基于Gabor多方向特征融合与分块直方图的人脸表情识别方法

针对传统的Gabor特征表征全局特征能力弱以及特征数据存在冗余性的缺点,提出一种新颖的采用Gabor多方向特征融合与分块直方图统计相结合的方法来提取表情特征.为了提取局部方向信息并降低特征维数,首先采用Gabor滤波器提取人脸表情图像的多尺度和多方向特征,然后按照两个融合规则将相同尺度不同方向的特征融合到一起.为了能够有效地表征图像全局特征,将融合图像进一步划分为若干矩形不重叠且大小相等的子块,分别计算每个子块区域内融合特征的直方图分布,将其联合起来实现图像表征.实验结果表明,这种方法无论在计算量上还是识别性能上都比传统的Gabor滤波器组更具有优势.该方法的创新处在于提出了两个Gabor多方向特征融合规则,应用在JAFFE表情库上最高平均识别率达到98.24%,表明其适用于人脸表情图像的分析.

基于分块直方图和共生矩阵的图像检索方法

提出了一种基于分块直方图和共生矩阵相结合的图像检索方法。传统的基于颜色直方图特征的图像检索方法简单且易于实现,但是失去了颜色的空间分布信息。分块直方图法根据图像目标和背景的不同,将图像分成意义不同的8个子块,充分利用了图像分块的特点,改善了颜色特征缺乏空间信息的缺点。共生矩阵法根据不同图像间共生矩阵的差别来实现图像检索。最后,综合利用上述两个特征对图像进行共同检索。实验表明:综合2种特征检索图像比单一特征检索效果更好。

基于分块直方图帧差变化率的镜头分割算法研究

在介绍了目前主流的镜头分割算法后,文章提出一种基于分块直方图帧差变化率的镜头分割算法。该算法主要分为两部分:突变检测和渐变检测。首先利用图像的HSV分块直方图特征计算相邻帧帧差,将其与自适应的突变阈值比较从而确定突变镜头的位置。然后利用突变分割得到的视频段进行镜头渐变的检测。对每一个视频段利用相邻帧帧差变化率的规律来判定渐变位置。实验结果表明,该方法具有较高的准确率,并且易于实现。

基于交叉分块直方图的图像检索方法

在基于内容的图像检索技术中,颜色是常用的图像特征。提出了一种基于交叉分块直方图的图像检索方法。首先,对图像进行交叉分块得到若干子图像;然后提取子图像的颜色直方图特征,构造特征向量;最后根据空间距离度量图像间的相似程度,确定检索输出结果。用交叉方式分块得到的子图像间相互交叉重叠,能够在获取图像颜色特征空间分布信息的同时保持图像目标的完整性,并有效抑制图像背景区域对检索结果的干扰。仿真实验结果表明,基于交叉分块直方图的图像检索方法具有优于基于均匀分块直方图的图像检索方法的性能,适用于对多种类型图像的检索。

一种新的基于分块直方图的Mean-Shift跟踪算法

在经典的Mean-Shift算法中使用颜色直方图来描述目标,而这种颜色直方图中却存在大量空的颜色直方图区间,且没有融入图像的空间信息,在遇到与跟踪目标颜色分布相近的背景或目标时会造成跟踪丢失。针对颜色直方图的不足提出一种分块颜色直方图构建方法以融入空间信息,对得到的分块直方图进行简化,去除空闲的直方图区间。实验中对颜色分布相似的物体发生遮挡进行跟踪试验,并与经典Mean-Shift算法跟踪结果进行对比。实验结果表明,这种新算法能更稳定、准确地跟踪目标。

基于视觉权值的分块颜色直方图图像检索算法

为了进一步提高基于颜色直方图的图像检索系统工作效率,本文以人眼视觉感知特性为基础,结合局部图像相关性,提出了一种基于视觉权值的分块颜色直方图图像检索新方法.该方法首先对图像进行分块处理,并计算出图像子块的颜色直方图;然后结合反映局部区域变化的像素点颜色复杂度,计算出图像子块的视觉权值;最后利用视觉权值对子块颜色直方图进行加权处理,并根据加权颜色直方图进行图像检索.仿真实验结果表明,本文算法能够准确和高效地查找出用户所需内容的彩色图像,并且具有较好的查准率和查全率.

