基于边缘检测的七阶矩方法

针对人耳特点在Canny边缘检测基础上采用不变矩算法提取特征向量。Canny算法能不漏检真实边缘,也不会把非边缘点作为边缘点检出,它检测出的边缘点都尽可能在实际边缘的中心,而且Canny算法对虚假边缘响应有抑制作用。采用不变矩算法进行特征提取,该算法具有不受平移、旋转和比例变化限制的特点。

基于视频七阶距特征的内容检索方法

为了能准确地在视频媒体中寻找到所需要的信息片段,提出了一种基于视频图像七阶矩特征的内容检索方法。通过计算图像的七阶矩特征,并以此替代视频每帧图像的信息,对视频中每帧图像及其前一帧的七阶矩特征向量进行比对,计算两者距离,当两者欧氏距离超过某一给定阈值时记录下该帧在视频中的位置,且定义该帧为视频的一个关键帧,并以此为据建立视频文件的带时间标记的关键帧七阶矩向量序列。继而通过对视频流和目标视频的七阶矩序列位置的比对和对应七阶矩距离的计算,确定在视频流中是否包含目标视频,以此实现在视频流中对于目标视频的检索。使用实际视频为例对方法进行验证,效果良好,结果准确,方法还具有较快处理速度和较少的内存消耗,可用于实时处理领域。

图像情感语义分类及检索研究

提高情感语义映射和检索的准确率是图像检索的研究主题。在情感语义映射模型中,将图像的形状七阶矩和颜色矩作为模糊神经网络的输入,对网络的权值和阈值进行二进制编码,作为遗传算法的染色体串,通过遗传算法寻优得到情感语义映射效率最高的个体编码。在检索模型中,用遗传算法对图像匹配算法进行优化,直接找到最适合匹配的子模板坐标。相比传统的序贯相似检测算法,模型大大提高了图像匹配的效率。通过查全率与查准率的对比结果可知,经遗传算法优化后,图像情感映射和检索的性能均得到了明显提升。

智能视频监控系统中物体遗留检测方法的研究

本文针对智能视频监控中的物体遗留事件检测进行了研究,给出了一套完整的检测方案。多高斯模型用于运动目标检测,其自适应性很好地解决了背景帧不断变化所带来的影响;MeanShift算法用于运动目标的跟踪,使得监控对象不再限于固定区域;目标的七阶不变矩可以很好地描述目标特征,利用这一特征通过支持向量机对目标进行识别。实验结果证明了本文方法的有效性。

用同心离散圆簇实现目标形状特征提取

为了满足跟踪过程中目标形状匹配的实时性要求,提出了用同心离散圆簇(cluster of concentric dis-crete circles,CCDC)进行区域形状特征提取的方法,主要思想是将目标的质心定位在CCDC的圆心上,将目标图形映射到CCDC上,计算每个离散圆的形状特征值,组成一个特征向量来描述目标形状。该方法的优势在于计算量非常小而且受目标形状尺寸影响小,并具有平移、尺度和旋转不变性。计算速度分别是七阶不变矩和Zernike矩的10多倍和300多倍,能很好满足目标跟踪的实时性要求。