基于PHOG特征的行人检测算法研究

HOG特征对行人轮廓有很好的描述能力,但基于HOG特征的行人检测存在检测速度慢、漏检率较高的问题,使得该算法的实践应用范围受限;针对检测速度慢、漏检率较高的问题,提出了一种基于PHOG特征的行人检测算法;首先,提出了PHOG特征,该特征对cell内的梯度特征进行强化,增大了目标与背景的梯度分布区别,从而使目标更容易被分类器学习和识别;然后提出了构建特征金字塔的方法,并对PHOG特征进行有效地降维,大幅度减少了检测时间;实验结果表明,提出的PHOG-PCA特征将漏检率从35%降到了22%,检测速度也比一些流行算法快。

一种综合PHOG形状和小波金字塔能量分布特征的图像检索方法

形状是物体的一个重要属性,在图像检索中发挥着重要作用.PHOG梯度方向直方图金字塔是最近出现的一种表达力较强的形状特征,但其对自然背景图像的检索效果不佳.图像的小波分解能得到图像能量场在各频域的分布,从而可用于图像检索.本文提出一种新的小波金字塔能量分布特征,在基于SVM分类器的检索框架下,与图像的PHOG形状描述特征动态结合,对图像进行检索.在Corel图像集上的检索试验表明,本文提出的综合方法比基于PHOG形状描述特征和小波金字塔能量分布特征两种方法有更好的效果.

Hu和PHOG特征融合的路面标志识别方法

对路面交通标识采用支持向量机的方法进行识别,在支持向量机识别交通标志时,需要提取图像的特征进行训练和识别,在Hu不变矩和PHOG特征提取方法的基础上,给出了基于Hu不变矩和低维的PHOG相融合的特征提取方法,该方法在进行路面交通标识识别时,有更好的识别率,仿真结果验证了算法的有效性.

基于改进的PHOG算法的手绘植物图像检索研究

随着图像处理技术的发展,植物学领域的检索和识别也倍受重视。本文使用植物叶片图像作为测试图像,使用《中国植物志》中提取的手绘叶片图像作为类别图像,首先对两类叶片图像预处理,然后提取相应的PHOG特征,通过计算距离得到相近的叶片图像,并在实验过程中对算法进行了改进。该方法用于植物叶片图像的检索,经验证,可行性较高。

基于matlab语言提取图像PHOG特征的检索方法

随互联网的普及和发展,电子商务网站的数量急剧增长,电子商务网站需要通过对在线销售商品进行标注以方便用户进行搜索。本文是通过提取类别图像和测试图像的PHOG全部特征,然后计算两者之间的距离,测试图像与类别图像距离比较近的就属于同一类图像。我们利用MATLAB语言设计出了能够实现这一性能的分类并计算的方法。实验证明本文所用的方法灵活性好,准确性高。

一种阴影和高光不敏感的PHOG算子

为了克服传统PHOG算子未考虑阴影和高光对图像分类和识别的影响,通过引入双向反射模型,计算阴影和高光不变性的特征算子,并将其用于改进PHOG算子,给出阴影和高光不敏感的PHOG算子。实验结果表明对含高光和阴影的图像数据集,新算子能够区分阴影和高光的结构,有效地提高了识别准确率,其性能优于PHOG算子。

综合PHOG和LWT的图像检索算法

目的研究物体的形状特征在图像描述及图像检索中的区分度和检索性能。方法设计一种综合PHOG形状和提升小波变换的图像检索算法。算法首先对原始图像进行极坐标系方向归一化,提取图像旋转不变特征;其次提取分层图像的PHOG形状特征;然后提取分层图像低频变换系数均值和方差作为提升小波变换特征;最后将各种特征进行融合并用于图像检索,并定义距离衡量公式。结果通过文中设计算法提取的图像形状特征可使各标准测试图像间距离均值为0.2352。结论在Corel图像集上的检索实验结果优于RIM算法和FWTH算法,表明文中算法图像检索领域具有一定的应用前景。

融合PHOG和BOW-SURF特征的接触网绝缘子缺陷检测方法

绝缘子图像中存在的噪声对提取绝缘子细节纹理特征具有较大影响,单个特征描述子不能描述绝缘子的更多细节纹理特征,而提取到绝缘子细节纹理特征的多少直接影响了绝缘子缺陷检测的精度和速度.针对以上问题,提出改进快速导向滤波算法和融合PHOG与BOW-SURF特征来实现绝缘子缺陷的精确检测.首先,采用改进的快速导向滤波算法对接触网绝缘子原始图像进行滤波;然后,提取绝缘子滤波后图像的PHOG和BOW-SURF特征;最后,将两者融合后送入SVM分类器进行训练,实现绝缘子缺陷的检测.实验结果表明,该方法检测绝缘子缺陷的精度为100%,平均每张图像的处理时间为0.039s,为接触网悬挂状态检测监测装置对图像分析及缺陷检测奠定了必要的基础.

