基于多尺度彩色形态矢量算子的边缘检测

数学形态学在图象处理中已经得到广泛地应用 ,但传统的形态学常应用于二值图象处理 ,后来发展应用到灰度图象处理 ,对于其用于彩色图象处理的研究还不是很多 .通过对传统的数学形态学的几何描述 ,以及对目前形态学在边缘检测中的应用分析 ,提出了一种新的多尺度的彩色形态矢量边缘检测算子 ,该方法是利用不同尺度形态边缘检测算子来检测不同尺度下的边缘强度 ,再对不同尺度下的边缘强度图进行合并 ,从而得到新的边缘强度图象 .利用该算法对实际图象和合成图象进行了实验 ,将实验结果与传统的边缘检测算法相比较 ,由于新的多尺度彩色形态矢量算子能检测出更多细节边缘 ,因此将更有利于图象的进一步分析处理 ,同时将实验图象人为地增加噪声后 ,再利用该算法进行实验 ,其结果表明 ,该算法对噪声具有很好的鲁棒性 .

基于PCA和ICA的人脸识别

提出利用主成分分析 (PCA)和独立成分分析 (ICA)相结合的方法对人脸进行识别。首先对预处理后的图像进行降维 ,即利用PCA算法对图像进行去二阶相关和降维处理 ,然后再利用ICA算法获得人脸影像独立基成分 ,利用人脸影像独立基来构造一子空间 ,最后利用待识别图像在这个空间上的投影系数进行人脸识别。从两个不同的数据集 ,将传统的PCA人脸识别算法和提出的人脸识别算法进行比较。从实验数据结果看 。

基于阴影轮廓差分投影方法的快速定位车体算法

利用阴影轮廓特征,提出了一种快速分离和定位车体算法.该算法利用车体形成的阴影轮廓曲线,根据不同的阴影方向模型进行水平和垂直方向的轮廓差分投影,利用轮廓差分投影曲线定位阴影与车体边界的特征点,从而分离和定位车体.实验图象数据研究表明,该算法具有较好的鲁棒性和准确性,同时从其运行的时间来看,完全能满足实时的车型识别系统的需要.

利用人眼感知视觉模型的车型动态定位

通过对实时汽车图像的大量研究,提出基于人眼感知视觉模型的自适应汽车车体定位算法。在HSI彩色图像空间,根据人眼分辨率的视觉感知模型分别在色度、亮度和饱和度空间进行自适应的边缘检测;将3个空间得到的图像边缘合并以得到整个车体在实际影像序列中的边缘;最后利用投影知识原理,分别利用边缘的垂直投影图和水平投影图来定位车体的左右边界和上下边界。实验结果表明,该算法具有较快的速度和较好的准确性,能满足实时的车型识别系统的要求。

基于遗传算法的车窗定位

车型识别是智能交通系统中一个重要组成部分 ,而车窗是车型识别的一个重要特征 ,因此如何更准确、更快速地定位车窗是一个关键点之一。特别是当图像的信噪比递减 ,或者由于照明、运动模糊等因素的影响 ,使得图像子区域在直方图中不一定出现明显的波峰和波谷 ,而无法检测、定位和分割出峰值不明显的图像 ,利用传统的方法往往不能得到令人满意的定位、分割效果 ,因此采用基于色度函数曲线构造的遗传算法来进行车窗的分割、定位。实验结果表明该算法抗噪能力强 ,具有很好的适应性。

基于DSM和影像特征的城市变化检测

随着城市的快速发展,城市的变化也越来越明显。为了能更好地为城市规划人员、城市管理决策人员及时提供信息,有必要对城市的变化发展进行适时地监测。利用大比例尺的航空影像来对城市地区的人工建筑物的变化进行检测,根据城市地区人工建筑物的变化主要反映在高度上的变化这一特点,利用两个不同时期的立体像对,从而生成两个不同时期的数字表面模型(DSM),在此基础上来检测出城市地区人工建筑物的变化区域。由于DSM影像上不仅有人工建筑物的变化反映在高度变化上,而且也有其它如树木等的变化反映在高度变化上。由于检测的目的是了解城市地区内人工建筑物的变化情况,所以利用DSM提出待选变化区域,在待选变化的区域中利用了梯度方向直方图、灰度匹配、及直线特征匹配等方法来针对城市地区人工建筑物的变化进行进一步的分析。利用日本的两个不同时期的1∶1万的航空影像进行了实验,从实验结果来看,所提出的方法是可行的,同时该方法简单、直观且易于操作。

