基于感知哈希算法的特征融合玻璃瓶缺陷检测

特征提取作为玻璃瓶缺陷检测任务中至关重要的一环,特征集中丰富的特征信息将直接影响缺陷检测的准确率。传统的单一特征提取算法提取的特征信息往往过于单一,使得最终的检测准确率偏低。针对上述问题,提出了方向梯度直方图(Histogram of Oriented Gradients,HOG)特征与尺度不变特征变换(Scale Invariant Feature Transform,SIFT)特征融合的特征提取算法。针对不同缺陷边缘提取轮廓不够准确的问题,提出了基于感知哈希算法(Perceptual Hash Algorithm,PHA)的边缘检测算子选择方法。通过支持向量机(Support Vector Machine,SVM)进行训练和验证。实验结果表明,提出的边缘检测算子选择方法可以针对不同缺陷选择最适合的边缘检测算子,特征融合算法的瓶身缺陷检测平均准确率可达88.7%。较单一的HOG特征提取算法提升了7.99%,较单一的SIFT特征提取算法提升了2.97%。

基于感知哈希算法的Android恶意软件入侵检测仿真

为保护智能终端用户隐私信息安全、避免恶意软件入侵破坏终端功能,提出一种基于感知哈希算法的Android恶意软件入侵检测方法。令Watson感知模型和哈希算法结合,将恶意软件代码可视化变换为灰度图像,经离散余弦变换,得出代码特征对比度掩蔽表达矩阵,使用明科斯基法获得感知哈希序列距离误差。考虑到同家族软件代码相似度高,为避免恶意开发人员通过伪装或者混淆代码方式使检测方法失效,计算代码局部特征的权重值,明确不同特征对哈希序列相似度检测结果的影响,最后与历史数据库内已知的恶意软件代码对比感知哈希序列,输出检测结果。经过仿真证明,所提方法能够精准检测出入侵的恶意软件,且误报率低,检测耗时短,具有极高的应用价值。

基于感知哈希算法的目标跟踪研究

运动物体的跟踪是计算机视觉领域的热门方向,目前已经研究出的多种方法存在效率不高的问题,而且它们不关注前景图像的获取。本研究利用混合高斯模型获取运动轮廓,并利用感知哈希算法进行目标跟踪。感知哈希算法属于图像特征匹配的范畴,本文将探究将其应用于跟踪领域的可行性。

基于图像感知哈希的行人跟踪算法

针对传统目标跟踪算法计算复杂度高,在发生遮挡、形状改变时,运动目标丢失的问题,提出了将图像感知哈希算法应用于目标跟踪问题上,并针对行人这一特定目标进行了改进。按照行人的特征,将其分成若干区域,给不同区域分配不同权重,计算跟踪目标的感知哈希值,计算待测区域的哈希值,选择合适的待测区域作为目标区域。该算法与MeanShift算法相比,能更好地处理目标遮挡,不易产生目标丢失,且具有较低的复杂度。

基于分块离散余弦变换感知哈希算法与ResNet模型的供电安全图像管理

针对人工处理重复供电安全管控图像效率低的问题,在感知哈希算法(perceptual Hash algorithm,PHA)的基础上,给出了基于分块离散余弦变换(block discrete cosine transform,BDCT)的PHA,简称BDCT-PHA。采用BDCT-PHA进行图像去重操作,该算法可对经过JPEG压缩的图像进行处理,具有较高的去重准确率和较低的误判率。然后,改进ResNet网络结构并选择卷积神经网络(convolutional neural network,CNN)进行图像分类操作,先将图像转换为VOC数据集的格式,再对其训练,该方法防止了网络模型加深时出现的梯度消失现象,在减少计算量的同时提高了分类效率。仿真实验表明:提出的方法能够准确识别出重复图片,并标明相似的图像的编号,在对供电安全管控图像分类时,能够使损失函数值收敛在4.785%,分类准确率高达94.46%。

面向公路监控视频关键帧的感知哈希认证算法

针对公路监控视频关键帧的完整性认证问题,提出一种感知哈希认证算法。首先,采用帧间差分法提取公路监控视频的关键帧;然后,使用YOLO(you only look once)算法检测关键帧的主要特征对象(道路车辆),并对检测的特征对象进行融合;最后,分别提取特征对象融合结果和关键帧的低频信息,作为感知特征生成关键帧的感知哈希序列。在关键帧的完整性认证过程中,通过比对两组关键帧的哈希序列,可以对视频可能存在的篡改进行检测。实验结果表明,感知哈希认证算法具有良好的鲁棒性与可区分性,可以有效地对公路监控视频关键帧进行完整性认证。

基于感知哈希算法的受电弓滑板图像检测

现有的机车入库受电弓检测方法,除人工检测外大多需要机械手臂搭载传感器运动到受电弓附近。这类方法在复杂环境下使用时有着一定的局限性。现提出一种直接使用相机拍照的图像检测方法,利用感知哈希算法对检测到的图像进行对比,自动识别出被检测对象的图像,避免了因使用机械臂等设备带来的干扰,所采集到的图像可作为受电弓滑板磨耗检测系统重要的数据来源。

关于对图像哈希算法的研究与应用

传统的基于文本的检索方式无法精确地搜索图片,因此基于图像内容的检索技术应运而生.它利用图像哈希算法提取图像特征,通过量化压缩等方法产生一个标明图像指纹的哈希序列,对比哈希序列即可判定两张图像的相似度.主要从图像哈希算法的定义、原理、特点、应用等方面进行研究,并着重介绍和对比a Hash算法及p Hash算法.

