一种用区域直方图表示与描述形状的方法

众所周知 ,形状的表示与描述是模式识别的中心内容 .然而 ,大多数简单类型的二维形状描述算法 ,无论是基于边界特性还是基于区域特性的 ,都有一定的应用范围或者在性能上存在某些不足 .针对这样的情况 ,基于区域边界上当前像素与前后两个相邻像素的坐标关系 ,提出了一种称之为区域直方图的用于区域形状表示与描述的通用方法 .该区域直方图是按照一定的分类与计算规则将区域沿边界序列化而得到的水平间距形式 ,它在像素意义上表示了区域的边界长度与面积 .利用Rosen与Gleason推荐的标准二维形状进行了形状描述能力的定量测试以及同类型算法的对比试验 ,结果表明 ,该方法在区域形状描述方面显得很有效 ,能满足复杂区域形状的表示与描述要求 ,并且表现出较好的鲁棒性 .它为区域形状的表示与描述提供了一种新的有效手段 。

基于区域直方图的图象数据库检索

文章提出了图象区域分割新方法,将图象空间信息与颜色信息有机结合。该方法可以以较少的数据描述一幅图象,有利于图象数据库的管理与检索;解决了尺度变化、旋转和平移不变性问题。

基于区域直方图和特征相关匹配规则的图像复制-粘贴篡改检测算法

针对当前较多图像伪造检测算法主要通过利用图像的灰度特征来进行图像伪造检测,当伪造内容存在较大灰度差异时,将导致检测结果中出现较多的误测以及鲁棒性不佳的不足。提出了基于区域直方图和特征相关匹配规则的图像复制-粘贴篡改检测算法。首先,利用Hessian矩阵行列式对图像特征进行检测,通过积分图像的方法提高Hessian矩阵行列式检测图像特征点的效率。然后,通过求取Haar小波响应值,以判定特征点的主方向。接着,对圆形窗口进行均匀分割,利用像素点的梯度模值来建立分割区域直方图,以获取特征向量,生成特征描述符。最后,利用归一化互相关(NCC)函数对特征点的相关性进行度量,建立特征相关匹配规则对特征点进行匹配。利用凝聚层次聚类方法,对特征点进行层次聚类,实现图像的伪造检测。实验结果分析表明,与当前图像匹配算法相比,图像伪造检测算法不仅能较精确的对伪造内容进行检测,而且还具有较强的鲁棒性能。

二维直方图区域斜分阈值分割及快速递推算法

指出了二维直方图区域直分法中存在明显的错分,提出了一种新的二维直方图区域斜分方法,即通过4条平行斜线将直方图分成内点区、边界点区和噪声点区,并采用与主对角线垂直的斜线进行阈值分割;然后导出了基于二维直方图区域斜分阈值选取的公式及其快速递推算法;最后给出了分割结果和运行时间,并与Otsu快速算法进行比较。结果表明二维直方图区域斜分方法可以运用于几乎所有的基于二维直方图的阈值分割,使分割后的图像内部均匀,边界准确,抗噪更稳健,同时其运行时间大幅减少。

二维直方图区域斜分Otsu阈值分割的快速迭代算法

鉴于现有的基于二维直方图区域直分的阈值选取方法中存在明显的错分,提出了一种新的二维直方图区域斜分方法,导出了基于二维直方图区域斜分的Otsu法的快速迭代算法。在实验结果中给出了分割结果和运行时间,并与基于二维直方图直分的Otsu原始算法及其他两种快速算法进行了比较。结果表明所提出的快速迭代算法,使分割后的图像内部区域均匀,边界形状准确,有稳健的抗噪性,同时运行时间大幅减少。

基于区域统计直方图与自适应规则的图像匹配算法

当前解决图像匹配算法主要是依靠独立像素点的灰度特性来完成图像配准,当匹配图像存在较大的灰度差异时,易出现较多的误匹配点,使得算法的鲁棒性与匹配正确度不高。提出基于区域统计直方图耦合自适应规则的图像匹配算法。首先,利用积分图像的方式求取矩形区域内像素值,再采用Hessian矩阵行列式提取特征点,以提高算法的计算效率;然后,引入极坐标系,对特征点的邻域进行分割,利用像素点对应的微分不变矢量的特性,构建区域统计直方图模型,用以求取分割区域内所有像素点的微分不变量的统计直方图,生成特征描述子。将特征点对应的描述子向量进行欧式度量,借助自适应规则对门限值进行整定,完成特征点的匹配,以提高算法的匹配精度以及鲁棒性;最后,引入PROSAC算法,通过对匹配特征点之间的极限距离平方和进行评估判定错误匹配点,以剔除错误匹配点。仿真实验结果表明,与当前图像匹配算法相比,所提出的算法具有更高的配准精度与鲁棒性。该算法在图像伪造、图像检索等信息应用领域具有重要应用价值。

区域边缘直方图的目标搜索算法

视频目标搜索是智能视频监控领域一大挑战,提出一种基于灰度图像区域边缘直方图的目标搜索算法.首先,在固定场景的视频数据中,对选定目标进行特征提取,即区域边缘直方图(REH)特征向量;接着在同一场景的未知视频数据中进行前景检测并提取前景目标的特征向量;经滤波处理后,与选定目标特征向量进行匹配,通过相似性度量评判是否搜索成功.实验得到了最佳72.4%的匹配成功率,验证了32维的区域边缘特征向量为最佳描述特征.实验结果表明,本算法能有效地实现目标搜索.