城区变化检测的一种方法

随着城市经济的快速发展 ,更新城市地理信息系统 (UGIS)已经变得越来越重要。利用两个不同时期的遥感影像处理的手段来对城市建设的变化进行适时更新。

基于概率主成分分析的人脸识别

人脸自动识别是模式识别和图像处理等学科的一大研究热点,在身份鉴别、信用卡识别、护照核对以及监控系统等方面有着广泛的应用。提出一种基于概率主成分分析方法(PPCA)的人脸识别,该方法与传统的主成分分析(PCA)相比,克服了简单的"丢弃"其他非主成分因子,在PP CA中将"丢弃"因子作为噪声成分进行估计,同时PPCA方法是一种基于概率模型的方法,因此很容易延伸为混合模型,对于PPCA概率模型参数,提出利用EM算法对其进行估计。用两个不同的数据集(姿势表情变化集和光照变化集),将PPCA人脸识别算法和传统的PCA算法进行比较,基于PPCA的人脸识别算法中的"丢弃"方差的收敛速度快于传统的PCA算法。实验结果表明,无论是姿势表情变化集,还是光照变化集,PPCA算法的识别率都优于传统的PCA识别算法。

一种简单快速的车标定位方法

由于视点的不同,单纯的车辆外形对车辆的类型识别不具有决定性的意义,而车标则对车辆类型具有决定意义。提出了一种快速的从粗到精的车标定位方法:首先根据车头前方车牌的纹理特征大致确定车牌位置,并结合车头本身的对称性等先验知识粗略地确定车标的位置;然后在粗定位的小范围内利用边缘特征和形态运算进行车标的定位。考虑到各种噪声以及形态学的影响,在车标识别中利用模板匹配进行精定位和粗识别。利用已有的识别方法对该车标定位算法进行了验证,结果表明,该方法能快速、准确地定位车标位置,且识别率能达到实时应用的要求。

基于一种新的非线性彩色空间的人脸检测

提出一种新的非线性变换的彩色空间 YC″r C″b,利用次高斯概率分布函数拟合皮肤色度信息 ,得到候选区域。为了排除候选区域中的非人脸 ,首先根据均值和方差信息分割出候选区域中的纹理特征信息 ,再通过多尺度形态边缘检测算子检测候选区域的边缘 ,利用 PCA边缘方向 ( PCAED)信息定位眼睛 ,然后根据人脸特征的几何形状信息定位其他特征 (鼻、嘴 ) ,通过这些几何特征信息对肤色分割得到的候选区域进行验证 ,最终得到正确的人脸区域。利用 3个实验数据集测试该算法 ,并与其它相应的算法相比较 ,提出的非线性彩色空间对于肤色分割具有很好的效果 ,且对光照和姿态具有良好的不变性。另外 ,利用 PCAED信息和几何特征信息检测人脸特征具有很高的定位精度 ,定位检测率优于其他方法。实验结果表明 ,该算法具有定位准确率高 ,漏检率和误检率低等特点。

基于视觉模型的车型动态定位

车型识别系统(VehicleRecognitionSystem简称VRS)是智能交通的一个重要课题,文章根据实时提供的汽车图像进行了大量的研究,采用了基于视觉模型的自适应的汽车车体定位算法。该算法采用的是HSI彩色图像空间,HSI彩色空间更适合人的视觉。同时根据基于人眼分辨率的视觉模型自适应地进行汽车彩色图像的边缘检测,根据边缘的垂直投影图和水平投影图来定位车体的左右边界和上下边界,实验结果表明该算法具有较快的速度,完全能满足适时的车型识别系统的要求。

变化检测方法及其在城市中的应用

变化检测作为一种手段 ,已经广泛地应用在各个领域。灾害动态监测、环境污染监测以及城市规划等方面都已涉及到适时地、有效地进行变化监测。目前已有的变化检测方法主要是利用遥感影像等进行的 ,对于大比例尺的航空影像进行的城市地区的变化检测还是少数。在总结目前已有的变化检测方法的同时 ,对这些方法进行分析和评价 ,提出有必要发展自动地、智能地、精确地、有效地变化检测方法 。

车型识别系统中利用阴影特点快速定位车体

阴影在车型识别系统中对于车体的准确定位产生很大的影响 ,为了能准确地定位车体 ,提出一种快速定位阴影与车体之间边界的算法即根据平行投影知识和成像原理的方法来定位阴影与车体之间的边界 ,同时利用该算法也能找出货车本身所具有的特征如货车的车头和车尾的定位 ,利用所寻找的特征点也可以进一步判断车所属的大致类型。利用该算法进行了大量的实验 ,从实验结果来看 ,该算法具有较好的稳定性和有效性。