基于MSER和PHOG特征的交通标志检测方法

本文提出了一种基于最大稳定极值区域(Maximally Stable Extremal Regions,MSER)和塔式梯度方向直方图(Pyramid Histogram of Oriented Gradients,PHOG)特征的交通标志检测方法。该方法首先对图像进行分通道颜色增强,再利用最大稳定极值区域算法进行交通标志潜在区域的定位和提取,然后通过提取目标图像的PHOG特征,结合支持向量机(Support Vector Machine,SVM)训练形状分类器进行交通标志的粗分类。实验结果表明,该方法可以有效地抑制光照、遮挡以及场景复杂等因素带来的影响,并获得了较高的检测率及较低的误检率,同时也为后续的标志识别工作打下基础。

基于Gist特征与PHOG特征融合的多类场景分类

Gist特征是根据稀疏网格划分提取图像全局特征,它可以很好地描述单一场景,但是对于同一图像可能包含的多个场景,该特征的区分性能有所下降;而PHOG特征,提取的是图像局部轮廓特征,对Gist特征有一定的补充.本文以此提出基于Gist特征与PHOG特征融合的场景分类技术,首先分别提取图像的Gist特征和PHOG特征,然后将两种特征串接起来形成融合特征,最后使用SVM分类器进行场景训练和分类.在OT数据集上,考察了单一特征的分类精度和融合特征的分类精度,以及训练样本数对分类性能的影响,通过实验对比发现特征融合能够有效地提高场景分类的正确率.

基于PHOG特征的电路图中电气符号识别

针对电气符号的大小、图纸背景的模糊、电气符号的旋转角度等各种干扰因素对计算机识别电气图纸造成的误差问题,提出一种基于提取塔式梯度方向直方图(Pyramid Histogram of Oriented Gradients,PHOG)特征的电气符号识别方法。首先运用直方图分析和形态学处理的方法,分割出电路图中的电气符号。其次建立电气符号训练集,提取电气符号图像的PHOG特征。最后使用这些PHOG特征和分类信息对支持向量机进行训练,利用支持向量机进行识别。结果显示PHOG算法对电气符号具有较高的识别率,与已有的一些方法比较,识别效果更好。

基于PHOG特征的坐姿识别方法研究

良好的坐姿习惯有益于人们身体健康的同时,对提高人们的专注度和工作效率也有较大帮助。针对9种不同的坐姿,提出了一种通过提取塔式方向梯度直方图(pyramid histogram of oriented gradients,PHOG)特征进行坐姿识别的方法。该方法首先结合背景帧信息,采用背景减法将前景和背景进行分离,提取出坐姿信息;然后结合多尺度金字塔结构分层构建九种坐姿图像的PHOG特征;最后使用PHOG特征向量通过随机森林分类器对坐姿进行分类识别。实验结果表明,通过提取PHOG特征进行坐姿识别并用随机森林分类器分类的方法准确率达到了95.19%,较提取HOG特征进行坐姿识别的方法正确率显著提高。

一种基于颜色不变量和PHOG特征的交通标志检测方法

提出一种基于颜色不变量和塔式梯度方向直方图PHOG(Pyramid Histogram of Oriented Gradients)特征的交通标志检测方法。该方法首先在高斯颜色模型下提取颜色不变量特征并对其进行聚类,以分割出候选感兴趣区域;然后提取感兴趣区域的PHOG特征并用支持向量机进行形状分类,进而区分交通标志形状和噪声区域。对自然环境下的交通标志,PHOG特征所采用的Canny算法在获取感兴趣区域轮廓时会产生较多噪声,从而降低交通标志分类性能。为此,提出利用Chromatic-edge来增强目标轮廓并抑制噪声以提升PHOG特征描述能力。实验结果表明该方法对光照、阴影、遮挡、以及背景复杂等因素具有较高的鲁棒性,获得了较高的检测率和较低的误检率。

