基于区域与光照不变性的运动阴影检测算法

在户外的视频监控系统中,运动目标的阴影降低了系统对目标识别与跟踪的能力。传统的基于像素的阴影检测算法易受噪声的影响。为了提高阴影检测算法的准确性,提出了一种基于区域与光照不变性的运动阴影检测算法。该算法从阴影的物理特性出发,考虑了区域内像素的总体特征。将运动区域采用EM聚类算法进行分块,对其中的小块向邻近的大块进行合并。对其中的每一块,根据阴影区域和相对应的背景区域之间的光照不变性进行阴影检测。实验结果表明,该算法能够很好地抑制噪声,准确地检测出阴影,明显比基于像素的算法有效。

基于光照不变性模型的运动目标检测新算法

运动目标检测有两大难点,即光照变化的影响以及阴影对运动目标准确提取的影响。为了克服光照及阴影的影响,提出了基于一维不变性图像的背景模型,更新了最小熵投影角度,设计了运动目标检测的新算法。以交通运输领域为例,将该算法和多层前景算法、边缘检测算法进行对比,通过实验验证了该方法在检测运动目标时能够克服光照变化影响,并有效抑制阴影。

基于光照不变性模型的阴影去除方法

提出了一种新的基于光照不变性模型的阴影消除方法。首先对二维光照不变性图像恢复阴影,再利用基于互信息的图像融合去除运动目标的投影,最后通过图像镜像消除边界条件的制约,改善阴影去除效果。实验结果表明,该方法能够有效地消除运动目标的阴影。

基于光照不变性颜色特征的多层前景检测算法

为了更好地适应复杂背景,提出了一种基于光照不变颜色特征的多层前景检测方法。首先,提出了一种具有光照不变性的颜色模型用以解决因光照引起的颜色变化问题(如阴影抑制);其次,使用多层背景构造方法建立了动态背景模型;最后,利用有效的权重更新方法解决了背景静止物体运动产生的虚假目标问题。实验结果表明,该前景检测方法能够适应光照变化、背景运动等复杂环境,并能够有效处理虚假目标问题。

基于光照不变性颜色特征的行人再识别方法

针对光照变化对行人的颜色外观有很大影响导致行人再识别率低的问题,提出了一种基于光照不变性颜色特征的行人再识别方法。使用颜色属性转换(Color Characteristic Transfer,CCT)把不同光照条件下的行人图像统一转换到相近亮度,把转换后的图像从像素值变化大的RGB空间转换到可以使像素值变化相对较小的颜色空间中去,提取出颜色直方图作为光照不变性特征。采用跨视图二次鉴别分析(Cross-view Quadratic Discriminant Analysis,XQDA)算法进行行人图像特征向量间的相似性度量。通过在公共数据集VIPeR和CUHK01上的实验,表明了文中所提出的特征对光照变化有一定的鲁棒性,且算法与相关的行人再识别方法相比,识别精度得到了进一步提升,具有更高的实际应用价值。

基于FABEMD的变化光照下人脸识别方法

在光照变化的环境下,人脸识别因受到光照强度和方向的非线性干扰而变得困难重重。在人脸局部区域,光照的变化比较缓慢,而皮肤对光照的反射率特征变化比较快,可以认为光照变化是低频信号,而人脸本质特征是高频信号。FABEMD是一种快速自适应的BEMD(Bidimensional Empirical Mode Decomposition,二维经验模式分解)方法,它能够将图像分解为不同尺度的高频图像和低频图像,高频图像代表了人脸皮肤细节纹理特征,而低频图像则代表了轮廓特征。但是并不能定量判别什么样的高频信号以及多少高频信号能够用来消除光照影响,所以提出了两种衡量高频细节信息量的方法,将这些信息量的相对值来推算融合不同尺度的高频信号权重系数。基于Yale B人脸数据库的实验数据证明了所提方法能够取得很好的识别效果。

