高斯滤波器对原图像进行粗去噪,再利用积分图计算块的相似性,在块的相似度计算过程中不再进行滤波.在BM3D的第二步维纳滤波中,经过对原算法计算过程进行相应的转换,也可将积分图应用于该阶段.实验表明,改进后的算法,不但保留了三维块匹配算法在去噪方面好的性质,而且运算时间缩短了近1/4.