自适应背景光估计与非局部先验的水下图像复原

有效地实现单幅水下降质图像复原对水下资源探索及环境监控领域的清晰图像获取具有极其重要的意义。为解决常用暗通道先验方法来复原图像时,背景光的估计易受白色物体干扰,且无法有效估计前景中白色物体透射率,复原质量不高的问题。本文提出了自适应背景光估计与非局部先验的水下图像复原算法。首先根据背景光具有高亮度及平坦性的特点,利用阈值分割算法获得背景光的候选区域,再通过图像的色调信息从候选信息中选取最佳的背景光点。随后,利用各颜色通道光的波长与散射系数的相关性,提出了适用于水下图像的非局部先验,并利用该先验估计各通道的透射率。最后针对复原结果中,因水下介质,微生物,水流影响而产生的加性噪声,设计去噪的最小优化问题,并利用引导滤波求解该问题,以去除复原结果中的加性噪声。实验表明:该算法在确保运行效率的基础上,准确地估计透射率,较常用算法的复原精度提高了约18%。证明了该算法能有效用于单幅水下图像复原的工程实践中。

加权CCA多信息融合的步态表征方法

为了解决步态识别中步态表征不完备的问题,提出了一种新的步态表征方法。该方法是在步态流图的基础上,将能够表征时序信息的步宽特征编码到颜色空间,得到三通道的彩色类能量图,采用典型相关分析将多通道信息融合成单通道,同时去除了特征间的冗余信息,得到了更丰富的有益识别的步态特征。实验结果表明,提出的新方法能够有效提取步态特征,步态识别率得到显著提高。

基于分层分数条件随机场的行为识别

针对隐条件随机场(HCRF)的实时性问题和隐动态条件随机场(LDCRF)行为转换时的标记偏差问题,提出了一种基于分层分数条件随机场(SFCRF)模型的行为识别算法。该算法改进了LDCRF,并提出分数标记的概念,将人体行为的完整性和有向性具体化。实验结果表明,该算法取得了比条件随机场(CRF)、HCRF和LDCRF更好的识别效果。

融合Camshift的在线Adaboost目标跟踪算法

提出一种较复杂场景下运动目标跟踪的方法。该方法将Camshift融入到在线Adaboost算法中,特征选取融合纹理轮廓与颜色特征。将在线Adaboost跟踪算法的特征矩阵和分类器运算得到置信图,在置信图上应用Camshift跟踪算法,得到了更加准确的运动目标位置。实验结果表明:在较复杂场景下,对短时间内发生较大形变的、发生遮挡甚至是大面积遮挡的、与背景及其他运动目标颜色相近、快速变化且有加速度的运动目标都能有效跟踪。

基于耦合度量学习的特征级融合方法及在步态识别中的应用

根据耦合度量学习方法能够直接处理不同集合的数据这一特性,将其应用到数据融合领域,提出了一种基于耦合度量学习的特征级融合方法.该方法首先通过增加对原始单个集合中具有相关关系的数据的优化处理,将耦合度量学习方法的目标函数改进成在耦合空间中所有具有相关关系的投影特征均彼此接近,从而使得这些特征的整体分布更满足特征级融合的需求,而后采用串行方式对特征进行融合,最终得到更加有效的特征用来分类识别.将上述方法应用到步态识别中,以解决步态识别中的数据融合问题.采用CASIA(B)步态数据库进行实验分析,结果表明该方法识别效果较好.

波长相关物理成像模型的交通监控图像去雾算法

针对当前去雾算法未考虑交通监控图像中雾气浓度分布不均匀的问题,提出了波长相关物理成像模型的去雾算法.首先,根据波长与雾气浓度的相关性,构建了适用于交通监控图像的波长相关物理成像模型.然后,根据波长与颜色的相关性,设计出基于最大模糊相关图割的透射率估计算法.考虑到灰度值存在交叉重叠的模糊特性,及景物的空间相关性,利用递推的最大模糊相关算法快速获取景物划分信息,并用此信息设计图割的数据项,实施图割.该策略将基于阈值的分割算法与基于空间相关性的图割算法相结合,确保了景物的空间相关性,提高了分割精度,避免白色目标的误分.最后,通过分割结果中的天空区域,准确地计算大气光,实施去雾.在500幅仿真图像及真实图像上的测试结果表明,该算法较已有去雾算法的去雾精度至少提高7%,运行时间至少缩短了约15%,可用于交通监控系统的图像去雾处理中.

核稀疏保留投影及在步态识别中的应用

针对已有基于线性变换的稀疏保留投影方法在解决实际问题时,会遇到维数灾难和小样本问题。通过引入核方法,提出一种核稀疏保留投影方法。首先采用非线性变换将原始数据映射到高维特征空间,而后在这个高维空间进行稀疏重构,并对得到的系数矩阵进行降维优化,最终得到所需的投影矩阵。将其应用到步态识别中,采用CASIA(B)步态数据库进行实验分析,实验结果表明,本文方法取得了令人满意的识别效果。