图像特征对烟幕干扰的效能评估对比研究

烟幕干扰作为现代战场常见的无源干扰方式,具有优良的光电对抗效果、较强的战术应用机动性和较高的效费比。针对基于图像的烟幕干扰定量评估研究不足,本文从跟踪的角度出发,对烟幕干扰下目标的红外成像使用灰度特征、基于LBP的纹理特征、类哈尔矩形特征、方向梯度直方图特征以及深度特征5种方法进行特征提取,通过将特征提取结果与主观评分进行相似性计算,得出不同图像特征对烟幕干扰下目标的表征能力。通过对8组外场试验所得数据的分析验证,得出结论,对烟幕干扰下目标表征能力较为优秀的三种特征分别是方向梯度直方图特征、类哈尔矩形特征以及深度特征。

基于梯度Gabor直方图特征的表情识别方法

针对传统Gabor特征在表情识别上的局限性,提出一种基于梯度Gabor直方图(GGH)特征的表情识别方法.首先对预处理后的人脸图像进行Gabor特征提取;然后将相同尺度、不同方向的Gabor特征按照梯度方向构造Gabor特征融合图,再对融合图进行分块并计算每个子块的直方图分布,从而构成人脸的GGH特征;最后采用支持向量机对GGH特征进行人脸表情分类.在JAFFE库与Pain Expressions库上进行交叉验证的结果表明,在保证较高识别率时,GGH特征比传统的Gabor特征实时性更高.

基于对称性的实时车标定位和识别方法

在基于视频图像的车辆类型识别系统中,当前国内外侧重于研究车辆外形、大小。由于视点的不同,单纯的车辆外形对车辆的类型识别不具有决定性意义,而车标对车辆类型则具有决定意义。提出一种基于对称性的车标定位和识别算法,该算法首先根据车辆本身的对称性等先验知识粗略的确定车标位置,然后利用特征信息精确定位;最后将模板匹配和特征结合对其进行识别。从实验结果来看,该方法能快速、准确的定位车标位置且识别率能达到实时应用的要求。

基于AAM-SIFT特征描述的两级SVM人脸表情识别

采用AAM定位特征点、尺度不变特征变换(SIFT)描述特征的方式提出一种基于AAM-SIFT的表情特征提取方法。该方法用特征点周围区域梯度方向直方图描述表情特征;同时根据不同子区域对表情的贡献不同,将特征点分组并赋予不同权重,并用两级支持向量机(SVM)对融合的加权特征进行分类识别。在标准表情库和多姿态表情库上的验证结果表明,该方法能有效提高正面人脸表情的识别率,对一定偏转角度的非正面人脸表情也保持较好的鲁棒性。

一种基于多特征和机器学习的分级行人检测方法

针对单幅图像中的行人检测问题,提出了基于自适应增强算法(Adaboost)和支持向量机(Support vector machine,SVM)的两级检测方法,应用粗细结合的思想有效提高检测的精度.粗级行人检测器通过提取四方向特征(Four direction features,FDF)和GAB(Gentle Adaboost)级联训练得到,精密级行人检测器用熵梯度直方图(Entropy-histograms of oriented gradients,EHOG)作为特征,通过支持向量机学习得到.本文提出的EHOG特征考虑到熵,通过分布的混乱程度描述,具有分辨行人和类似人的物体能力.实验结果表明,本文提出的EHOG、粗细结合的两级检测方法能准确地检测出复杂背景下不同姿势的直立行人,检测精度优于以往Adaboost方法.

基于DSM和影像特征的城市变化检测

随着城市的快速发展,城市的变化也越来越明显。为了能更好地为城市规划人员、城市管理决策人员及时提供信息,有必要对城市的变化发展进行适时地监测。利用大比例尺的航空影像来对城市地区的人工建筑物的变化进行检测,根据城市地区人工建筑物的变化主要反映在高度上的变化这一特点,利用两个不同时期的立体像对,从而生成两个不同时期的数字表面模型(DSM),在此基础上来检测出城市地区人工建筑物的变化区域。由于DSM影像上不仅有人工建筑物的变化反映在高度变化上,而且也有其它如树木等的变化反映在高度变化上。由于检测的目的是了解城市地区内人工建筑物的变化情况,所以利用DSM提出待选变化区域,在待选变化的区域中利用了梯度方向直方图、灰度匹配、及直线特征匹配等方法来针对城市地区人工建筑物的变化进行进一步的分析。利用日本的两个不同时期的1∶1万的航空影像进行了实验,从实验结果来看,所提出的方法是可行的,同时该方法简单、直观且易于操作。

基于HOG特征的优化区域模板匹配检测

针对HOG算法滑动窗口检测效率低和目标特征描述不精确的问题,提出了一种基于HOG的改进算法,提高了滑动窗口的检测效率并减少了目标模板相似性对结果带来的影响.该算法利用HOG特征来描述目标的整体和各个部件,优先检测图像中目标出现概率较大的区域.对于检测评分比较接近阈值的区域使用可变形部件模型进行精确检测,从而可以避免具有轮廓相似性的模板检测结果的不准确.结果表明,该算法对于静态图片有较高的准确率,且对于很多相似度不高的分类具有较快的检测速度.

基于线条形状和主方向墨色分布特征的中国画画家识别算法

目前针对中国画的研究主要集中在基于内容的图像分析上,但是对于中国画的分类识别,更重要的是艺术风格而非内容.中国画的本质是笔墨运用,笔道的线条形状和墨色构成是鉴别艺术风格的重要因素.因此,文中提出基于笔墨特征的中国画画家识别算法.首先提取墨线的形状特征和墨色的布局特征,然后综合上述2种特征,作为支持向量机的输入训练得到画作分类器.实验表明,文中算法在平均查全率和查准率上较优,可以用于中国画的数字化分析、理解和识别,为中国画传承和鉴赏提供有效的数字工具.

基于三维时空直方图特征的人体行为识别

提出一种基于三维时空直方图特征的人体行为识别方法。通过引入时间维度构建三维时空概念,探索时空中梯度方向信息,由梯度方向经过空间中不同的区域形成梯度直方图,获取时空特征矩阵,结合K均值聚类提取时空直方图特征来描述人体行为;采用图像显著性检测算法,获取人体行为轮廓,从轮廓图中提取二维轮廓特征;将获得的特征输入支持向量机进行训练以及人体行为识别。实验结果表明,相比其它特征描述的方法,该方案对人体行为的特征描述更丰富,识别准确率更高。

HOG的一种改进算法在人脸检测上的应用

针对传统HOG算法只使用梯度信息来描绘图像和提取图像特征,从而在进行图像检测与图像识别时正确率较低等问题,提出了一种改进的HOG算法。首先在图像上利用HOG算法提取特征,然后在原始图像进行全局归一化后,把图像切割成一个个独立的单元,并提取出每一个单元的均值,方差以及与标准人脸的差值信息,最后将所有单元提取出的信息排列成向量再与原始的HOG特征进行结合。通过在LWF数据集上对两种算法进行了对比实验,证明图像在进行不同数量的单元划分情况下,新算法的正确率要优于原始HOG算法。

基于改进HOG特征值的行人检测

针对目前梯度方向直方图HOG作为描述符应用于行人检测时,会自动忽略梯度方向相反方向的差异,导致HOG的表达能力较弱等不足,本文提出基于改进HOG特征值的行人检测机制。在分析HOG描述符基础上,串联直方图,设计改进的HOG描述符;并提出一种新的归一化技术,嵌入改进的HOG描述符中,增强其表达能力。在多个数据库上的实验结果表明:与传统HOG特征方法相比,本文方法具有更高的准确率和更低的漏检率。

