基于边缘梯度方向直方图的图像检索

图像检索是计算机视觉研究的热点问题之一。首先对数字图像进行边缘检测;接下来对各个边缘点求其梯度;然后根据各个边缘点的梯度求得边缘梯度方向直方图;最后用街区距离进行相似性度量,实现图像检索。仿真实验表明,本文提出的算法是一种有效的图像检索方法。

基于改进边缘方向梯度图的人脸识别算法

为了解决复杂的光照变化环境对人脸图像的特征提取带来的影响,提出了一种改进边缘方向梯度图的人脸识别算法(E-HOG)。该算法在轮廓边缘直方图约束的基础上,融合方向梯度直方图的特征提取方法,通过图像局部梯度方向进行统计,提取图像总特征梯度图,改进了方向梯度图的局限性,最后通过最近邻分类器进行人脸识别。该算法能解决光照变化产生的人脸特征丢失等问题,较好平衡了边缘细节和图像对比度的分布情况。实验结果表明,在光照变化环境下,该算法提取的特征具有较强的鲁棒性,所提取特征的人脸识别率较其他算法有一定的提升。

融合式空间塔式算子和HIK-SVM的交通标志识别研究

在交通标志识别问题上,提出了一种基于融合式的空间塔式算子和直方图交叉核支持向量机(HIK-SVM)的分类方法.在该方法中,通过提取图像的灰度塔式词袋直方图(Gray-PHOW)特征、颜色塔式词袋直方图(Color-PHOW)特征和塔式边缘方向梯度直方图(PHOG)特征来对交通标志的外观、颜色和轮廓信息进行描述.通过提取空间塔式直方图特征,能很好地对图像各种特征的空间分布状况进行描述.提取到图像的外观、颜色、轮廓和特征的空间分布信息后,对其进行融合,最后得到的融合式的空间塔式特征具有很强的鲁棒性.将该融合式特征送入HIK-SVM进行训练和分类,取得了极其高的识别效果.

基于累积边缘图像的现实人体动作识别

为了从现实环境下识别出人体动作,本文研究了从无约束视频中提取特征表征人体动作的问题.首先,在无约束的视频上使用形态学梯度操作消除部分背景,获得人体的轮廓形状;其次,提取某一段视频上每一帧形状的边缘特征,累积到一幅图像中,称之为累积边缘图像(Accumulative edge image,AEI);然后,在该累积边缘图像上计算基于网格的方向梯度直方图(Histograms of orientation gradients,HOG),形成特征向量表征人体的动作,送入分类器进行分类.YouTube数据集上的实验结果表明,本文的方法比其他方法更加有效.

融合车尾边缘特征的前车识别与纵向车距检测

以提升车辆主动安全、减少纵向碰撞事故为目标,提出了一种基于车尾边缘特征信息的前车识别方法与基于单目视觉的纵向车距检测方法。有别于传统算法利用全局边缘特征或灰度纹理特征来识别前车,该算法首先依据路面灰度分布特性来分割车底阴影,再利用车尾水平与竖直边缘的分布特性建立前车ROI,进一步利用竖直边缘的对称强度验证车辆身份。根据摄像机的小孔成像原理建立纵向车距测量模型,避免了复杂的内外部参数标定。道路试验表明,算法对车辆的平均识别率达到88.5%,纵向车距检测的平均相对误差小于3%,能够实现的有效测距范围为(6.9~78.3)m,其精度与运行速度可以满足实际驾驶中的纵向车距检测。

一种基于FMM的带方向图像修复算法

虽然FMM快速行进算法可以克服传统图像修复中修复速度慢、线性结构产生模糊、断裂等缺点,但是该算法对强弱边缘的保持能力不足。该文利用梯度方向直方图,对待修复点的周围象素点进行方向筛选,使修复过程严格按照等照线度进行。仿真表明,该算法既能较好保持边缘和一些规则纹理,同时也能保留了FMM算法的优点。