采用PHOG融合特征和多类别Adaboost分类器的行为识别

为了解决类能量图易受人体运动时间和位置移动等因素影响而难以有效描述动作细节特征的问题,本文提出了一种基于类能量图金字塔梯度直方图(PHOG)融合特征和多类别Adaboost分类器的人体行为识别方法。该方法首先对经过躯体配准的运动人体目标轮廓图像构造平均运动能量图(AMEI)和增强的运动能量图(EMEI),分别提取其分层梯度方向直方图(PHOG)特征并进行串联融合,作为一种多层次的行为特征描述;然后使用基于查找表的LUT-Real Adaboost算法设计多类别分类器,实现图像中人体行为动作的识别。实验结果显示其在典型的人体动作数据集DHA上的正确识别率达97.6%,高于其它采用单一特征描述和SVM等分类器的方法。表明该方法将整体与局部特征相结合,可以有效描述不同尺度下的动作细节特征,增强了人体行为特征的描述能力,提高了识别性能。

舰船分类的PHOG和支持向量机联合检测方法

针对普通舰船分类检测方法容易受到物理噪声干扰、实时性差等问题,采用塔式边缘方向梯度直方图和支持向量机联合检测方法对不同类别水面舰船图像进行实时分类检测。通过对不同类别舰船图像进行分类实验,进一步综合确定适合的图像特征参数及核函数参数,实验结果表明,舰船分类检测准确率较现有检测方法有所提高。基于塔式边缘方向梯度直方图和支持向量机的联合检测方法能够实现实时、可靠的舰船分类检测。

基于PHOG特征及支持向量机的弯道自动检测

为了能准确地判断弯道情况,提出了一种基于机器学习的弯道自动检测方法。提取道路弯道训练图像的塔式梯度直方图(PHOG)特征,利用支持向量机对提取的特征进行训练形成分类模型;利用该模型和弯道测试图像的塔式梯度直方图特征对道路弯道情况进行预测。测试结果表明,该方法能够在理想天气和不同程度的恶劣天气下准确判断左弯道和右弯道,对于不同弯度的左右弯道,其平均分类准确率达90%以上。

基于LBP和PHOG特征监督相关融合的军事目标分类方法

军事目标分类是一个重要的研究方向。在复杂背景下不同的军事目标的相似度较高,使得基于传统视觉特征的军事目标的分类精度不高。提出一种基于改进典型相关分析的局部二值模式(LBP)和分层梯度方向直方图相结合的军事目标分类方法。首先提取军事目标的LBP和PHOG特征;然后利用改进的典型相关分析将LBP与PHOG特征相融合;最后利用K-最近邻分类器对图像进行分类。该方法的优点在于LBP与PHOG相融合的特征有比较好的分类能力和鲁棒性。在军事目标数据集上的分类结果表明,该方法是有效可行的。该方法为军事目标识别系统提供了技术参考。

PHOG特征与聚类特征选择的笑脸识别方法

基于Gabor特征的人脸表情识别系统虽具有良好的识别性能,但特征维数大、分类器复杂度高.因此,文中提出一种基于PHOG特征与聚类线性鉴别分析(CLDA)的笑脸识别方法.PHOG特征的引入在于简化系统的运算复杂度,而CLDA克服传统线性鉴别分析方法的多模态问题.实验结果表明PHOG特征免去Gabor特征在Adaboost耗时的特征选择过程,具有和Gabor特征相当或更优的识别性能,且CLDA在维数降低时,系统的识别率能得到更好保持.

一种多尺度PHOG特征和最优缝合线的运动场景图像拼接算法

针对运动物体对图像拼接易造成配准误差和合成鬼影的问题,提出一种多尺度PHOG特征和最优缝合线的运动场景图像拼接算法.首先,在多尺度空间角点检测的基础上,引入分层梯度方向直方图(PHOG)描述方法,生成多尺度PHOG特征,进行稳定配准,避免运动物体的局部影响.然后,通过构建能量函数,采用图割算法搜索几何、灰度差异最小的缝合线,去除运动鬼影.实验结果表明,该方法对存在运动物体的场景拼接具有较高的拼接精度,拼接效果良好.

基于稀疏表示和粒子滤波的在线目标跟踪算法

针对目标跟踪过程中由于外形变化或者遮挡所造成的跟踪效果下降或导致漂移的问题,提出一种粒子滤波框架下基于稀疏表示的在线目标跟踪算法.采用分层梯度方向直方图(PHOG)特征对目标模板进行描述,并且每一个候选模板都可以通过PHOG基向量和琐碎模板进行稀疏表示,进而利用L1范数最小化方法进行最优求解.为保证在遮挡的情况下目标跟踪的精度,对目标遮挡部分和非遮挡部分进行拆分建模,并利用PCA子空间增量学习的方式不断更新目标跟踪模型.通过对具有挑战性的跟踪视频进行定性和定量分析,实验证明该方法在跟踪精度上要优于传统的跟踪方法.