视频中基于LW-PGD和SVM的头肩部检测

针对视频中的行人检测问题,提出了LW-PGD(locating windows based on the pixel gradient direction of the top of head)快速定位头肩部和基于融合特征检测的方法。首先利用头顶像素点的梯度方向具有固定范围这一特性在前景中找出头顶候选点,根据该点快速确定人体头肩部区域,将其作为待测窗口;然后提取待测窗口的方向梯度直方图(histogram of oriented gradient,HOG)特征和HSV(hue saturation value)颜色特征;最后采用支持向量机(support vector machine,SVM)训练得到人体头肩部的分类器。实验表明,与传统的滑动窗口搜索方法相比,根据头顶点可以快速选取含有人体头肩部的待测窗口,提高了检测的效率;HOG和HSV多特征融合提高了检测的精确性,从而提出的算法有助于后续的行人分析。

基于多特征的红外成像VOCs气体检测

针对目前基于红外成像的VOCs气体泄漏检测与定位算法漏检率和误报率高等问题,提出一种基于多特征的VOCs气体泄漏检测算法。算法利用红外成像技术获取灰度图像序列,并通过混合高斯背景建模提取完整前景图像。通过计算连通域边缘离散曲率熵、生成梯度方向直方图(HOG)及比较连通域内部小连通域的面积变化,分别对气体三大特征—边缘不规则性,纹理特征及扩散性进行判别。排除其它干扰,快速获得气体泄漏区域准确位置并报警。实验结果表明,上述算法能及时检测到VOCs气体泄漏,鲁棒性较高、抗干扰能力强,能够实现VOCs气体泄露区域的准确定位。

基于增强随机蕨的果园苹果检测研究

果园中苹果检测是实现苹果自动化采摘作业的一项重要环节。针对目前果园苹果检测方法设施要求高及尺度变换、光照缺乏泛化能力等问题,提出基于增强随机蕨分类器的果园苹果检测。首先,在梯度域中通过方向梯度直方图对图像进行特征提取,形成图像的特征空间。其次,在特征空间中,进行随机二元测试,形成随机蕨类并共享特征,构建弱分类器。最后,引入Real AdaBoost算法构建强分类器实现检测。实验结果表明,基于随机二值特征提取的增强随机蕨类分类器能够有效地检测果园中的苹果。

融合局部特征与深度置信网络的人脸表情识别

针对传统人脸表情识别(FER)方法所提取的表情特征较为单一,同时对于表情分类器的选择存在局限性的问题,提出一种融合局部特征与深度置信网络(DBN)的FER方法。该方法首先从人脸表情图像中切割出眉毛眼睛部位与嘴巴部位这2种包含丰富表情信息的局部表情图像,对其分别提取包含纹理信息的Log-Gabor特征与包含形状信息的二阶梯度方向直方图特征,并将这2种特征相融合,获得更有效的表情特征,然后利用融合后的特征训练DBN模型,并用训练后的DBN模型进行表情识别。利用本文方法在三种表情库上进行实验,识别率可分别达到96.30%、97.39%以及95.73%,表明本文方法可有效提高人脸表情识别率。

基于SIFT算法的交通标志识别方法研究

为了提高无人驾驶汽车交通标志识别的准确率,提出了一种提取SIFT特征进行匹配识别的算法。首先构建DOG尺度空间并检测其中的极值点;然后进行关键点定位;接着计算关键点周围16×16像素内的梯度方向,生成梯度方向直方图,得到关键点的描述子;最后根据欧式距离与标准样本图像中的关键点进行匹配,完成识别。采用德国GTSRB数据库对SIFT算法进行了测试,测试结果表明,该算法比传统的形状特征、HOG特征识别方法具有更高的准确率,并能无视光照、形变等因素的影响。

基于多方向韦伯梯度直方图的人脸识别

针对目前基于韦伯特征的人脸识别算法没有充分利用方向信息且提取信息不充分的问题,提出一种多方向韦伯梯度直方图的人脸识别方法。在原始差分激励的基础上增加邻域像素梯度,提取改进的差分激励和韦伯梯度特征;将改进的差分激励与韦伯方向进行量化并分块提取二维直方图,进而转化为一维直方图特征,将韦伯梯度分块后沿韦伯方向累积提取直方图特征;连接两个特征形成组合特征,并利用最近邻分类器分类。通过在不同人脸库的实验可看出,所提算法具有良好的识别效果,且对光照、表情和部分遮挡变化有较好的稳健性。