基于颜色和梯度方向共生直方图的图像检索

为有效融合图像的形状、颜色等特征,提出一种基元梯度方向共生直方图和颜色直方图的彩色图像检索算法。首先将图像划分为4×4互不重叠的基元,并根据基元的梯度平均幅值把基元分为视觉均衡基元和视觉非均衡基元;接着计算视觉均衡基元的平均颜色值,并将其在HSV空间中量化到72色颜色空间,构建视觉均衡基元颜色直方图作为彩色图像的局部颜色描述子;然后将图像中各像素点颜色值在HSV空间量化到72色颜色空间,获得图像的全局颜色直方图;最后在视觉非均衡基元中构建梯度方向共生直方图描述图像的形状特征。融合局部颜色描述子、全局颜色直方图和形状特征构成彩色图像检索特征矢量。实验结果表明,所提算法能够准确描述彩色图像的颜色和形状特征,具有很好的旋转不变性和尺度不变性。相似性度量非常有效,查全率和查准率均有较大提高。

结合改进聚合通道特征和灰度共生矩阵的俯视行人检测算法

针对传统俯视行人检测方法提取的头部特征单一、检测错误率高的问题,提出了结合改进聚合通道特征(ACF)和灰度共生矩阵(GLCM)的俯视行人检测算法。首先,将提取到的HSV颜色特征、梯度幅值大小以及改进后的梯度方向直方图(HOG)特征组合成ACF描述子;然后,采用窗口法计算改进的GLCM参数描述子,提取纹理特征,串联每个窗口的特征向量得到共生矩阵特征描述子;最后,将聚合通道和共生矩阵特征分别输入Adaboost训练得到分类器,并进行检测得到最终结果。实验结果表明,所提算法能在干扰背景存在的情况下有效检测目标,提高了检测的准确率和召回率。

基于改进HOG共生概率特征的行人检测算法

为了提高静态行人的检测精度,提出了一种基于改进梯度方向直方图共生概率特征的行人检测方法。该方法首先将梯度方向直方图特征分别与局部二值模式和颜色自相似性特征结合生成改进HOG特征,基于该特征使用第一阶段的连续自适应算法(Real Ada Boost)生成共生概率特征;然后基于此共生概率特征利用第二阶段Real Ada Boost算法进行处理得到强分类器;最后使用上述强分类器实现检测和分类。将该算法应用到INRIA行人数据库进行实验,达到了99%的检测精度,优于传统HOG特征提取算法的检测精度,实验结果证明了此算法在提高行人检测精度方面的有效性。

基于多特征融合的图像检索算法

为有效提取和描述图像特征,提高图像检索性能,提出一种基于纹理、颜色和形状多特征融合的图像检索算法。检测彩色图像的边缘,对其进行变换得到基元图像。遍历基元图像得到基元共生矩阵,对每个基元求梯度值得到基元梯度直方图。将彩色图像量化到64色颜色空间,得到对应的颜色直方图。利用上述3个特征量描述图像特征,并用于图像检索。实验结果表明,与BCTF和MCM算法相比,该算法的查全率和查准率较高,计算复杂度较低。

基于改进CoHOG-LQC的行人检测算法

针对行人检测过程中,易对相似目标产生误判的问题,并结合局部纹理特征描述子对图像边缘、方向信息的描述能力与检测精度的强相关性,同时考虑到基于LBP和HOG的特征融合方法存在结构利用率低、光谱信息损失多的缺点,提出了一种基于LQC和CoHOG特征融合的行人检测算法。首先通过LQC算子提取图像的纹理谱特征,同时使用积分图计算CoHOG特征值,以提取原始图像的边缘特征及基于LQC特征谱的CoHOG特征。然后将上述特征与CoHOG边缘特征融合,得到融合特征描述图像,最后使用HIKSVM分类器实现输入图像的检测与识别。为验证算法的有效性,分别在MIT行人数据库、Caltech行人数据库和INRIA行人数据库上进行实验。实验结果表明,提出的方法可以有效提高行人检测精度和效率。

基于纹理特征的肝硬化MRI分期

借助MRI影像的计算机辅助诊断已逐渐被应用于肝硬化分期研究中。为了提高分期的准确率,本文基于MR8滤波器组的纹理特征提取对肝硬化MRI分期,构建了一个适用于肝硬化MRI的T1、T2、动脉期、门静脉期和平衡期五种序列图像的分期系统。MR8滤波器组具有响应维度低和旋转不变性等优点,因此,本文利用MR8纹理特征构建纹理基元统计直方图将肝硬化分为三个阶段,分别为正常、早期和中晚期。与经典的灰度共生矩阵(GLCM)的纹理特征提取方法相比,MR8滤波器组纹理特征对每一序列肝硬化的分期准确率均高于GLCM方法,其中T2和平衡期,三个阶段的ROI分期准确率均达到100%;在此基础上,将五个序列的分类结果进行融合,最终病例的分期准确率也达到100%。