具有光照强度不变性的显微细胞图像处理算法

显微图像受光源光照强度的影响很大,研究了不受光照强度影响的显微细胞图像的增强技术。对显微灰度图像,用Top Hat算法对细胞进行了突出;对于显微彩色图像,先由图像的RGB空间变换到IHS(Intensity,HueandSaturation)空间,然后,通过对分量提取细胞的颜色信息。实验表明,以上两种方法消除了光照强度变化对图像的影响。

基于颜色的皮肤检测综述

在系统回顾和比较了基于颜色的皮肤检测的方法和技术(其中包括:颜色空间选择、肤色建模方法、动态跟踪模型以及光照不变性与自适应模型)的基础上;基于一个包含1 894张图片的大样本库,着重比较了肤色在14个3维颜色空间和14个2维色度平面中的分布紧致性、肤色与非肤色类之间的可分辨性,以及肤色概率图(SPM)、高斯混合模型(GMM)、自组织映射图(SOM)和支持向量机(SVM)在这些颜色空间中的皮肤分类性能。比较结果表明:(1)颜色空间的变换并不能改善肤色紧致性、肤色-非肤色可分辨性以及分类等性能,但RGB及线性变换空间却具有较好的类可分辨性和分类性能;(2)去除亮度信息将明显降低肤色和非肤色之间的可分辨性和分类性能;(3)Bayes决策下的3维SPM的分类性能是最优和空间无关的,而其余分类器则普遍存在类似的“空间偏好性”;(4)同时采用肤色和非肤色模型的分类器的分类性能优于仅使用肤色模型的分类性能。

一种基于加权色彩直方图的快速图像检索方法

传统的基于颜色直方图的彩色图像检索方法的缺陷非常明显·首先是数据存储和运算量大,更重要的是在光照条件改变的情况下,图像检索效果不理想·为克服此缺陷,提出了一种基于加权色彩直方图的快速图像检索方法,它利用光照不变性模型,消除光照变化对图像的影响,并对归一化后的二维色彩直方图图像在加权后进行子波变换和DCT压缩,其中根据色彩直方图图像的像素点对应色彩值在原始图像中所占的比例,对该像素点的灰度值进行加权·实验结果表明,此方法不仅检索效果比传统方法有所提高,同时图像检索的平均耗时也大大降低·

掌纹识别中的尺度不变特征转换改进算法

针对在低分辨率掌纹图像中,传统尺度不变特征转换算法易产生误匹配的问题,提出一种用于掌纹识别的改进尺度不变特征转换算法。根据局部匹配的思想,结合欧氏距离及加权子区域匹配方法对图像进行匹配,计算得出的相似度能反映图像的局部与全局特征。仿真实验结果证明,改进的尺度不变特征转换算法比原算法具有更高的识别率。

基于彩色局部角度二值模式的纹理分类研究

为解决光照变化下彩色纹理图像分类准确率不高的问题,本文采用彩色局部角度二值模式(CLABP)的方法来提取和表示纹理特征。该方法一方面能解决局部二值模式(LBP)不能对自然纹理图像空间结构信息描述的缺陷,另一方面可解决局部彩色纹理特征在光照变化下分类准确率不高的问题。为验证算法的有效性,对Outex纹理数据库进行CLABP特征提取,并结合最近邻匹配得到纹理图像的分类。实验结果表明,该方法的分类精确度达到90%。

基于LMCP方法的纹理特征分类

经典局部二值模式(LBP)方法没有考虑像素之间的对比度,从而限制其描述纹理特征的能力。为此,提出一种局部多层对比模式(LMCP)方法,将其应用于纹理特征分类中。通过预处理把光照变化控制在一定范围内,将局部区域临近像素间的对比度分为若干个层次,使每个对比度值映射到某个层次中,按照LBP的类似方法构建每个层次的统计直方图,采用统计映射的方式降低特征维度。基于Outex_TC_00012纹理数据库的实验结果表明,该LMCP方法具有较好的分类效果。

基于图像力场理论的ORB特征优化方法

针对现有的移动机器人视觉图像ORB特征受图像尺度、光照和旋转影响比较大的问题,提出了一种基于图像力场理论转换的优化ORB算法.通过计算图像熵值确定图像金字塔尺度,构建稳定的ORB特征,以此解决ORB特征点的尺度不变性.采用ORB特征点的引力方向作为特征点描述子的主方向,优化ORB算法的旋转不变性.利用PROSAC算法剔除冗余ORB特征点.结果表明,本文方法在一定程度上提高了ORB特征点描述子的准确度和匹配正确率.

