基于分块主色的图象检索

传统的基于颜色直方图特征的图象检索方法简单且易于实现,但其直方图求交运算量过大,而且丢失了颜色的空间分布信息。本文给出了一种基于分块主色的图象检索方法。该方法将图象分成相等的九个子块,依次统计每个子块的颜色直方图,用户可根据各子块的的不同重要程度而改变各子块的权值,最后给出了这种基于分块主色的检索方法中图象相似度的计算方法。实验表明, 该方法一方面利用主颜色减少了直方图相交运算量;另一方面通过对图象分块保留了颜色的空间信息并能够有效地将目标从背景中区分出来,从而有效地提高了检索速度和检索精度。

非重叠监控视频中基于颜色空间分布模型的行人匹配方法

针对非重叠视域监控系统中行人目标关联问题,提出了一种基于颜色空间分布模型的行人目标匹配方法。使用最邻近聚类方法对目标的像素进行聚类,得到目标的MC特征;建立目标的颜色空间分布模型,并进行特征转换;在建立的分布模型的基础上,计算目标相似度并进行匹配。实验结果表明,该算法能有效地去除目标检测与分割产生的边缘背景像素的影响,在对相同目标保持较高匹配率的情况下,能较好地处理由于目标颜色分布差异而造成的误匹配情况,同时对于摄像机视角的差异以及目标姿态的变化有较好的鲁棒性。

一种基于颜色和纹理特征的图像研究

在K-means算法基础上,结合主颜色直方图检索只考虑图像颜色信息,分块法只描述图像空间信息,本文提出了一种将图像等面积分块法。实验证明提高了查准性和查全率。最后实验演示出基于颜色和纹理特征的三种检索效果图。

基于随机森林方法的小麦叶片病害识别研究

为了提高小麦叶部病害的识别准确率,采用高斯混合模型结合EM算法对小麦叶片进行提取,获得较大目标,使得分割准确率比直接分割病害区域有所提高,同时降低了分割难度。并结合HSV主颜色直方图和通过Tamura纹理特征中的粗糙度、方向度和对比度作为特征进行筛选,采用随机森林方法对小麦健康叶片、白粉病、叶枯病和叶锈病图像进行了识别,整体识别准确率可达95%。通过实验验证,该方法是有效可行的,并优于同等条件下的支持向量机(SVM)方法。

面向监控视频检索的关键运动对象提取

该文提出了一种基于运动对象外观模型的分层聚类算法,用于从对应同一轨迹的运动对象序列中提取关键对象。采用边方向直方图和主颜色直方图描述运动对象的特征,兼顾形状和颜色特征的全局与局部变化。实验表明,使用该方法提取的关键对象数量较少,且能较好地反映运动目标的形态变化。

无重叠视域的多摄像机之间的目标匹配

在无重叠视域的多摄像机监控中,由于不同摄像机的视域差别和视域分离,同一运动目标在不同的视域中的成像可能会非常不同,因此在这种情况下对运动目标进行匹配是一项具有挑战性的工作。提出了一种可以容忍光照的不同,在无重叠视域的多摄像机下进行目标匹配的方法。该方法经过初始聚类和K-means聚类对目标进行主颜色谱的提取,利用EMKM算法改善K-means对初始中心点的依赖性,把提取出来的主颜色谱直方图作为目标的特征,然后利用特征相似度测量来判定任意两个物体之间是否匹配;当无法对某些物体进行准确匹配时,再利用SIFT特征进行下一步匹配。该方法也可以用于有重叠视域的多摄像机目标匹配中,通过与其他匹配方法相结合,提高匹配的准确度。实验结果证实了该方法具有较高的准确度。