哈希快速图像匹配算法研究

如何快速有效地在大量数据中将图片筛选匹配出来,是图像匹配技术研究的重点课题之一。通过分析感知哈希算法及Surf算法各自的优点,提出用感知哈希算法进行初步图片搜索,利用Surf算法提取相似图片局部特征,从而更精准地确定最相似图片,增加图片匹配的鲁棒性。实验结果表明,在对图片进行处理后,哈希快速图像匹配算法仍能快速地从本地图片库中将最相似图片搜索出来。

基于ViBe算法的鬼影消除与自适应前景检测策略

为了解决传统视频背景提取算法(Visual background extractor,ViBe)前景检测时易受“鬼影”、背景噪声等因素干扰的问题,结合感知哈希算法、帧差法与频域协调显著性检测算法,提出了一种改进的ViBe算法。首先,利用当前帧的显著性图像与帧差图像,实时确定运动目标区域,消除“鬼影”现象。其次,根据样本集信息得到背景复杂度,自适应调节像素分割的半径阈值。最后,通过目标图像中连通域像素数量进行前景二次检测,滤除背景像素与噪声,得到真实目标图像。实验数据显示,检测后的图像在保持有较高准确率的同时F-measure值也维持在较高水平,证明改进算法可以快速消除鬼影现象,提高动态场景下的适应性。

基于改进哈希算法的图像相似度计算

图像的相似度计算是图像检索中的一个关键性问题,在网络搜索引擎和计算机视觉等领域有着广泛的应用。传统的哈希算法采用离散余弦变换、主成分分析等方法处理图像,存在着方块效应和鲁棒性差等问题,为了解决传统算法的不足,文中提出一种基于奇异值分解(SVD)和离散小波变换(DWT)相结合的感知哈希算法进行图像相似度计算。通过奇异值分解对图像进行降噪处理,这样保证降噪后的图像在后期处理时对结果干扰减少,然后通过离散小波变换得到图片中的低频部分用于计算哈希值,保留图像的主体信息,最后通过计算哈希值的汉明距离来测评图片的相似度。实验结果表明,与现有的图像相似度计算方法相比,文中提出的算法性能好,鲁棒性高。

基于深度自学习的图像哈希检索方法

基于监督学习的卷积神经网络被证明在图像识别的任务中具有强大的特征学习能力。然而,利用监督的深度学习方法进行图像检索,需要大量已标注的数据,否则很容易出现过拟合的问题。为了解决这个问题,提出了一种新颖的基于深度自学习的图像哈希检索方法。首先,通过无监督的自编码网络学习到一个具有判别性的特征表达函数,这种方法降低了学习的复杂性,让训练样本不需要依赖于有语义标注的图像,算法被迫在大量未标注的数据上学习更强健的特征。其次,为了加快检索速度,抛弃了传统利用欧氏距离计算相似性的方法,而使用感知哈希算法来进行相似性衡量。这两种技术的结合确保了在获得更好的特征表达的同时,获得了更快的检索速度。实验结果表明,提出的方法优于一些先进的图像检索方法。

基于机器视觉的机场托运行李系统行李异常滞留检测报警方法

机场行李托运系统的托盘分拣机如存在分拣异常,会导致行李延误装机。针对此问题,本文提出了一种利用监控视频对其进行实时图像处理从而达到检测异常滞留行李的方法。首先对视频流进行定时抽帧处理得到正常运行下的模板图像与待处理图像,通过提取图像HOG特征向量进行余弦相似度(Cosine Similarity)计算到初步比对结果,在得到初步比对结果基础之上再次进行感知哈希算法比对(Perceptual Hash Algorithm),利用两种算法的互补性得到最终检测结果。通过为期12 h对24件异常行李的检测试验证明:相较于coco数据集的YOLOv5模型与改进帧差法改方法检出率分别提升了20.8%、37.5%,并且误报率分别降低了8.3%、20.8%。通过试验证明,该方法可以部署在托盘分拣机槽口用于检测异常滞留行李以提升行李托运系统效率。

