HSV空间特征和纹理特征的阴影检测算法研究

为了提高检测和跟踪算法的准确性,提出了一种基于阴影在HSV空间下的特点和纹理特征的阴影检测与去除算法。该算法针对阴影区域覆盖的地面和未被阴影区域覆盖的地面纹理特征基本不变的特点,先检查序列图像中的运动区域,然后在运动区域内,根据阴影在HSV空间下的特点和纹理特征对阴影进行检测与去除,为运动目标的后续处理排除阴影干扰。实验结果表明,该算法能够很好地抑制噪声,有效检测、去除图片中运动目标的阴影。

应用于行人检测的HLBP与CHLBP纹理特征

根据CSLBP(center-symmetric local binary pattern)和Uniform LBP(local binary pattern)特征描述行人局部纹理互补性的特点,提出将二者级联的组合特征用于行人检测:基于灰度图像的纹理特征(hybrid local binary pattern,HLBP)和基于颜色空间的纹理特征(color based hybrid local binary pattern,CHLBP)。实验结果表明,当FPPW=10–4时,HLBP特征的检测率为93.96%,与Uniform LBP和CSLBP特征相比分别提高3.46%和9.68%,基于颜色空间L′C′C′与HIKSVM分类器结合时的检测率高达98.58%。与传统的纹理特征检测方法相比,该特征提高了行人检测精度,降低了误检率,检测性能得到较大幅度的提升。

综合颜色及空间特征的图象检索方法

针对目前的CBIR,没能有效地结合图象中对象空间信息的问题,提出了一种新的图象分割方法,该方法以线性加权方式融合颜色、纹理特征采用区域增长法对图象进行分割,避免了传统的由于单独采用颜色或纹理特征分割图象而产生的欠分割或过分割问题。根据分割区域的灰度、形状、位置等特征计算图象间的相似度,提出采用图象的灰度特征代替彩色信息以提高查询速度。

基于颜色、空间和纹理信息的目标跟踪

为更好地应对跟踪过程中复杂的场景变化问题,提出一种采用多种特征融合进行跟踪的方法。算法在粒子滤波的框架下,通过在跟踪过程中对每一个特征进行不确定性度量,计算动态的特征权值,从而完成了自适应的特征融合。利用颜色、空间和纹理特征的互补特性,提升了算法的跟踪性能。实验结果表明,算法能够很好地适应目标尺度、旋转、运动模糊等复杂场景的变化。与近年来流行的算法相比,所提出的算法具有明显优势,能够很好地完成跟踪任务。

基于多特征融合的HSV空间彩色纹理图像检索

针对目前彩色纹理图像检索系统结构复杂且时间成本较高的问题,提出一种融合图像颜色与纹理特征的彩色纹理图像检索方法。首先,在HSV空间中分别量化H、S、V三个通道的数据并提取组合直方图的颜色特征。然后,提取V通道数据子带系数的幅值与相位两种分布参数特征作为全局纹理特征;同时,使用局部邻域差分模式(Local Neighborhood Dif⁃ference Pattern)算子提取V通道数据的局部纹理特征,并将所得到的颜色特征、全局纹理特征和局部纹理特征进行有机融合。最后,通过合适的相似性测度完成彩色纹理图像的检索。在VisTex和STex两个流行的彩色纹理图像数据库上进行的检索实验表明,由论文方法所得到的平均检索率较目前典型方法的最优结果分别高出0.96%和0.78%,且检索时间成本更低。因此,论文所提出的彩色纹理图像检索方法是有效的和可行的。

Lab颜色空间和形态学处理相结合的双行车牌定位方法

车牌定位是车牌识别系统的前提和关键。针对双行车牌均是黄色车牌,且比较脏的特点,首先将图像由RGB颜色空间转换成Lab颜色空间;再利用Lab颜色空间的通道a提取出图像中的红色和绿色区域,通道b提取图像中带干扰的黄色区域,然后将二者相减,提取出图像中的黄色区域,并可同时去除背景及车身的大部分干扰;最后利用形态学处理滤除噪声等影响,粗略定位出车牌候选区域,再结合图像的纹理特征如面积、长宽比和连通域内像素个数最终定位出车牌区域。该方法对复杂环境下的双行车牌能实现快速准确定位,受光线、背景环境影响较少,同时对脏牌、污牌也能达到准确定位的目的。

