基于HOG特征的IKSVM稻瘟病孢子检测

为解决稻瘟病孢子的人工检测过程中主观性强、自动化程度低、效率低等问题,提出一种基于梯度方向直方图特征(HOG特征)的加性交叉核支持向量机(IKSVM)的稻瘟病孢子检测方法。该方法首先利用图像采集系统采集稻瘟病孢子图像,利用Gamma校正法调节图像的对比度,抑制噪声干扰;然后,提取孢子图像的HOG特征作为输入向量,输入到支持向量机中,构建加性交叉核支持向量机分类器;最后,通过训练得到稻瘟病孢子分类器。为测试所提出的HOG/IKSVM方法的综合性能,分别选用HOG/线性SVM方法与HOG/径向基核SVM(HOG/RBFSVM)方法做对比试验。试验结果表明,HOG/IKSVM的检测率为98. 2%,高于HOG/线性SVM方法的79%;在平均检测时间上,HOG/IKSVM方法的平均检测耗时仅为HOG/RBF-SVM方法的1. 1%。说明该方法可以进行稻瘟病孢子室内检测识别。

一种新的直方图核函数及在图像分类中的应用

基于核方法的支持向量机(SVM)以其良好的推广性在图像分类等领域已经得到广泛应用,运用支持向量机的关键是设计有效的核函数。为克服传统核函数较少融合先验知识的弱点,该文提出基于数据驱动的核函数构建方法;并结合词包(BOW)模型,设计了一种基于TF-IDF规则的加权二次卡方(Weighted Quadritic Chisquared,WQC)距离的直方图核函数;在计算直方图之间距离时充分考虑到不同量化区间的不同区分性能,从而增强核函数对不同类别的区分能力。在Caltech101/256等多个经典图像数据集上的分类实验结果验证了该文方法的有效性。

融合小波变换与KPCA的分块人脸特征抽取与识别算法

鉴于小波多尺度变换对高维图像特征具有良好的压缩和表达能力,提出了一种融合小波变换与KPCA(核主成分分析)方法的分块人脸特征抽取与识别算法。该算法首先对人脸图像进行分块小波变换,再根据图像块的位置分布选取不同的频率分量;然后对此分量进行KPCA特征抽取,并通过对抽取到的特征进行融合来得到最终人脸鉴别特征;最后利用支持向量机分类器进行特征分类与识别。通过对ORL和Yale标准人脸图像库的实验仿真结果表明,该算法不仅在识别性能和分类速度上明显高于传统的PCA方法及融合小波特征的KPCA方法,而且对于人脸光照、姿态和表情变化均具有良好的鲁棒性。

用基于视觉单词上下文的核函数对图像分类

当前在图像分析领域,将局部特征编码为视觉单词的做法非常流行。基于普通的视觉单词,提出了一种新的能够融合单词多层上下文的核函数。设计中体现了如下信息:1)多层的单词直方图;2)多层的"词组"直方图;3)单词(以及词组)的上下文的类别。然后将该核函数应用于支持向量机,对图像进行分类。在Corel图像库等公共测试集上,该方法取得出色的性能。此外,在一个实用性很强的复杂问题中进行了对比:识别成人图像和泳装图像。该方法的识别准确率,比经典方法提高了约7%。实验结果表明,将核函数度量同视觉单词的多层次描述结合在一起,能够显著提高图像的识别能力。

采用塔式关键词直方图的舰船图像实时分类检测方法

针对传统舰船分类检测方法实时性差、容易受到物理噪声干扰等问题,采用塔式关键词直方图和支持向量机的检测方法对不同类别水面舰船图像进行实时分类检测。通过对不同类别的舰船图像进行分类实验,进一步综合确定适合的塔式关键词描述子参数及支持向量机核函数参数。实验结果表明,舰船分类检测准确率较已有检测方法有所提高。基于塔式关键词直方图和支持向量机的检测方法能够实现可靠、实时的舰船图像分类检测。

融合二阶HOG与CS-LBP的头部姿态估计

针对头部姿态估计受光照变化、表情、噪声干扰等因素影响导致识别率低的问题,提出一种融合二阶梯度方向直方图(HOG)和中心对称局部二值模式(CS-LBP)特征的姿态特征,用于单帧图像的头部姿态估计。采用二阶HOG对人脸图像进行形状信息提取,得到人脸的轮廓特征;用CS-LBP进行局部纹理信息的提取,通过将二阶HOG提取的轮廓特征和CS-LBP提取的纹理特征进行融合,得到更有效的人脸特征;将融合的姿态特征通过核主成分分析(KPCA)变换非线性映射到高维核空间中,抽取其主元特征分量,采用支持向量机(SVM)分类器进行姿态估计。实验结果表明,方法和HOG、LBP、二阶HOG、CS-LBP方法相比有更高的分类准确率,对光照的变化有很好的鲁棒性。