机器人抓取中的图像特征点提取算法及DSP实现

在视觉引导的机器人抓取技术中,需要快速提取不同视角图像的特征点集,实现基于特征的姿态估计。传统的特征点提取算法十分耗时,并难以在基于DSP的嵌入式图像处理平台上实现。针对工业应用场景,提出了一种基于简化SURF和不变矩的特征点提取算法,引入了一个4维的局部不变矩作为特征描述子。算法针对DSP平台进行了优化,测试达到了7帧/s的运行速度,并满足一定程度的光照和仿射不变性。

一种新的多特性联合阴影检测方法

针对运动阴影检测时单一阴影特征难以完全将前景和阴影正确分离,提出一种多特征联合运动阴影检测方法。考虑运动阴影的光照、色度、纹理和区域统计特性,提出采用小邻域光照的对数比值不变性来判定阴影,接着联合阴影HSV颜色空间特性和梯度方向小块合并的阴影区域统计特性来实现多特征联合运动阴影检测。为了客观评价方法性能,采用一种改进的量化方法,对不同光照和环境条件下的视频序列进行测试。实验结果表明,该方法效果好,前景检测率和阴影检测率高,可应用于智能视频监控的目标检测。

基于疲劳驾驶的人眼定位方法研究

人眼定位是疲劳驾驶的研究关键。由粗到精,先后进行了人脸检测、瞳孔定位。针对现有方向梯度直方图人脸检测算法泛化能力不佳的问题,提出了一种基于信息熵加权的HOG特征提取算法,该算法将待分类的人脸特征进行信息熵阈值加权,形成新的HOG特征,然后通过支持向量机进行分类;针对现有瞳孔定位算法准确率不高的问题,提出了多算法协同工作的瞳孔定位方法,以自商图为基准寻找二值分割点,实现了眼部区域光照不变性,以灰度积分投影为依据实现了瞳孔精确定位。实验结果表明,该文提出的人脸检测算法在CelebA验证数据集准确率可达到98.26%,较传统识别方法有更高的准确率;而瞳孔定位算法也可达到令人满意的精确度,提高了瞳孔定位的准确性。

基于多信息融合的可驾驶道路检测算法

为增强高级辅助驾驶系统中对城市复杂路况的可驾驶道路检测性能,提出一种稳健的可驾驶道路检测算法。对彩色图像,通过特征空间变换去除光照强度变化、阴影等因素的影响,提取图像的光照不变特征,在线建立道路模型并分类得到道路区域二值图,对道路区域二值图进行滤波处理得到道路的相似度分布;将相似度分布和经验性道路空间先验分布相结合进行贝叶斯概率分析,获得可驾驶道路的感兴趣区域;利用感兴趣区域内的深度信息,通过RANSAC算法排除非道路点,获得可驾驶道路区域。在KITTI数据集上的实验测试结果表明了该算法的有效性和鲁棒性。

局部特征描述子中的数学原理

近十年来,传统的图像检测与匹配算法进入瓶颈期,以深度学习为首的图像特征检测与匹配正展露尖角,将传统算法和深度学习相互融合已是大势所趋。文章简要叙述了几种经典检测算法中特征描述子的生成流程,从数学角度严谨地阐述了局部描述子对图像存在噪声、光照和旋转变化等干扰因素具有良好鲁棒性的原理,并分析讨论了其性能及优缺点。

基于局部边缘灰度统计特性的深色疵点提取

本文面向棉花轧工质量等级的评价问题,提出一种基于图像处理技术的棉花深色疵点区域提取算法。结合相同棉花样本在不同光照条件下获取图像的深色疵点检测结果表明,该算法可以在不同光照条件下较为稳定地检测出深色疵点区域。