基于联合HOG特征的车牌识别算法

为解决车牌中汉字识别未考虑汉字结构特征的问题,提出联合方向梯度直方图特征(HOG)结合支持向量机(SVM)的车牌识别算法。将灰度图、二值图、16值图的HOG特征在一定的权重下融合为联合HOG特征,使用核主成分分析法(KPCA)对联合HOG特征进行降维;对汉字和数字字母分别利用支持向量机进行分类,利用交叉验证方法对参数进行优化,得到最优预测模型;利用预测模型预测识别结果。实验结果表明,相对于传统车牌识别算法,该算法可以应用于复杂环境下的车牌字符识别,车牌识别率提高了10%左右,鲁棒性强且便于硬件实现。

基于Mean Shift算法的伪装目标跟踪

针对传统Mean Shift跟踪算法对伪装目标进行跟踪时容易陷入局部最大值导致跟偏甚至跟丢的问题,本文首先采用联合直方图来增强对目标特征的描述,然后在跟踪过程中以目标背景区分度为原则,动态更改目标描述模型和通过调整联合直方图各部分的权重来自适应背景的变化,以保证跟踪此类目标的鲁棒性。实验证明,针对与背景相似的伪装目标,改进的Mean Shift算法仍能对其进行有效准确的跟踪。

基于互信息的混合蚁群算法及其在旅行商问题上的应用

为了提高蚁群算法的求解性能,从医学图像配准算法的思想出发,提出了一种基于互信息相似度的混合蚁群算法.为了表示最优路径和待配准路径之间的互信息熵,在蚁群算法的概率算子中增加了一个新的相似度影响因子,从而可以增加原算法的全局搜索能力,同时可以加速算法在解空间的搜索速度.将该算法应用在旅行商问题上,根据旅行商问题的特定环境,对混合蚁群算法的算式进行了一定程度的化简,使得算法在解决此类问题时,相应的时间复杂度降低.通过实验与多种传统算法进行对比,结果表明该改进算法在求解性能和跳出局部最小解方面都有一定程度的提高.

基于改进的加权中值滤波与K-means聚类的织物缺陷检测

为检测纹理织物在生产过程中产生的各种疵点,提出一种基于改进的加权中值滤波与K-means聚类相结合的纹理织物疵点检测方法。首先利用改进的加权中值滤波对纹理织物图像进行预处理,以减少纹理信息对疵点检测产生的影响,同时通过联合直方图动态数据分配权重和像素,减少寻求中位数的时间来有效地缩短检测时间,提高了执行速度;然后采用K-means算法对滤波后的织物图像进行聚类,计算织物图像疵点和非疵点的聚类中心,进而实现图像疵点区域的分割。实验结果表明,该方法可有效地检测出方格、点形、星形、平纹、斜纹等多类型纹理织物的疵点,并显著提高检测速度。

基于梯度方向-亮度联合空间的红外人体跟踪

针对红外图像中人体成像的特点,提出一种新颖的红外人体跟踪算法。为克服红外图像中人体目标描述信息不足的缺点,该方法首先在梯度方向-亮度二维联合空间中构建人体目标的特征直方图,然后给出了一种最优直方图级数的选择准则对最具鉴别性能的级数进行选择;进而将上述表达模型与粒子滤波相融合,设计了粒子滤波框架下的人体跟踪算法。不同场景中的人体跟踪结果表明,与通用的跟踪算法相比,本文提出的算法具有更高的鲁棒性和稳健性。

基于联合直方图的运动目标检测算法

从视频序列图像中检测完整的运动目标一直是计算机视觉研究的热点,基于联合直方图提出了一种运动目标检测算法。该算法利用联合直方图来描述相邻帧间的相似性,通过对视频序列中相邻两帧图像进行逐次分块,计算相邻帧对应分块的联合直方图并结合构造的相似性指标以逐步去除背景块,算法对运动目标本身不作处理,就能有效地避免检测到的运动目标出现空洞现象,最终得到了完整的运动目标。数值实验说明了该算法具有较好的检测性。

归一化互信息量最大化导向的自动阈值选择方法

当前景或背景的灰度分布呈现为非正态分布特征时,比如极值、瑞利、贝塔或均匀分布,将所选阈值与最优阈值之差控制在10个灰度级内并非易事.为了在统一框架内处理不同灰度分布情形下的阈值选择问题,提出了一种归一化互信息量最大化导向的自动阈值选择方法.该方法先采用多尺度梯度乘变换规范化输入图像,获得具有单峰长拖尾灰度分布的规范图像;然后对不同阈值对应的二值图像进行轮廓提取,获得不同的轮廓图像;最后计算规范图像和不同轮廓图像之间的归一化互信息量,并以最大值对应的阈值作为最终阈值.在具有不同灰度分布模式的9幅合成图像和59幅真实世界图像上,将提出的方法和1种人工阈值方法及4种自动阈值方法进行了比较.实验结果表明,提出的方法虽然在计算效率方面不优于4个自动方法,但在分割的适应性和精确度方面优势明显:对前述不同灰度分布情形,其所选阈值与最优阈值之差都在9个灰度级内.

