摘要：采用层级处理模式,提出了一种新的人脸光照归一化方法,先对图像光照进行自动判定,决定采用何种方法进行预处理,减小不同光照下人脸灰度的差异.再根据gamma校正算法的特点,设计了一种更适应人脸图像校正的参数计算方法.本方法在样本归一化后,使得图像的本真信息不丢失,而且提高了图像对比度.大量的实验表明,该方法可以有效提高人脸识别功能的适用范围,能够在更远距离或复杂光照下进行识别.

摘要：基于红外眼睛图像,提出一种红外环境下判断眼睛开闭状态的方法,并应用于疲劳驾驶检测当中。对图像采用基于余弦的gamma校正压缩灰度值域的高低两端,同时扩展中间灰度值范围提高对比度,使用多尺度Retinex变换消除阴影的干扰以获取更准确的眼睛形态,根据眼角角度和上下眼睑间的高度在平面坐标上的分布特征对眼睛状态进行分类。实验结果表明,该方法可以有效地判断眼睛的状态。

摘要：为了快速有效的对彩色人体图像进行二值化处理,提出了一种新的自适应二值化处理方法。该方法根据人体肤色特征,建立人体肤色模型;根据该模型,分割出肤色和非肤色,再直接转换成二值图像。由于人体肤色受到不同光照和环境的影响,人体彩色图像中的人体肤色值会有偏移。为了改善肤色模型适应不同环境和光照,在肤色分割过程中,采用了自适应gamma校正方法。最后,给出了该方法的实验结果。实验结果表明,提出的彩色人体图像的二值化方法快速且有效。

摘要：针对水下图像对比度低及细节模糊的问题,提出一种基于图像融合的自适应水下图像增强方法,实现不同类型水下图像的增强效果。基于颜色校正方法对水下图像进行颜色均衡化预处理;对亮度分量L进行gamma校正,获得对比度提升的亮度图像;对两个亮度分量进行三层小波分解,提出对分解所得的低频分量及高频分量分别采用线性融合和自适应融合策略进行融合。多尺度融合保证了增强图像细节的丰富性,自适应融合策略体现了融合过程的可控性。实验结果表明,增强的水下图像呈现出高对比度和清晰的细节。

摘要：为提高表情识别的识别率,提出一种鲁棒的PCA特征提取方法,结合随机森林学习方法实现人脸表情的识别。该方法主要包括图像预处理、表情特征提取和表情特征的训练与分类3个部分,其主要创新在于鲁棒的PCA特征提取方法。融合欧氏距离和明氏距离两种距离计算方法求取样本均值,采用梯度下降算法迭代寻找最优的样本中心和投影矩阵,提取适应不同样本的鲁棒PCA特征;在图像预处理阶段提出改进的gamma校正方法,避免在光照校正时大幅改变图像的整体亮度分布。实验结果表明,该方法对表情的识别率高,运算效率高。

摘要：本文以色度学理论为指导，根据地图设计与生产的实际需要，建构了一个用于地图颜色设计与分色的彩色管理系统。该系统通过数学模型完成对所含的七种颜色空间的相互交换，其中ＹＭＣＫ空间和ＨＶＣ空间直接与输入输出设备（介质）的颜色特征相关。在这一研究中，作者提出了一种不区分网点扩大性质的数学模型，改进了ＣＩＥＸＹＺ与ＭＲＧＢ空间的变换方法。

摘要：阐述液晶空间光调制器的设计原理、工作流程和设计方法。对视频信号做简要分析,对视频信号处理过程进行详细阐述,给出了硬件的设计方法和软件的处理流程,对使用的芯片的功能进行详细解释,对系统功能进行验证。液晶空间光调制器是一种对光相位进行调制的光学器件,该设计成果对空间光调制器的研究和制作具有较大的指导意义。

摘要：主要介绍了OpenCV中图像增强的算法,并在国画艺术中展现其实际应用。针对在图像采集时图像失真的状况或者是完成作画后想要改变国画风格的问题,利用机器视觉工具箱OpenCV设计出专用于国画的算法参数和校正方法。由于国画中有大部分留白,所以在处理图像时算法的参数及细节部分会有变动。针对国画这一特殊的特点,通过对三种常用的增强算法的分析,分别对国画进行整体对比度改善、边缘轮廓增强和改变整体亮度等增强操作,以达到优化视觉效果的目的。同时,文中还分析了传统图像增强算法的不足,以及在校正国画图像时算法的优劣,从而得出了参数调节的方法。

摘要：介绍一种具备视频动态校正功能的TFT-LCD驱动IC设计,剖析电路原理,采用双极工艺流片,具备多制式NTSC/PAL视频信号处理及RGB解调功能,根据不同制式选择相应的解调电路,NTSC/PAL都为正交幅度平衡调制信号,所以解调时都需要产生正交基准载波信号,载波的频率及相位的锁定主要依靠内部锁相环路,锁相后的载波信号进入正交平衡解调器解调出相应的色差信号。NTSC制式下陷波频率点为3.58MHz,此制式需要特设TINT调节电路;PAL制式下陷波频率点为4.43MHz,此制式解调需要产生0°及±90°载波;色度信号经延时解调器,也称梳状滤波器分离出两个色度分量FU和±FV。在设计中,充分结合、比较LCD与CRT驱动的不同之处,对R、G、B三基色信号进行校正处理,最终使还原到LCD显示屏的画面在亮度、对比度、色度等各方面都达到最佳效果。

摘要：为解决机器视觉在多车道线检测时出现车道线漏识别、误识别、分类难和准确率低等问题,提出一种检测多车道线和快速分类的方法。首先获取原始图像的感兴趣区域并使用gamma校正增强多车道线特征信息;然后使用多相位Gabor滤波器叠加滤波图像提取车道线纹特征,获得其边缘梯度;接着基于改进带多参数Hough变换提取出直线线段,基于累加角度值的直方图和双截距约束法实现多车道线快速分类;最后只需提取出线段上少量关键点,通过最小二乘法拟合出完整的车道线,生成动态有效的检测区域,减小后续检测时间。实验结果表明:该设计算法在Tusimple数据集与实际拍摄拥挤、夜间环境的道路中进行验证,识别准确率分别为95.4%,96.22%和95.22%,高于其他常用方法;该算法充分利用车道线多个特征信息,不易受检测环境变化带来的影响。