应用色彩纹理特征的人脸防欺骗算法

针对目前人脸识别系统中存在易被人脸照片、人脸视频等方式攻击的问题,提出了一种应用融合色彩纹理特征的人脸防欺骗检测算法。目前,主要的人脸防欺骗检测算法分为用户配合式检测与静默式检测。针对如今火热的在线认证系统,静默式活体检测因具有良好的用户体验性以及分类结果的精确性,成为了该领域的热门研究方向。不同于当前静默式活体检测算法中较为流行的基于亮度特征以及图像质量分析的活体检测方法,文中在验证了色彩特征信息对区分活体人脸与虚假人脸的有效性的基础上,充分地研究了局部纹理特征的特性,并提出了一种结合亮度特征、色彩特征以及局部纹理特征的特征提取融合算法。首先,通过seetaFace人脸检测算法定位人脸及人眼坐标,并利用人眼坐标信息提取仅包含人脸的图像,以减少周围背景图像的干扰;其次,通过转换色彩空间的方式分离图像中的色彩信息和亮度信息,利用色道分离的方式有效地提取纹理特征;最后,采用融合局部纹理特征的提取方法在不同色道上提取特征,并将各通道提取的特征向量联合为一个特征向量,运用支持向量机(SupportVectorMachine,SVM)训练分类器。将所提算法在MSU,CASIA,OULU标准人脸活体检测数据集中进行实验,实验结果表明,算法的性能良好,在分类准确率上取得了良好的效果。

利用颜色和纹理进行图像检索的算法分析

自从上世纪70年代,人们就开始了对图像检索技术的研究,但是只是基于文本方面的,而且仅仅是利用文本的方式对图像的特征进行简单的描述。后来,人们不在满足于简简单单的图像检索方法,进而又开始进行了更深层次的开发,这样就出现了利用颜色和纹理对图像的检索和分析的方法,这种检索的方法是基于图像的内容进行检索的一种方法。这种检索方法只是对文本进行检索的方法更为精确。所以人们开始使用这种利用颜色和纹理进行检索的方法,进而研究了这种检索方法的检索算法。在利用颜色和纹理进行图像检索的算法中,要对图像进行分割,利用分割好的图像进行颜色平均值的换算,再把颜色平均值进行低频分量,把它作为颜色的特征。在根据边缘直方图来提取检索内容的纹理特征,最后根据这两个特征进行图像的检索。在本文中关于检索的算法的实践性进行了说明,这样的检索算法可以有效的提高图像的准确率。

一种基于颜色和纹理的显著性目标检测算法

视觉显著性检测是很多计算机视觉任务的重要步骤,在图像分割、自适应压缩和识别物体方面都有很重要的应用。提出了一种基于HSV颜色、纹理特征和空间位置关系相结合的显著性检测算法。该方法先将图像分割成小的图像片以获取图像的局部信息,结合图像片颜色的独特性和空间分布的紧凑性计算得到颜色显著图;同时利用Gabor滤波器对图像进行不同尺度和方向地滤波得到纹理特征向量,然后对特征向量计算纹理差异得到纹理显著图;最后将二者结合得到最终显著图。实验结果表明,该方法在检测效果和抗噪能力等方面均可获得较为满意的结果。

基于颜色相关图和纹理矩的图像检索

基于内容的图像检索的关键就是准确地提取图像特征。目前常见的图像特征的分类有颜色、纹理和形状。提出了改进的图像相关图算法以及纹理矩算法,并采取有效的方法来结合这两种算法实现高效的图像检索,图像相关图不仅反映了图像的灰度统计信息,而且还反映了图像的空间特征和灰度的渐变度。纹理矩是通过计算图像局部区域的力矩来反映图像的纹理特征。二者相结合整合了图像颜色和纹理信息。实验证明,改进的图像相关图以及纹理矩算法优于传统算法,二者通过在有限的空间维度下的结合在很大程度上提高了检索精度。