视觉注意驱动的基于混沌分析的运动检测方法

提出了视觉注意驱动的基于混沌分析的运动检测方法(MDSA)。MDSA首先基于视觉注意机制提取图像的显著区域,而后对显著区域进行混沌分析以检测运动目标。算法技术路线为:首先根据场景图像提取多种视觉敏感的底层图像特征;然后根据特征综合理论将这些特征融合起来得到一幅反映场景图像中各个位置视觉显著性的显著图;而后对显著性水平最高的图像位置所在的显著区域运用混沌分析的方法进行运动检测;根据邻近优先和返回抑制原则提取下一最显著区域并进行运动检测,直至遍历所有的显著区域。本文对传统的显著区域提取方法进行了改进以减少计算量:以邻域标准差代替center-surround算子评估图像各位置的局部显著度,采用显著点聚类的方法代替尺度显著性准则提取显著区域;混沌分析首先判断各显著区域的联合直方图(JH)是否呈现混沌特征,而后依据分维数以一固定阈值对存在混沌的JH中各散点进行分类,最后将分类结果对应到显著区域从而实现运动分割。MDSA具有较好的运动分割效果和抗噪性能,对比实验和算法开销分析证明MDSA优于基于马塞克的运动检测方法(MDM)。

基于关键帧序列的视频片段检索

提出了一种基于关键帧融合的视频片段检索方法。使用特征联合分布直方图将视频分割为子镜头,子镜头用关键帧表示。检索时,对范例视频片段的每个关键帧检索到相似的关键帧,所有的相似关键帧按照时间连续性融合为视频片段。提出一种快速的视频片段相似度计算模型。实验表明,本文的方法快速有效。

非局部均值加权的动态模糊Fisher分类器的遥感图像变化检测

提出一种新的变化检测算法,利用改进的动态模糊Fisher分类器,通过对多时相图像的联合直方图进行分类得到变化区域。在此基础上,根据图像空间关系对待检测点进行非局部均值加权,并以一定比例选取可靠性高的数据先进行标类,增加数据的可分性和算法的可靠性。根据更新后的样本动态调整待检测点权重及分类器参数,直到所有点判别完毕为止。本算法不受参数模型限制,不受差异算子影响并充分利用图像的空间与时间信息。真实遥感数据试验表明本算法提高了检测精度。

一种时间序列图像自动配准算法

提出了一种快速易行的时间序列图像自动配准算法:首先对两幅图像分别进行离散小波变换,然后对分解后的两幅低频图像计算联合直方图,最后采用改进的联合直方图区域计数方法来设计目标函数并进行配准参数优化。实验结果与对比分析表明:在基本不影响图像配准精度的情况下,算法大大加快了图像配准速度。

基于局部累积直方图和纹理特征的图像检索方法

提出了结合HSI颜色空间的局部累积直方图和图像的纹理特征进行检索的新方法。在HSI颜色空间求局部累积直方图,既可以消除大量离散的零值点,又考虑到累积前后两种颜色的相似性,符合人眼的视觉感知特点;利用以灰度共生矩阵为基础的纹理特征对局部累积直方图检索的结果进行二次检索,充分考虑了图像的空间信息,避免单一的颜色特征描述图像的片面性。基于花卉图像库的检索实验结果表明,该方法可以取得良好的检索效果。

基于最大互信息的多源图像配准研究

对同一场景使用不同传感器获取的多幅源图像往往存在许多差异,若要对其进行像素级图像融合,则首先必须对多幅源图像进行配准,配准精度要求达到像素级。本文在对多源图像配准理论和方法深入分析的基础上,对基于最大互信息的图像配准算法及其实现进行了深入研究,并将该方法应用于多源图像配准,通过仿真实验证明采用基于最大互信息的图像配准方法对来自不同传感器的多源图像进行配准,可以达到像素级的配准精度,该精度标准符合像素级图像融合对源图像的配准精度要求。