HSV空间中基于区域边缘直方图的视频目标再识别算法

视频目标再识别涉及计算机视觉领域的运动目标检测、跟踪、图像处理、特征提取、特征匹配等.现提出一种基于前景检测、彩色区域边缘直方图(REH)的视频目标再识别算法.前景目标检测能有效消除背景像素产生的冗余特征,结合HSV空间中的彩色区域边缘直方图,增强了对目标的特征描述.实验在笔者建立数据集和3Dpes上取得了86.7%和51.5%的识别率,进一步提高了视频目标再识别的准确率.

基于区域边缘统计的图像特征描述新方法

直方图特征是计算机视觉领域最为常用的图像特征之一,然而空间统计信息的缺乏导致传统灰度直方图对图像特征的区分能力较差.对此,文中通过引入直方图子区间对应区域的边缘复杂度概念,提出了一种描述图像特征的区域边缘直方图方法.文章首先定义了区域边缘复杂度的概念,并提出以直方图各子区间的边缘复杂度作为空间权系数对各子区间进行加权,然后通过对加权后的直方图进行化简进而得到区域边缘直方图的简洁描述形式,最后,给出了基于积分直方图实现的快速计算方法.实验结果表明,区域边缘直方图方法对图像特征的区分能力明显优于灰度直方图,克服了空间直方图等改进方法对图像旋转的敏感性,运算效率比空间直方图提高了两个数量级以上.

基于视频区域特征及HMM的体育视频分类研究

提出了一种基于视频区域特征的体育视频分类方法.首先将帧分块,对块亮度均值大小进行比较得到块亮度比较编码信息BICC,以及对视频帧各块的颜色分量进行统计得到块颜色直方图;再利用这些特征通过SVM对体育视频进行分类;最后利用一阶HMM对SVM的输出结果进行后处理,得到视频的最终分类结果.实验结果表明,方法对于体育视频分类的效果较好.

二维直方图θ-划分最小误差图像阈值分割

针对常用二维直方图区域直分法存在错分的问题,并为适应实际中不同图像及分割目的的需要,提出了更具普适性的二维直方图θ-划分最小误差阈值分割方法(θ为分割直线的法线与灰度级轴的夹角).导出了相应的阈值选取公式及其快速递推算法,根据实验结果分析了θ取值对分割结果和算法运行时间的影响.与二维直方图直分最小误差法相比,所提方法的分割结果更为准确,抵抗噪声更为稳健,且所需运行时间也大为减少;而直线形最小误差法只是文中方法中θ=45°的特例.

二维直方图斜分Tsallis–Havrda–Charvát熵图像阈值分割

本文指出了现有二维直方图区域直分法中存在明显的错分,提出了二维直方图区域斜分方法,即通过与主对角线平行的四条斜线将直方图分成内点区、边界点区和噪声点区,并按灰度级与邻域平均灰度级之和的大小进行分割。该方法可以运用于所有的基于二维直方图的阈值分割。文中导出了基于二维直方图区域斜分的Tsallis–Havrda–Charvát熵阈值选取公式及其快速递推算法,给出了分割结果和运行时间。与基于二维直方图直分的Tsallis–Havrda–Charvát熵原始算法相比,本文提出的基于二维直方图斜分的Tsallis–Havrda–Charvát熵阈值分割算法,使分割后的图像内部区域均匀,边界形状准确,更有稳健的抗噪性,其运行时间减少了五个数量级。

基于二维直方图斜分的最小类内方差阈值分割

本文提出一种新的二维直方图区域斜分方法,导出了基于二维直方图区域斜分的最小类内方差阈值分割快速迭代算法,在实验结果和分析中给出了分割结果和运行时间,并与基于二维直方图直分的O tsu原始算法及其他三种改进算法进行了比较。结果表明本文提出的二维直方图区域斜分方法可以运用于几乎所有的基于二维直方图的阈值分割,使分割后的图像内部区域均匀,边界形状准确,更有稳健的抗噪性。基于区域斜分的最小类内方差阈值分割快速迭代算法的运行时间与二维O tsu原始算法和文献[12]中的改进算法相比减少了4个数量级,约为区域直分O tsu快速递推算法的1/4,不到文献[11]中快速算法的4%。