基于轻量化神经网络的目标识别跟踪算法研究

为解决传统目标识别算法对于多尺度、可变速目标的识别性能较差与全尺寸卷积神经网络对硬件计算空间消耗较大的问题,利用轻量化的YOLO卷积神经网络对视频首帧进行目标识别,结合KCF目标跟踪算法与感知哈希算法对完成识别的目标进行跟踪与矫正。优化后的算法能够对复杂目标进行实时识别,对于目标自身变化具有较强的自适应能力。能够为同一计算平台下的飞行控制、自主避障、目标测距等后续控制指令提供计算空间。

空间可靠性和相关滤波器联合学习的跟踪算法

判别式相关滤波器采用循环移位产生负样本的方式不可避免带来了边界效应。基于背景感知的相关滤波跟踪算法试图利用裁剪矩阵获取更多真实的负样本,既有效缓解了边界效应的影响,又增强了对背景信息的学习。然而,裁剪矩阵的使用缺乏对空间不同位置可靠性的学习,可能会导致背景信息对滤波器的学习占据主导地位。为解决该问题,将空间可靠性的学习引入相关滤波算法中,通过交替方向法与滤波器进行联合迭代求解,加强了滤波器对空间可靠性区域的学习,增强了滤波器的对目标与背景的判别力。此外,为优化模型更新策略,提出了一种基于感知哈希算法的自适应模型更新方法,提升了滤波器学习的有效性。所提出的算法在标准视觉跟踪数据集上进行了全面评估,验证了该算法在性能上的有效性以及实时性。

基于KCF的目标遮挡再检测算法

为了解决传统的核相关滤波跟踪算法在目标遮挡时存在的问题,对核相关滤波目标跟踪算法的框架进行了研究,提出了一种融合感知哈希算法和Farneback光流算法的改进KCF算法,引入了一种目标遮挡后重新搜索定位目标的策略;利用感知哈希算法计算目标与追踪到的目标间相似度,判定目标是否发生遮挡。当目标发生遮挡时,以一定的取样间隔到历史模板中取出一帧视频图像,作为新的样本输入到KCF算法检测下一帧中目标位置,对目标进行跟踪。TB测试数据集上的检测结果表明,目标在发生遮挡的情况下,能够重新找到目标并进行准确的跟踪。

一种图文组合相似度算法的设计与优化

包含文字和图片的文档作为信息的一种载体,能够极大地丰富信息的表现形式。针对传统计算图文相似度的算法效率不高的问题,提出一种图文组合相似度算法。将Jaccard相似系数引入余弦相似度,通过加权计算两文本的相似度,然后用感知哈希算法计算文档中图片相似度并找出最大值,再计算单个文档中所有图片相似度均值,与文本相似度加权求得文档的图文相似度。最后通过一个文档相似度查重系统验证了该算法能准确高效地完成文档之间相似度的量化,且优化后的相似度算法能够极大提高该系统的运行效率。

基于YOLOv5s和改进质心跟踪的人员跌倒检测

针对目标检测器检测跌倒时过于依赖卷积网络分类效果、无法利用运动信息的问题,本文设计了一种基于YOLOv5s和改进质心跟踪的跌倒检测模型。为解决耗费资源问题,用MobileNetV3网络和Slim Neck模块对YOLOv5s进行轻量化,同时将MobileNetV3网络中的SE模块替换为更高效的ECA模块,降低网络复杂度的同时保持较高的精度。引入哈希感知算法改进质心跟踪,增加目标关联的依据,提高跌倒检测的准确性。实验结果显示改进YOLOv5s模型大小下降52.2%,计算量下降51.8%,精度高达90.3%。改进质心跟踪的跌倒检测模型准确率提高了4.3%。结果表明了本文提出模型的有效性和优越性。

一种基于图像的配电网单相接地故障选线方法

文中针对中性点经消弧线圈接地引起故障电流微弱,故障特征不明显,导致谐振接地系统发生单相接地故障时选线速度慢、选线困难等问题,提出了一种基于图像的配电网单相接地故障选线方法。该方法获取各馈线故障零序电流,通过连续小波变换(CWT)得到CWT系数矩阵,将系数矩阵生成RGB图像;然后,通过感知哈希算法计算正常馈线与故障馈线生成RGB图像之间的汉明距离,以汉明距离判断各RGB图像之间的差异,进而确定故障馈线;最后,对比了基于皮尔逊相关系数选线方法和基于EMD分解零序电流高频分量选线方法,结果表明所提方法应用于谐振接地系统中选线速度快,且不受故障电阻、故障位置、故障初始相角等因素的影响。

结合影像一致性检测的无人机真正射影像处理

为更好地解决无人机影像真正射微分纠正过程中存在的影像"拖影"现象,提出了一种基于影像一致性检测的无人机真正射处理技术。该技术在对微分纠正区域格网划分基础上,结合哈希感知算法进行原始微分纠正影像块一致性检测,快速定位建筑物影像遮蔽区块格网,根据地底点辐射距精准探测出建筑物遮蔽区域,通过地底点距离最优选择最优影像进行遮蔽区域补偿。试验证明,文中算法针对无人机小像幅、大视场角影像具有很强的适应性。