基于帧间动态和纹理特征的邮轮舱室火焰识别

火焰探测是火灾探测和监测系统中的一项重要任务。论文提出了船舶火灾探测中火焰的动态和纹理分析方法。火焰最初是根据多尺度颜色空间中的颜色强度分割的,称为候选火焰区域。从候选火焰区域中提取动态和纹理特征,通过混合纹理描述符获得混合纹理特征。结合动态特征,得到了动态混合纹理特征。最后,利用极值学习机分类器,根据提取的动态和纹理特征,将候选火焰区域划分为真实火焰或非火焰区域。结果表明,所提出的火灾探测技术有较好的识别率,可有效降低误检。

融合全局和局部相位特征的彩色纹理图像检索

针对目前彩色纹理图像检索系统存在颜色特征提取不充分、纹理特征提取与匹配的有效性亟待提高等问题,提出一种新的基于全局和局部相位特征融合的彩色纹理图像检索方法。该方法首次将局部引力角模式(Pattern of Local Gravitational Force Angle,PLGFA)作为局部相位描述符用于彩色纹理图像检索。在该方法中,首先在适合人类视觉系统的HSV颜色空间中采用非均匀方式量化三个颜色分量,并通过构建颜色直方图充分地提取颜色特征,同时在Gabor复变换域针对V分量数据进行相对相位建模而提取全局纹理相位特征;然后,利用PLGFA描述符在RGB空间的灰度图像中提取局部纹理相位特征;最后,将这三种特征通过闭式K-L(Kullback-Leibler)距离和改进版本的Manhattan距离进行有机融合,从而实现彩色纹理图像的检索。在VisTex(full/small)、STex和ALOT四个通用的彩色纹理图像库上得到的检索实验结果表明,综合考虑平均检索率和时间消耗两个性能评价指标,该方法较其他最新方法具有较明显优势,从而验证了其有效性和可行性。

基于多重特征和SURF算法的车牌定位研究

针对利用SIFT算法进行车牌精确定位时执行时间较长的问题,提出一种基于多重特征和SURF算法的车牌定位算法。在HSL颜色空间得到车牌候选区域,结合车牌几何特征与纹理特征筛选候选区域并按设定的规则标号;按序提取车牌标号候选区域,并用SURF算法对候选区域精确定位。实验结果表明,SURF算法与SIFT算法相比,在定位准确率相同情况下减少了运行时间,能满足实时性需要。

基于核相互子空间法的番茄叶部病害快速识别模型

近年来,基于叶片图像的番茄病害识别研究受到广泛关注。本研究利用番茄叶部病害图像中病斑的颜色和纹理的差异,通过提取番茄病害叶片图像的颜色矩(CM)、颜色聚合向量(CCV)和方向梯度直方图(HOG)等颜色纹理特征,引入核相互子空间法(KMSM),建立了番茄叶部病害快速识别模型(CCHK⁃MSM)。该模型首先通过高斯核函数,将从不同类别叶部病害图像数据中抽取的颜色及纹理特征映射到高维空间;然后对映射的高维空间进行主成分分析,建立非线性病害特征空间;最后基于非线性特征空间最小正则角对病害进行识别。本研究分别以公共农业病虫害数据集PlantVillage中的9种番茄病害类和1类健康番茄叶片图像,以及实际场景下采集的3种叶部病虫害图像数据集开展算法验证试验。基于PlantVillage的试验结果表明,当每类样本集数量为350张时,本研究所提出的CCHKMSM模型识别率达到100%,模型训练时间为0.1540 s,平均识别时间为0.013 s;同时,在样本数量150张到1000张的测试区间内,模型平均识别率为99.14%。该识别率高于其他典型的机器学习模型,与基于深度学习的识别方法相当。基于实际复杂场景下采集病害图像集的实验中,通过对原始图像切割分块后,对各病害的平均识别率为96.21%。试验结果表明,本研究提出的CCHKMSM模型识别准确率高且计算量小,其训练时间和测试时间都远低于深度学习等方法。该方法对系统要求低,具有在手持设备、边缘计算终端等低配置感知系统中的应用潜力。