基于区域视差提取的视觉客流统计方法

为了利用立体视觉技术提升视觉客流统计系统的准确率，提出一种基于区域视差提取的单、双目处理技术相结合的行人头顶部检测新方法.该方法采用单目图像处理获取头顶部候选区域，在这些局部候选区域内借助区域视差直方图获得对应的区域视差，并利用视差与头顶部高度的对应关系以及视差与头顶部大小之间的透视比例关系去除虚假头顶部候选区域，从而获得视场内行人头部的精确定位进而获取视场内客流信息的准确估计.由于头顶部候选区域仅占整个视场的1/5-1/4，因此视差计算的运算量得到了极大的降低，使得该方法能够在嵌入式平台上获得实时的应用.实验结果表明将该方法应用于视觉客流统计系统，客流检测的准确率获得了较大幅度的提升.

二维直方图θ-划分最大平均离差阈值分割算法

鉴于常用二维直方图区域直分法存在错分,最近提出的斜分法不具普遍性,而基于L1范数的最小一乘准则比最小二乘准则更为合理且简捷,提出了适用面更广的基于二维直方图θ-划分和最大类间平均离差的图像阈值分割算法.首先给出了二维直方图θ-划分方法,采用4条平行斜线及1条其法线与灰度级轴成θ角的直线划分二维直方图区域,按灰度级和邻域平均灰度级的加权和进行阈值分割,斜分法可视为该方法中θ=45°的特例;然后导出了二维直方图θ-划分最大类间平均离差阈值选取公式及其快速递推算法;最后给出了θ取不同值时的分割结果及运行时间.θ取较小值时,边界形状准确性较高,θ取较大值时,抗噪性较强,应用时可根据实际图像特点及需求合理选取θ的值.与常规二维直方图直分最大类间方差法及最大类间平均离差法相比,所需运行时间相近,但本文提出的方法所得分割结果更为准确,抵抗噪声更为稳健,且存储空间也大为减少.

二维直方图斜分最大散度差阈值分割算法

最大散度差法是经典的Otsu法一种很好改进算法,为了提高它在图像受到噪声干扰或光照不均匀时的分割准确性,现提出一种基于二维直方图斜分的最大散度差法,该算法不仅综合考虑了类间散度及类内散度对图像信息分类的作用,同时还利用图像空间区域信息以提高抗噪声能力,为减少计算量、提高分割速度,文中给出了快速递推算法,实验结果表明该算法比二维斜分Otsu法、二维斜分最大熵法等算法具有更准确的分割效果、更强的抗噪声能力,同时运行时间更少。

二维直方图θ-划分Tsallis熵阈值分割算法

鉴于常用二维直方图区域直分法存在错分,最近提出的斜分法不具普遍性,而Tsallis熵与传统的Shannon熵相比,具有普适性且更为有效,本文提出了适用面更广的基于二维直方图θ-划分和最大Tsallis熵的图像阈值分割算法。首先给出了二维直方图θ-划分方法,采用四条平行斜线及一条法线与灰度级轴成θ角的直线划分二维直方图区域,按灰度级和邻域平均灰度级的加权和进行阈值分割,斜分法可视为该方法中θ=450的特例;然后导出了二维直方图θ-划分最大Tsallis熵阈值选取公式及其快速递推算法;最后给出了θ取不同值时的分割结果及运行时间,θ取较小值时,边界形状准确性较高,θ取较大值时,抗噪性较强,应用时可根据实际图像特点及需求合理选取θ的值。与常规二维直方图直分最大Tsallis熵法相比,本文提出的方法所得分割结果更为准确,抵抗噪声更为稳健,且所需运行时间及存储空间也大为减少。

改进的基于直方图和空间特征的图像检索

在主要面积直方图算法的基础上,分析了图像灰度连通区域的空间分布特征,并结合主要面积直方图进行图像检索,进一步提高了算法的检索性能。同时,结合人眼视觉特性,对图像的灰度进行了量化,在不降低检索性能的基础上降低了计算和时间复杂度。

一种基于区域颜色特征的图像相似性匹配算法

在基于内容的图像检索中,普通的基于颜色特征的相似性匹配算法丢失了图像颜色的空间信息,影响到相似匹配的精确度。为了提高图像检索的效果,提出一种基于区域颜色特征的图像相似性匹配算法。该算法在提取图像颜色统计特征的同时,考虑其空间分布,从而提高了图像检索的查准率,具有较强的实用性。

基于二维直方图斜分的图像预处理方法

提出一种新的基于二维直方图区域斜分的图像预处理方法,该方法通过分析每个像素的局部统计信息,评价每个局部像素点的噪声污染情况,然后根据像素点的属性采用不同的平滑方法来达到去除图像噪声的目的。实验结果表明,该方法在有效地去除噪声的同时又能保持图像边缘等重要特征。摘要: