受相机视域限制,基于机器视觉的货车外廓测量不能一次性获取完整的车身图像。因此,在传统机器视觉测量的基础上引入图像拼接技术,设计了一种动态无接触货车尺寸测量方法,可在不停车、无接触的情况下对序列货车图像进行特征提取、图像配准与融合、外廓尺寸测算。仿真结果表明,本方法的平均测量误差为0.83%~1.87%,满足GB21861-2014的要求。

人脸识别的身份认证环节可能受到照片、视频等手段的恶意欺骗。在分析了照片人脸成像后的非线性变化特点后,从人脸边缘信息的变化特征着手设计了一种基于图像处理的人脸活体检测新方法。用改进的梯度方向直方图描述人脸主要轮廓,同时结合正、负样本的统计特征训练支持向量机分类器进行活体检测,最后在NUAA人脸数据库上开展了实验验证,结果表明,本文方法对真假人脸的检测正确率达到了97%。

在分析不同有序抖动模板对所生成抖动半调图像的影响因素基础上,设计了尺度变化的分块及块间异或预处理策略,大大提高了二值游程长度.进而使用游程和哈夫曼相结合的编码思想提出了一种新的有序抖动半调图像无损压缩算法.仿真实验表明,该算法在编码效率上具有较大优势.

红绿蓝(RGB)颜色空间中的各颜色分量具有高度相关性,直接分通道实施的彩色逆半调方法会残留大量人眼敏感的半调纹理,且逆半调图像色偏较大。从分析矢量误差分散半调系统模型入手,推导其加噪特性,针对性地提出了一种Karhunen-Loeve(K-L)及多尺度金字塔联合变换的彩色逆半调算法。算法以K-L变换减弱彩色分量相关性,再利用多尺度中值金字塔算子以及维纳(Wiener)滤波分离并抑制高频细节子图中的半调噪声,最后进行中值金字塔、K-L逆变换重构结果图像。实验表明,该算法能有效去除半调噪声、减小重建图像的颜色偏差,与直接分通道逆半调算法相比峰值信噪比值提高约2～3 dB,且重建图像视觉效果良好。

Based on the principle of spatial pyramid for signal, a multi-scale transform of two-dimensional (2D) interpolating pyramid is constructed by the nonlinear median operator. The transform properties of error diffuse halftoning noise on multiple scales are investigated and analyzed through experiments. According to these properties, a robust inverse halftoning method is proposed. The halftoning image is firstly preprocessed by a Gaussian low-pass filter, and decomposed by the one-scale transform. Then a Wiener filter is employed to the detailed coefficients. Finally an inverse image is reconstructed. Experimental results show that the proposed transform has the advantage of separating the halftoning noise and image detail over linear multi-resolution transform. The presented inverse halftoning method performs some excellent abilities on sharp edge, high peak signal-to-noise ratio (PSNR), and small memory requirement.

针对误差分散类彩色半调图提出一种边缘检测算法.首先应用K-L变换,将(R,G,B)空间转换为具有正交特性的彩色特征空间(I1,I2,I3),构造灰度图I使之包含所有单色图像的边缘信息,最后设计多尺度边缘检测模板以获取图像边缘.实验表明,算法较传统方法抗半调噪音的能力强,能快速、准确地提取彩色半调图像的边缘.