随着信息物联网的发展,快速响应(QR)码的应用越来越多样化。传统单个QR码的识别和应用已不能满足现有需求,因此提出一种多目标QR码的校正方法。对图像进行二值化,利用QR码自身符号特征进行定位,结合连通区域标记算法对图中的多个QR码进行分割。接着利用轮廓跟踪获得QR码探测图形边界,并利用几何关系获得探测图形上的3个顶点。根据探测点和3个顶点的关系,获得第4个顶点,最后用逆投影变换依次对每个QR码进行校正处理。使用C++语言实现算法,并用Zbar对校正后的QR码进行识别测试。实验结果表明,所提算法能够实现对多目标QR码的快速校正,识别率高,且能克服不同光照、背景干扰影响,具有较好的稳健性。

在高速运动目标的视觉测量中，高分辨率、高帧频的图像序列带来了大量待处理数据，如何快速地从这些数据中识别合作目标并提取其特征信息，成为高速视觉测量中的难题。对此，针对高速相机每个时钟周期多像素并行传输的数据特点，提出一种基于多维金字塔的硬件加速处理结构，实现连通域的全局搜索与标记，并根据标记结果完成对应特征的实时提取。在现场可编程逻辑门阵列中，通过金字塔结构的二维处理节点阵列与多标签特征统计的一维处理阵列，将数据流的高密度运算均衡分布于各运算节点，结合流水线并行，将视觉系统中占据较高耗时的全局搜索与标记过程在图像传输中同步实现。通过功能验证与实时性分析，该特征提取的分布式运算结构可在CameraLink接口85 MHz的时钟频率下，实现680 Mpixel/s的数据流实时处理，可作为预处理部分应用于高速视觉测量系统。

为了实现计算机辅助诊断,解决自动化CT图像处理的问题,文中提出一种肺实质分割的算法。采用求直方图峰值间极小值的方法获取最优阈值,实现图像分割;在此基础上,采用空间滤波以及连通域标记法去除干扰得到肺实质区域。结果表明该方法能实现肺实质分割,解决了肺结节检测的预处理问题。

视频运动目标跟踪逐渐成为研究热点并应用到**民用等领域,为了能够从真实场景中快速准确地提取视频跟踪单运动目标或多运动目标,提出了一种新的运动目标自动提取方法。首先通过自适应阈值获得滤波后的相邻帧差值图像。其次,为了消除差值图像中噪声的影响,标记此二值图像的连通像素来检测出运动目标所在的区域,并与边缘检测出的空间信息结果比较得到运动目标模型。最后,将图像分成若干区域,在每个分区域内依次连接每个运动目标模型的最外围轮廓点,由此构成目标闭合轮廓。利用得到的连续边界,对运动目标进行提取。实验结果表明,该算法能够有效地自动提取速度不同的单运动目标,同时能够提取多运动目标。