一种多特征融合的粒子滤波行人跟踪方法

为了提高行人跟踪的精确度和稳定性,在粒子滤波框架中融合颜色、纹理以及空间信息,提出一种多特征融合的行人跟踪方法。将行人在空间上划分成三个区域,在三个子区域分别提取目标行人颜色以及纹理信息,提出了融合梯度信息的纹理算法及消除像素点亮度轻微波动造成的纹理区分干扰问题。实验结果显示:颜色、纹理、空间信息融合的方法与传统的基于颜色的粒子滤波算法相比,能更准确有效地跟踪行人目标。

基于SLIC融合纹理和直方图的图像显著性检测

针对基于颜色直方图的显著图无法突出边缘轮廓和纹理细节的问题,结合图像的颜色特征、空间位置特征、纹理特征以及直方图,提出了一种基于SLIC融合纹理和直方图的图像显著性检测方法。该方法首先通过SLIC算法对图像进行超像素分割,提取基于颜色和空间位置的显著图;然后分别提取基于颜色直方图的显著图和基于纹理特征的显著图;最后将前两个阶段得到的显著图进行融合得到最终的显著图。此外,通过简单的阈值分割方法得到图像中的显著性目标。实验结果表明,与经典显著性检测算法相比,提出的算法性能明显优于其他算法性能。

基于颜色对比度及局部信息熵的目标检测算法

基于颜色对比度特征及局部信息熵提出了一种图像显著性目标检测算法。首先,选取了对人眼视觉反映敏感的对抗色颜色空间,然后考虑了包含距离权重的颜色对比度特征;接着,计算每个像素点的局部信息熵来表示图像的纹理特征,两者结合得到了图像的显著性特征;最后,在公开的数据库与流行算法进行测试对比,实验结果表明本文的算法具有较好的检测效果。

基于特征距离与极谐变换的图像检索算法

为提高图像在数据集中的检索准确度,设计了基于加权距离与多元极谐变换的图像检索算法。在查询图像的色调-饱和度-亮度(HSV)空间内,提取其颜色特征;并引入贝塞尔K分布与非下采样Shearlet变换(NSST)方法得到查询图像的纹理特征,改善其对模糊与亮度变换等操作的稳健性;借助四元极谐变换(QPHT)机制,将图像的QPHT模系数视为形状特征,提高对噪声与几何变换的鲁棒性。通过融合这3种特征,分别计算查询图像与数据库图像之间对应的特征距离,并赋予三者对应的权重,以测量两幅图像之间的相似度,从而准确输出检索结果。测试数据显示,与当前基于内容的图像检索技术相比,所提算法具备更高的检索准确度和鲁棒性,在多种几何变换攻击下,仍可以准确检索出目标。

多模式共生的彩色纹理图像分类方法

针对单一方法进行纹理图像分类时易受旋转、光照等干扰的情况,提出了一种结合颜色特征和纹理特征的共生纹理分类方法。将图像转换到HSV颜色空间后,对H通道使用SLIOP算法以及对S和V通道用CLBP算法提取特征,然后将各自提取到的特征进行串联共生,最后利用支持向量机对纹理图像进行分类。基于被广泛使用的纹理图像数据库,对提出方法与其他典型分类算法进行实验对比,分析表明在分类的准确率和计算效率上获得了较大提升。实验结果表明,提出了方法具有较强的旋转不变性、光照不变性以及抗噪性。

基于图论的多特征遥感图像区域分割方法

针对传统分割方法存在分割精度低、对噪声和灰度值突变敏感等缺点,提出了一种基于图论和颜色-纹理特征的区域分割方法。首先将彩色图像转换到符合人类视觉感知系统的Lab颜色空间,然后把图像分成固定大小的小块进行分析,利用Gabor滤波后的块内纹理特征与色彩特征结合构造特征向量,并作为图的顶点,根据块间距离加权计算块间的差异作为图的边权值,最后用最小生成树的方法进行分割。实验结果表明,该方法具有良好的准确性与鲁棒性,优于EGBIS方法。