一种利用Vega软件的长波红外图像仿真方法

利用真实红外图像作为输入,对其进行分割,划分为不同材质区域,然后使用Vega仿真软件得出各材质在不同天气、时间、季节成像条件下的以灰度形式表达的长波红外仿真结果,通过求解Vega软件仿真结果与辐射量之间的映射函数,得到在相应成像条件下的红外辐射量数据,用此结果代替真实红外图像相应材质区域辐射量均值,从而得到不同天气、时间、季节成像条件下的长波红外仿真图像。

《数字图像处理》课程教学探讨

数字图像处理课程具有内容丰富、覆盖面广,兼具理论性和实践性的特点,本文结合信息类专业和图像处理学科的教学科研工作,针对目前《数字图像处理》课程存在的几个典型问题,根据本课程的特点进行了梳理和综合分析,探讨了《数字图像处理》课程的教学改革和实践,经过3年来的教学实施,取得了良好的教学效果。

基于LBP和PCA特征提取的人脸识别

为有效解决局部二元模式(LBP)在人脸识别特征提取时维数过高的问题,提出了一种结合LBP特征和主成分分析(PCA)的人脸识别方法.首先,对人脸图像进行分块,提取其LBP直方图特征,然后使用PCA方法对特征向量进行降维,最后将降维后的特征向量用于识别.在FERET人脸库上的实验结果表明:相对于原始LBP表达方法,结合LBP和PCA的人脸表达能有效降低计算复杂度,同时也较好地保持了原有识别精度.

改进的基于残差加权的稀疏表示人脸识别

为进一步有效提升稀疏表示人脸识别系统的识别率和可靠性,在分析人脸图像稀疏表示系数分类能力的基础上,提出了一种基于残差加权的稀疏表示人脸识别新方法.该方法通过对类残差图像关于所属类稀疏表示系数的l2范数进行归一化加权,有效提升了原始基于类残差判决的识别能力.仿真实验结果表明:改进的基于残差加权的稀疏表示方法能够有效提高系统的识别性能.

尺度因子自适应的UKF算法在目标跟踪中的应用

针对传统的无迹卡尔曼滤波(UKF)算法不能根据场景变化而自适应调整尺度因子α的问题,提出了一种改进算法,该算法利用UKF非线性近似的预测值与真实值之间的误差来调节α,并对采样策略进行了修正.将此方法应用于目标跟踪的仿真实验表明:该算法与使用尺度因子最优经验值的UKF算法精度相当,具有很好的跟踪性能和实用性.

新的基于特征关系表述的步态识别算法

为了快速有效地进行步态识别,利用特征关系非平稳分布的统计特性,提出了一种新的基于特征关系表述的步态识别算法。首先,将剪影轮廓相邻像素点间8邻域相对方向标号作为特征关系属性一,将轮廓边界点与中心点间的距离作为特征关系属性二,经直方图归一化处理,得到两种关系属性的联合概率;其次,结合主成分分析(PCA)降维的方法,提取特征主向量;最后,采用最近邻分类器进行识别分类。实验证明,该算法在CASIA步态数据库上,最高达到了90%以上的识别率,而且与传统的特征关系表述步态识别算法相比,关系属性联合概率矩阵维数由900维下降到240维,大大降低了算法的计算代价。

联合生成与判别模型的目标检测与跟踪

提出一种新的基于生成-判别模型的目标检测与跟踪方法。利用DAISY特征描述子所具有的对光照、形变、视角、尺度的不变性以及计算高效的特点,提取目标稳定的特征点并加以表达,形成生成模型;采用霍夫森林分类器作为判别模型,用以训练目标图像块。在后续视频序列中利用目标的检测结果和判别码本的相似性测量对模型进行更新,构建一个动态自适应的判别码本。实验结果表明这种将快速有效的DAISY描述子和识别率高、鲁棒性强的霍夫森林分类器相结合的算法,跟踪精度高、实时性较好,具有目标局部防遮挡能力和不同分辨率下的识别能力。

联合特征融合和判别性外观模型的多目标跟踪

目的针对基于检测的目标跟踪问题,提出一种联合多特征融合和判别性外观模型的多目标跟踪算法。方法对时间滑动窗内的检测器输出响应,采用双阈值法对相邻帧目标进行初级关联,形成可靠的跟踪片,从中提取训练样本;融合多个特征对样本进行鲁棒表达,利用Adaboost算法在线训练分类器,形成目标的判别性外观模型;再利用该模型对可靠的跟踪片进行多次迭代关联,形成目标完整的轨迹。结果 4个视频数据库的目标跟踪结果表明,本文算法能较好的处理目标间遮挡、目标自身形变,以及背景干扰。对TUD-Crossing数据库的跟踪结果进行了定量分析,本文算法的FAF(跟踪视频序列时,平均每帧被错误跟踪的目标数)为0.21、MT(在整个序列中,有超过80%视频帧被跟踪成功目标数占视频序列目标总数的比例)为84.6%、ML(在整个序列中,有低于20%视频帧被跟踪成功目标数占视频序列目标总数的比例)为7.7%、Frag(视频序列目标真值所对应轨迹在跟踪中断开的次数)为9、IDS(在跟踪中,目标身份的改变次数)为4;与其他同类型多目标跟踪算法相比,本文算法在FAF和Frag两个评估参数上表现出色。结论融合特征能对目标进行较为全面的表达、判别性外观模型能有效地应用于跟踪片关联,本文算法能实现复杂场景下的多目标跟踪,且可以应用到一些高级算法的预处理中,如行为识别中的轨迹检索。