多特征融合和交叉核SVM的车辆检测方法

为了能够提高车辆检测的准确率和效率,利用不同分辨率下图像中的信息,文章提出一种多分辨率下的方向梯度直方图特征(multi-resolution histograms of oriented gradients)和局部二值模式算子(local binary pattern)相融合的车辆检测算法。由于融合后的特征维数明显高于单一特征,使得检测的实时性较差,通过主元分析(principal component analysis)来实现对融合后特征降维,并采用直方图交叉核支持向量机(HIK-SVM)对特征进行分类,完成车辆的检测。实验结果表明,该检测方法有较高的车辆检测率,且实时性较好。

基于特征融合和交叉核SVM的快速行人检测方法

行人检测是目标识别领域的一大难点。现阶段用于行人检测的特征维数都比较高,为克服高维特征对实时性的影响,本文运用主元分析(PCA)对特征进行降维,加快检测速度。单一特征的信息有限,本文运用基于线性鉴别分析(LDA)的线性权重融合原则对一些底层特征(颜色、梯度、直方图)和多层次导向边缘能量特征进行特征融合使特征具有多源信息。且上述特征可采用积分图技术进行快速计算,所以行人检测系统的鲁棒性和实时性得到加强。在目标识别领域直方图交叉核支持向量机(HIKSVM)具有分类快,且准确率高的优点,采用其进行分类,系统实时性更进一步提升。实验表明本文方法检测速度和检测率优于经典的HOG+SVM算法。

基于生成树的人脸识别

为了提高人脸识别的准确率,研究了基于生成树核的人脸识别.定义了最大生成树的概念,7个生成树核和3个基于直方图核和生成树核的复杂核,并给出了人脸图像的图示,阐述了人脸图像转化成图的过程.实验结果表明,生成树核的性能优于通路核.

基于多特征和级联分类器的行人检测算法

针对静态图像中的人体检测问题,文章提出一种由粗到精的级联分类器人体检测算法,并改进多尺度方向(multi-scale orientation,简称MSO)特征和多尺度梯度方向直方图(Multi-scale Histograms of Oriented Gradients,简称Multi-scale HOG)特征。粗分类器采用扩展的MSO(extended multi-scale orientation,简称EMSO)特征和Adaboost级联训练得到,精分类器采用基于WTA(winner-takes-all)hash编码的Multiscale HOG(WMHOG)特征和相交核支持向量机(intersection kernel support vector machines,简称IKSVM)级联训练得到。在法国国家信息与自动化研究所(INRIA)和TUD-Brussels公共测试集上的实验结果表明,文中所提出的方法检测速度和检测率与当前代表性人体检测算法相比均有明显提高。

基于路侧激光雷达的城市交叉口目标识别技术

针对城市交叉口环境下交通基础设施无法精确检测道路使用者的问题,提出了一种基于视点特征直方图与支持向量机(VFH-SVM)的点云特征提取与分类方法。根据交叉口复杂环境下目标物的感知需求,对路侧三维激光雷达获取的点云信息采用直通数据滤波预处理;利用条件欧氏聚类算法对场景点云数据进行分割;基于视点特征直方图对分割后不同目标物的三维点云特征进行提取;建立了不同交通参与者及设施的视点特征直方图(VFH)特征数据集;采用线性核函数的支持向量机(SVM)算法对交通场景内的点云数据进行分类识别实验。实验结果表明:所提方法对城市交叉口环境下典型目标物体的分类识别准确率均大于90%以上。

基于改进的空间金字塔词袋模型的图像分类算法研究

基于空间金字塔词袋模型的图像分类算法相比于传统的词袋模型的图像分类算法的准确率有了一定的提高,仍无法满足实际的高标准图像分类的需求。为此提出了一种基于改进的空间金字塔词袋模型的图像分类算法,即使用轮盘法的改进的K-means聚类方法和支持向量机的直方图交叉核函数。分别优化改善了K-means聚类算法的聚类容易陷于局部最优的缺陷和支持向量机使用径向基核函数可能产生非常严重的过拟合问题。通过仿真验证了基于改进的空间金字塔词袋模型的图像分类算法的准确率明显高于原基于空间金字塔词袋模型的图像的分类算法。

基于多特征和多核学习的行人检测方法的研究

行人检测系统涉及交通安全问题,需要很高的鲁棒性,基于单特征结合单核支持向量机的方法效果有限,为解决这一问题,提出采用多特征和多核学习的方法来提升系统的鲁棒性,通过将积分信道特征、多层次导向边缘能量特征和CENTRIST特征分别与直方图交叉核、高斯核和多项式核进行线性组合,采用简单多核学习(Simple MKL)来分别计算核函数的权重系数,将多核学习方法与经典的梯度直方图特征/支持向量机、多尺度梯度直方图特征/直方图交叉核支持向量机和特征融合/直方图交叉核支持向量机的行人检测方法进行比较,实验表明所提出的行人检测算法的鲁棒性有明显提升。