融合颜色和边缘特征的改进型CamShift跟踪算法

CamShift算法仅用颜色作为目标特征,在相似色干扰、遮挡、高速运动以及光照变化等条件下易出现跟踪不准确甚至目标丢失,提出基于运动分割和特征融合的改进型Camshift算法。采用三帧差分结合最大类间方差自动获得初始搜索窗口,自适应获得最优搜索窗口,用色度和边缘加权联合直方图表征目标,对色度直方图的每个像素位用高斯模型核函数进行加权处理并实时更新,有效解决相似色干扰、遮挡等问题。实验证明,改进型算法在目标干扰、遮挡等情况下与同类算法相比都具有良好的跟踪效果,具有较高的鲁棒性和准确度。

基于梯度离散化改进的DG_CENTRIST行人检测

针对复杂背景下的行人检测,从边缘信息入手,提出了一种新的基于梯度离散化的改进的中心对称统计变换(DG_CENTRIST)的行人检测方法。首先根据原始图像的梯度方向的分布,离散地形成多张梯度图;然后进行中心变换(CT)获得改进的DG_CENTRIST特征,最后提出的新的计算方法,结合线性和HIK-SVM,通过级联方式实现实时的行人检测。实验结果表明,该算法取得了较高的检测精度。

一种基于双树复小波变换的SAR图像边缘检测算法

提出一种新的基于双树复小波变换的SAR图像边缘检测算法.算法在复小波子带上求取图像直方图方向梯度矩阵,并基于复小波变换的多尺度性质和方向选择性求取全局的梯度矩阵.通过对这一矩阵阈值化实现边缘检测.该算法能有效检测出SAR图像上的显著边缘,并对SAR图像中存在的相干斑噪声、灰度不均匀性和边缘模糊等现象具有一定的鲁棒性.实验结果证明了该算法的有效性.

舰船分类的PHOG和支持向量机联合检测方法

针对普通舰船分类检测方法容易受到物理噪声干扰、实时性差等问题,采用塔式边缘方向梯度直方图和支持向量机联合检测方法对不同类别水面舰船图像进行实时分类检测。通过对不同类别舰船图像进行分类实验,进一步综合确定适合的图像特征参数及核函数参数,实验结果表明,舰船分类检测准确率较现有检测方法有所提高。基于塔式边缘方向梯度直方图和支持向量机的联合检测方法能够实现实时、可靠的舰船分类检测。

基于数字图像和支持向量机的交通路况检测

为了避免物理检测方法对道路损坏严重、受天气因素影响大以及算法复杂等弊端,研究了利用支持向量机对不同程度交通路况图像进行分类的交通路况检测方法,采用塔式边缘方向梯度直方图作为图像的描述特征。实验结果表明,该方法能够提高恶劣天气条件下平均分类准确率,并且在各类天气情况下4类交通路况图像分类平均正确率达92%以上,能够有效检测不同程度交通路况。

利用腿部区域HOG特征的行人检测方法

为快速定位车辆前方的行人,提出一种基于腿部感兴趣区域梯度方向直方图(HOG)特征的行人检测方法。将可能存在行人腿部的区域作为感兴趣区域,采用Sobel算子增强腿部垂直边缘特征,并提取梯度方向直方图特征,有效地降低了特征向量的维数;在检测过程中仅扫描可能存在行人腿部的图像下半部分,并在整幅图像的块内计算HOG特征,减少了复杂背景对行人检测干扰,进一步简化了检测过程;基于垂直边缘对称性特征对检测结果进行融合。实验结果表明,该算法能在保持检测率的同时提高检测速度。

基于对称性的实时车标定位和识别方法

在基于视频图像的车辆类型识别系统中,当前国内外侧重于研究车辆外形、大小。由于视点的不同,单纯的车辆外形对车辆的类型识别不具有决定性意义,而车标对车辆类型则具有决定意义。提出一种基于对称性的车标定位和识别算法,该算法首先根据车辆本身的对称性等先验知识粗略的确定车标位置,然后利用特征信息精确定位;最后将模板匹配和特征结合对其进行识别。从实验结果来看,该方法能快速、准确的定位车标位置且识别率能达到实时应用的要求。

基于HOG特征的优化区域模板匹配检测

针对HOG算法滑动窗口检测效率低和目标特征描述不精确的问题,提出了一种基于HOG的改进算法,提高了滑动窗口的检测效率并减少了目标模板相似性对结果带来的影响.该算法利用HOG特征来描述目标的整体和各个部件,优先检测图像中目标出现概率较大的区域.对于检测评分比较接近阈值的区域使用可变形部件模型进行精确检测,从而可以避免具有轮廓相似性的模板检测结果的不准确.结果表明,该算法对于静态图片有较高的准确率,且对于很多相似度不高的分类具有较快的检测速度.