改进的求解独立成分分析参数的算法及应用

提出改进的求解独立成分分析参数的算法。该算法采用平均场近似原理,通过改变模型参数的限制条件,解决传统ICA算法中不能解决的问题。在图像特征的提取中,将模型中的混合矩阵和源信号均限制为非负,使提取的特征更为独立。利用语音信号、仿真图形及剑桥大学ORL人脸数据进行实验,从实验结果可以看出,改进的算法能有效地解决源信号数大于观测信号数的问题,同时该算法能分离出更独立的人脸五官特征,对ORL人脸识别结果分析表明,识别率从原来的87%左右提高到95%左右,也说明该算法比传统的算法更有利于进行图像特征提取及识别。

基于RMFA-ICA的人脸识别

针对有噪的ICA模型,提出一种有限制的平均场近似(restrictive m ean field approxim ation,RMFA)的算法来求解ICA模型参数和源信号的估计问题。在传统MFA-ICA算法的基础上,提出将ICA中的模型参数和源信号均限制为非负,目的是使得提取出的特征更独立,更利于识别。通过手写体数字和仿真模拟人脸图形以及ORL人脸数据进行实验,将RMFA-ICA算法与传统的ICA算法和无限制的MFA-ICA算法进行比较,对于手写体数字和仿真模拟人脸图形,RMFA-ICA算法能分离出更独立的特征,对于ORL人脸数据,其结果表明,利用RMFA-ICA算法明显优于传统ICA算法和无限制MFA-ICA算法识别结果。

有限制的MFA-ICA的算法及其在图像特征提取中的应用

传统的独立成分分析(IndependentComponentAnalysis,ICA)是一种无噪声模型,而实际应用中噪声是存在的。根据多元统计中的因子分析模型,改变其假设条件,从而得到一种有噪声ICA模型,对于模型参数,引入平均场近似(MeanFieldApproximation,MFA)原理来求解。针对图像特征提取,通过增加对模型参数的一些限制,使其能得到更为独立的图像特征,为图像识别提供更可靠的特征信息,从而大大提高识别率。通过仿真模拟图形以及ORL人脸数据进行实验,将传统的独立成分分析算法、无限制的MFA ICA算法以及增加限制条件的MFA ICA算法进行比较,从仿真模拟图形实验结果看,限制的MFA ICA算法能分离出更独立的特征,同时利用限制的MFA ICA算法识别效果明显优于传统ICA算法和无限制MFA ICA算法。

基于视觉感知的梯度结构相似度图像质量评价

在SSIM算法的基础上,结合亮度和对比度掩蔽等视觉感知信息构造视觉感知(visual perception)函数,提出基于视觉感知的梯度结构相似度评价方法VI_GSSIM(visual perception and gradient based SSIM)。该方法通过图像质量与图像内容和失真类型的相关性,结合图像的误差可视性与内容可视性构造视觉感知函数,对HVS底层视觉系统建模;同时利用梯度重新定义结构信息,得到基于视觉感知的梯度结构相似度模型,对图像进行质量评价。实验结果表明,提出的VI_GSSIM算法比SSIM更符合人眼的视觉特性,尤其适合评价降质较严重的图像。

基于OpenCV的运动目标检测与跟踪

基于OpenCV开源平台开发了一种多运动目标检测和跟踪的自动化智能方案。针对多个运动目标在复杂场景中的情况,无法根据背景差和帧间差的方法来确定目标是否首次出现,根据新目标期望出现的位置范围和轮廓面积大小采用筛选法来判断目标的性质。利用CAMShift跟踪算法提取每个目标的颜色特征信息,实现对多个运动目标的跟踪,最后将运动目标的轮廓和运动轨迹描述出来。实验结果表明,在目标颜色特征明显的情况下文中方法具有很好的鲁棒性和精确性。

基于三维模型的多姿态人脸识别

提出了一种利用三维人脸模型匹配二维人脸图像的分层人脸识别方法和基于模糊数学的人脸姿态角度估计算法。对多姿态二维图像进行姿态空间划分,利用主成分分析方法(PCA)形成多姿态特征脸。识别过程首先估计测试图像姿态和模糊姿态角,在估计的姿态空间内采用基于PCA的方法进行第一层识别得到候选个体,然后利用候选个体的三维模型结合模糊姿态角产生虚拟图像,利用相关进行第二层识别。实验结果表明,该方法对姿态的变化有较好的鲁棒性。

基于对称性的实时车标定位和识别方法

在基于视频图像的车辆类型识别系统中,当前国内外侧重于研究车辆外形、大小。由于视点的不同,单纯的车辆外形对车辆的类型识别不具有决定性意义,而车标对车辆类型则具有决定意义。提出一种基于对称性的车标定位和识别算法,该算法首先根据车辆本身的对称性等先验知识粗略的确定车标位置,然后利用特征信息精确定位;最后将模板匹配和特征结合对其进行识别。从实验结果来看,该方法能快速、准确的定位车标位置且识别率能达到实时应用的要求。