基于空间金字塔特征包的手势识别算法

为了解决基于尺度不变特征变换的特征包(Bo F-SIFT)算法在描述手势图像特征时对特征点分布情况无法确定的问题,提出了空间金字塔特征包算法提取手势图像特征。该算法通过构造图像金字塔改善了传统的Bo FSIFT算法,生成的描述子能有效表征手势图像的局部特征和全局特征,并能表示图像特征点的分布特性。采用直方图相交核支持向量机进行手势识别。在标准数据库上的测试表明,该算法对于10种手语得到了92.92%的正确识别率,验证了算法的有效性。

基于多核学习特征融合的人脸表情识别

传统的基于纹理特征的表情识别采用单一纹理特征构建单核支持向量机(SVM)进行表情特征分类,势必会造成表情特征信息的丢失,影响识别率;然而过多的特征又会带来冗余,产生过拟合现象,降低识别率。针对传统方法的不足,提出了基于多核学习特征融合的人脸表情识别方法,即提取图像的Gabor纹理特征、灰度直方图特征、LBP纹理特征三种特征并进行主成分分析(PCA)降维,在多核支持向量机训练中利用基于核函数组合的特征融合模型,寻找一组最优的特征组合系数,构建基于特征融合模型的核函数,进行表情的分类。该方法能更大限度利用表情图像中的有用特征,还能避免无关特征和冗余特征带来的过拟合现象。通过在学生听课表情表情库中的实验结果表明,方法的识别率为88%,好于传统方法 80%的识别率。

复杂背景下的手势识别算法研究

为解决复杂背景下手势图像不能准确分割的问题,结合YCg Cr颜色空间上的聚簇特性,提出一种在RGB与YCg Cr双颜色空间下的肤色检测法。该方法有效地减少了背景中类肤色的干扰,完成了手部图像在复杂背景下的检测和分割;并采用HOG特征对手势图像进行表示,最后采用直方图相交核支持向量机进行手势识别。该方法在塞巴斯蒂安.马塞尔静态手姿数据库上进行了测试,对6种手势的平均识别率达到了93.33%。

基于球结构支持向量机的QuickBird影像分类分析

在支持向量机多类识别基础上探讨以球结构替代传统超平面支持向量机对QuickBird影像进行分类的可行性,对重叠区域的数据分类采用新规则,提高球结构支持向量机算法的泛化性能,并将分类结果与最小距离法、最大似然法分类结果进行比较,实验结果表明该算法有效可行,降低了二次规划的复杂度,缩短了样本训练时间。

基于一类分类的三角形和三角形相交测试

三角形和三角形相交测试是碰撞检测数据结构和算法的基本组成部分,基于支持向量机的一类分类方法对三维空间中三角形和三角形相交测试提出了一种新的算法,首先用核函数把其中一个三角形(记为T_a)训练成球心为a半径为R的超球体,然后依据另一个三角形(记为T_b)上的某些点到超球体的球心a的距离d_i(i=1,2,…,n)与R的关系,判断这些点是否在超球体内。如果T_b上有点在超球体内,则断定两个三角形发生相交,反之则没有。理论分析和实验结果都表明,该算法速度很快,效率较高,能够满足动画中运动物体的实时交互碰撞检测。

基于特征加权的高光谱图像融合分类

在对高光谱图像监督分类中,传统的监督学习方法对高光谱数据进行分类时需要获取足够的有标记样本作为训练样本,这样可以有效的避免Hughes效应.实际情况下的高光谱数据拥有较多的波段和相对较小的训练样本集给传统的遥感图像分类方法带来了挑战.因此,提出了一种基于特征组合以及特征加权的高光谱图像分类算法,针对纹理特征分析难度较大的现实,利用一阶直方图的统计特征描述图像纹理特征,通过类内散度矩阵的逆矩阵作为特征加权矩阵构造组合核函数将高光谱光谱特征和空间特征融合起来,同时利用特征加权的方法用于提高小训练样本的监督分类精度.实验结果表明,本文所提的方法对小样本的高光谱数据分类具有良好的效果.

基于助老机器人的行人检测与跟踪算法研究

行人检测与跟踪是助老机器人的基本功能之一。针对行人检测中目标需人工标定图像初始帧、目标检测准确性差、行人丢失较难重新跟踪的问题,提出一种基于行人检测和核相关滤波器(KCF)的跟踪算法。通过Kinect2摄像头获取环境视觉信息,采用方向梯度直方图(HOG)提取行人特征,使用支持向量机(SVM)的方法训练模型实现自动检测,应用KCF跟踪算法跟踪行人,并结合深度数据,计算其世界坐标,驱动机器人实现行人稳定跟踪。在Ubuntu16.04系统和ROS平台下搭建软件系统,并在实验Turtlebot移动平台进行实验测试。结果表明,该算法可自动检测行人并在复杂环境中对行人进行稳定跟踪,有效提高了助老机器人的移动、感知性能。