基于分块颜色直方图的MeanShift跟踪算法

针对基于MeanShift的跟踪算法对目标尺度变化适应能力差并且不能对目标的旋转进行跟踪的缺点,提出了一种基于分块颜色直方图的MeanShift跟踪算法。新算法引入目标旋转和缩放矩阵使得算法能够适应目标的旋转和尺度变化,分块的颜色直方图包含了目标的空间信息,提高了跟踪算法的鲁棒性和适应能力。实验结果表明新算法能够同时对目标的尺度和旋转变化进行稳定的跟踪,改善了原算法的适应能力。

基于分块颜色直方图和GWLBP的图像检索算法

为了提高多特征融合图像检索的效果,本文提出了一种基于分块颜色直方图和GWLBP的图像检索算法。算法采用K-means均值聚类对RGB颜色空间进行颜色聚类,再将4×4均匀分块图像分成9个子块,提取每个子块的颜色体积直方图,并赋予不同权值计算颜色特征;利用Gabor滤波器组对输入图像进行不同分辨率和方向滤波,然后将不同方向上局部滤波器输出结果与全局滤波器输出结果的平均值进行比较,并进行二值化,据此提出3种不同的GWLBP算子来提取纹理特征。最后对图像的颜色和纹理特征高斯归一化,采用加权平均来融合颜色和纹理的特征距离。通过实验仿真可知,与其他3种算法相比,本算法对正常和有旋转倾向的图像都有较高的查全率和查准率。

基于分块颜色直方图索引的快速图像检索方法

基于内容的图像检索是大数据处理的重要内容之一,本文从人眼视觉感知特性出发,参考局部图像相关性,提出了一种基于分块颜色直方图索引的快速图像检索方法。实验结果表明,本文方法具有较好的检索效果,缩短了检索时间,实现了快速检索。

一种基于分块HSI直方图的镜头检测算法

为了解决目前基于阈值的镜头检测算法存在鲁棒性差的问题,该文提出了一种基于分块颜色直方图的镜头检测算法,计算连续多帧分块HSI直方图差的均值作为帧间差异度,采用自适应的阈值选择策略,最后,在检测流程中加入了对渐变过渡帧数的限制,实现了镜头检测。实验证明,该算法具有很好的检测精度。

基于分块颜色直方图和粒子滤波的物体跟踪

在使用粒子滤波的跟踪方法中,颜色直方图经常被用来作为目标特征。但是普通的颜色直方图易受与跟踪物颜色相似的背景和其他物体的干扰,并且在跟踪目标被部分遮挡后性能也将下降。为解决这些问题,受hog特征启发,提出一种分块重叠的颜色直方图,并且根据分块直方图特点,重新设计了粒子滤波系统的权重计算方法和模型更新方法。实验证明该系统优于传统的颜色直方图特征。

服装检索中分块加权颜色直方图方法的改进

分块加权颜色直方图算法应用于服装检索时效果并不理想。针对存在的问题,对传统算法进行改进。首先采用3×3不均匀分块方式,通过大量实验获取了最佳分块大小和加权权重比。其次,结合Grabcut图像分割算法,提出了一种基于Grabcut图像分割的前景色分块加权颜色直方图算法。对纯色、带少量图案和花色这三类服装,分简单和复杂背景两种情况,分别进行实验。实验结果表明,相比两种传统算法,改进算法很好的解决了服装背景色干扰的问题。对于三类服装的检索,改进算法的查准率和查全率均比另两种传统算法有了显著提高。尤其是对于复杂背景的情况,改进算法的优势更加明显。

基于分块图像直方图的标定板方位分析方法

在手眼标定过程中,获取的机械臂和标定板图像数据对手眼标定的结果影响非常大。若获取的数据不理想,标定结果可能存在较大的误差。针对在线手眼标定过程中,需要自动控制机械臂采集有效图像的问题,提出了一种基于分块图像直方图的标定板方位分析方法。采用该方法对图像进行分块处理,为获得图像方位信息提供依据;提取分块图像的直方图,并根据二级高斯拟合方法得到峰值、峰值位置以及半宽信息;通过对比阈值与峰值位置并求解峰面积,得到标定板的方位信息,为机械臂下一步的运动提供指导。实验结果表明:采用该方法可以准确判断标定板的方位,提高标定板图像采集的效率和准确度。

基于分块颜色直方图的MS跟踪算法

针对复杂场景下的目标遮挡问题,提出了一种基于分块颜色直方图的均值漂移(MS)跟踪算法。为了得到较强的局部特征表达能力,改进算法采用分块颜色直方图,将目标的整体区域颜色特征划分成几个局部区域的颜色特征,有效提高了算法的抗遮挡能力。为了准确地跟踪目标,提出了一种分块颜色直方图的置信图生成方式,使MS算法在置信图迭代中寻找最终目标区域。实验证明,该算法在目标发生遮挡时,仍能持续准确地实现目标跟踪,相比于传统MS跟踪算法性能更优。

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Gabor特征融合与LBP直方图的人脸表情特征提取方法

针对Gabor特征全局表征能力弱以及特征数据维数存在冗余的问题,提出了一种采用Gabor多方向特征融合与分块直方图相结合的方法以有效提取表情特征.通过对不同表情的重要特征部位进行细化,采用Gabor滤波器有针对性地提取相关区域的多尺度和多方向特征,并对同尺度的特征进行融合,利用各区域内融合特征的直方图分布来表征图像.该方法可以提高特征提取的准确性,有效突出重要特征的辨识作用,大幅度降低特征的维数,在JAFFE表情库可以达到100%的识别率.

基于分块ST与主成分分析的三维掌纹识别

针对现有三维掌纹身份认证技术样本容量小和识别速度慢的问题,提出一种基于曲面类型(surface type,ST)和主成分分析的三维掌纹识别新方法.该方法利用分块ST图像的直方图获得更加精细的掌纹特征信息;通过预先降维和主成分分析法相结合,大幅减少后续运算量以及三维信息量;最后依据特征主成分分析的最近邻距离对比,完成身份认证.实验结果表明,该方法能在35,ms内完成三维掌纹的4,000次匹配,从而实现大样本条件下特定样本的快速甄别.与已有的三维掌纹识别方法相比,本文提出的方法不仅能够克服传统方法的小样本局限性,而且可降低运算量和数据冗余;在实现大样本身份识别的同时,兼具更高的识别精度、速度和鲁棒性.

面向边缘端设备的轻量化视频异常事件检测方法

现有基于CNN模型的视频异常事件检测方法在精度不断提升的同时,面临架构复杂、参数庞大、训练冗长等问题,致使硬件算力需求高,难以适配无人机等计算资源有限的边缘端设备。为此,提出一种面向边缘端设备的轻量化异常事件检测方法,旨在平衡检测性能与推理延迟。首先,由原始视频序列提取梯度立方体与光流立方体作为事件表观与运动特征表示;其次,设计改进的小规模PCANet获取梯度立方体对应的高层次分块直方图特征;再次,根据每个局部分块的直方图特征分布情况计算表观异常得分,同时基于内部像素光流幅值累加计算运动异常得分;最后,依据表观与运动异常得分的加权融合值判别异常分块,实现表观与运动异常事件联合检测与定位。在公开数据集UCSD的Ped1与Ped2子集上进行实验验证,该方法的帧层面AUC分别达到86.7%与94.9%,领先大多数对比方法,且参数量明显降低。实验结果表明,该方法在低算力需求下,可以实现较高的异常检测稳定性和准确率,能够有效兼顾检测精度与计算资源,因此适用于低功耗边缘端设备。

综合分块颜色和基元共生矩阵的图像检索方法

提出了一种基于分块颜色直方图和纹理特征相结合的彩色图像检索方法。首先,该方法根据图像的背景和目标将其划分为两个区域,并对各个区域分别进行量化,提取颜色特征,计算图像之间的颜色距离;然后,用灰度共生矩阵提取图像的纹理特征并根据欧式距离来度量图像间的相似性。最后,综合利用颜色和纹理特征的加权来检索图像。经过对多种类别图像进行实验,检索结果都表明,与传统的检索方法相比,此方法能够很好的满足用户的需求,具有较高的查准率和查全率。

基于光照归一化分块自适应LTP特征的人脸识别

针对复杂光照人脸识别的问题,文中提出一种基于光照归一化分块自适应阈值局部三值模式(Adaptive Threshold Local Ternary Pattern,ATLTP)的人脸识别算法。该方法首先对人脸图像进行光照归一化预处理,消除大部分光照影响;然后对处理后的人脸图像进行ATLTP特征提取。为了更有效地表征人脸特征,进一步将ATLTP特征矩阵划分为大小相等的子块,并对各个子块进行ATLTP特征直方图统计,最后将所有子块的直方图连接起来,构成整幅人脸图像的鉴别特征。根据最近邻准则进行分类识别,在Extended Yale B人脸库和CMU PIE人脸库上的实验结果表明,所提算法可以有效提高复杂光照人脸识别的性能。