一种多特征融合的图像检索新方法

如何提高基于内容的图像检索的准确率是图像检索领域中的一大难题,其关键在于特征提取方法。针对单一特征检索效果的不足,从图像的多特征入手,先使用颜色和边缘的方向性描述符提取图像的颜色和纹理特征,再使用分层梯度方向直方图提取图像的形状特征,最后采用图像底层特征串行关联的方法将3种特征结合进行检索。使用Corel标准图像集进行测试,结果表明本文方法的查准率和AvgP值比两种原算法均有提高,是一种有效的多特征融合的图像检索方法。

基于深度卷积神经网络的船舶识别方法研究

为解决目前船舶识别率较低的问题,基于深度卷积神经网络算法,提出一种在深度卷积神经网络基础上的改进算法。利用卷积神经网络对船舶图片进行深度特征提取,结合HOG算法得到准确的边缘特征,结合HSV算法得到颜色特征,通过SVM分类器对船舶进行分类。算法主要包括2个阶段:训练阶段实现卷积神经网络的预训练,将得到特征归一化,PCA降维,通过HOG算法得到边缘特征,最后训练SVM分类器;测试阶段则对算法的准确性进行核实。实验结果表明,该方法平均识别正确率达到93.6%,可以很好地实现船舶识别。

基于规范化特征的月球撞击坑探测方法

提出用多阀值分类和属性形态学对月球图像进行层次性和选择性预处理,使高对比阴阳月牙对和低灰度弱边界椭圆形撞击坑具备基本规范和稳定的Haar和PHOG特征。文中探讨了这些预处理方法对局部区域的小波Haar特征和塔式梯度方向直方图PHOG特征的稳定性的影响与作用,然后研究了AdaBoost和SVM这两种分类算法在月球撞击坑探测中的作用,并研究了将Haar和PHOG特征与AdaBoost和SVM相结合对撞击坑候选区域进行精确和高效定位的集成方法。结果表明利用属性形态学的柔性结构滤波和分类方法的集成应用能够使撞击坑的识别率较传统方法提高2%-5%。

多检测器融合的行人检测研究

针对基于梯度方向直方图的行人检测尚存在实时性不足的问题,提出了一种多检测器融合的行人检测方法。利用Haar型特征的Adaboost进行头部粗检,由于图像行人姿态或尺度的原因会导致这一过程出现漏检;采用Canny算子获取图像轮廓,并根据颜色信息获取图像轮廓,通过椭圆拟合提取图像中可能检测区域;根据前面粗检的结果,对候选区域合适变换尺度,提取PHOG特征,并采用线性SVM对其进行判决。在INRIA样本库上的测试结果表明该方法是有效可行的。

基于BP神经网络的船舰目标识别分类

随着各国在海洋领域竞争的日益激烈,船舰目标自动识别技术正逐渐成为研究热点。本文利用BP神经网络对航空母舰、驱逐舰、护卫舰、客船、集装箱、民用货船6种船只类型进行分类,首先对船舰图像进行中值滤波,去除随机噪声和椒盐噪声,然后利用OTSU法将灰度图像分割成背景和目标两部分,接着对目标区域提取了Hu不变矩、边缘梯度方向直方图、周长-面积比3个特征。为了使边缘梯度方向直方图也具有旋转和尺度不变性,本文提出了一种变换方法:将直方图循环右移,直至其最大值到达直方图最右端。最后利用BP神经网络对船舰图像进行了训练和测试。测试结果表明,本文的分类算法对船舰目标的分类精度达到84%左右,有效实现了常见船舰类型的识别分类。

细胞图像自动分割方法研究

提出一种细胞图像的自动分割与定位方法.首先将直方图分割所得二值图像的距离变换作为边缘提取的指导知识,进行细胞图像的精确分割;然后利用分割边缘点的梯度方向和几何知识确定细胞的中心.该方法既能对非重叠细胞也能对重叠细胞进行细胞的分割与定位.