基于特征联合和直方图交叉核函数的动作识别方法

为提高动作识别的识别率和实时性,提出了一种新颖的基于特征联合和直方图交叉核函数的动作识别方法。该方法首先跟踪视频中运动物体上的局部时空特征点形成运动轨迹,并计算出轨迹的梯度方向直方图(HOG)、光流直方图(HOF)、运动边界直方图(MBH)特征和轨迹上各点所在视频帧局部区域的局部二值模式(LBP)特征组成联合特征矩阵;然后等量地对每种动作的各训练样本的联合特征矩阵进行平均采样,将采样结果合并后运用bag-of-features方法进行K-means聚类形成码书,在此基础上利用码书量化各样本的联合特征矩阵得到表示视频样本中运动信息及结构信息的特征向量;最后将形成的特征向量作为支持向量机(SVM)的输入,同时选择直方图交叉核函数作为SVM的核函数,训练动作识别的分类器并进行测试。实验结果表明,该方法不仅提高了动作识别的识别率,而且通过利用直方图交叉核函数可缩短分类器的训练与测试时间。

基于交叉积分直方图的对偶双边滤波算法

多模图像由于受到成像带宽的限制,往往在有些波段会受到较大噪声的干扰。对偶双边滤波是目前对多模图像去噪较为常规的方法,能同时对多幅图像进行联合去噪,但存在计算效率低下的问题。针对该问题提出一种基于交叉积分直方图的对偶双边滤波算法。该算法通过所构造的交叉积分直方图能够在常数时间里计算出滤波器的系数,并且算法的复杂度不受滤波半径的影响,因此有效提高了原始对偶双边滤波器的适用范围和计算效率。

联合直方图的刚性配准方法及其在肝脏CT图像配准中的应用

相似性测度作为一种准则用来评价参考图和变换后图像之间的匹配效果,是图像配准方法中一个关键的步骤,它直接影响配准效果的好坏.在分析图像联合直方图的基础上提出一种基于联合直方图的相似性测度,该方法提高配准的计算速度而不影响配准效果.所使用的相似性测度应用于肝脏CT增强扫描多相期刚性图像配准过程,实验结果表明,其速度优于常用的最大互信息法,且不影响配准结果.

基于小波分解和互信息测度的图像配准方法

提出了一种利用小波分解和互信息测度的图像配准方法。利用小波分解的近似分量来进行配准可以大大提处理速度。讨论了原图像与其小波分解图像之间的坐标变换问题,证明了该方法的可行性;然后利用图像的互信息测对图像进行配准。与传统方法相比,该方法配准精度高、可靠性好、不需要进行图像分割和特征提取,并能够大大减少算量。

基于密集卷积神经网络的遥感飞机识别

传统的飞机识别方法受模糊、遮挡、噪声以及光照等多种因素的干扰时会降低识别率,且卷积神经网络主要依赖局部特征,却丢失了轮廓特征等重要的全局结构化特征,从而导致算法对于受干扰飞机图像识别效果不佳。因此,基于密集卷积神经网络提出一种结合局部与全局特征的联合监督识别方法,以密集卷积神经网络为基础得到图像特征,通过结合局部特征(卷积神经网络特征)与全局特征(方向梯度直方图特征)进行分类,分类器目标函数使用softmax损失和中心损失联合监督方法。实验结果表明,局部特征与全局特征的结合使算法更加智能化,且损失函数联合监督方法能够实现图像深层特征的类内聚合、类间分散,该算法能有效解决卷积神经网络对受到多种干扰的遥感图像识别率低的问题。

复杂背景下低对比度目标的光学相关探测和识别

光电混合联合变换相关器可以实现光学图像的探测、自动识别、实时跟踪和高精度定位。但当实际的目标图像对比度低、背景噪音大时,相关峰对比度降低,甚至没有相关峰。文章将空域直方图均衡化与频域滤波器相结合,提高了目标图像的对比度,减小了背景噪音,获得了尖锐的相关峰,解决了复杂背景低对比度目标图像的识别问题,获得了很好的实验结果。大量的计算机模拟和光学实验表明,相较于其他复杂的算法,该算法简单、实现速度快,效果良好。

基于改进的Camshift算法的室内小车跟踪

传统的Camshift算法是以颜色直方图为特征进行跟踪,在目标具有特殊颜色的简单背景环境中跟踪效果较好,但是当目标受到相似颜色干扰或者环境背景噪声太多时,算法的跟踪效果变差。为此提出了一种结合背景减除法的自适应多特征融合的改进Camshift算法。首先基于相似度的衡量标准分别确定颜色特征,LBP纹理特征以及边缘特征对跟踪结果的贡献度大小,并按照贡献度的大小动态分配融合权重;然后以不同的权重比建立联合直方图,用来克服单一颜色直方图的跟踪缺陷;最后在再结合平均背景减除法,用来去除复杂背景中噪声的干扰。实验证明,本算法能够实现室内不同环境干扰下小车的准确跟踪。