基于对数极坐标频谱的Gabor纹理分析

提出一种基于对数极坐标频谱的Gabor纹理分析方法(LPFG),该方法以对数极坐标的形式表示图像在频率空间的频谱分布,利用多通道Gabor滤波器进行频率分析,从而提取图像的纹理特征,并结合改进的最小距离判别方法实现了有效的纹理分割;此外,从理论上分析了该方法与Log Gabor小波分析的一致性,由此推导了Log Gabor小波的参数计算方法;并从实验的角度与传统方法进行了比较,证明该方法在性能和效率上均优于传统方法。

基于对数极坐标变换的尺度变化目标跟踪

实用的跟踪系统应该具备尺度自适应机制。针对传统跟踪方法难以实时准确适应目标尺度变化这一问题,提出一种基于对数极坐标变换域下目标匹配的尺度变化目标跟踪算法,算法结合粒子滤波和改进的Mean Shift进行空间定位,确定目标的形心,通过对数极坐标变换域中目标和候选的最大相关匹配系数来确定目标的尺度参数。实验结果表明:与传统方法相比较,该算法可以自适应选择合适的跟踪窗大小,具有较好的鲁棒性。

非线性时空正则化的相关滤波目标跟踪算法

针对目标跟踪过程中跟踪模型容易漂移,以及对于多样性形态变化的目标不能进行鲁棒跟踪的问题,结合生物视觉感知规律提出了非线性时空正则化的相关滤波目标跟踪算法。在目标函数中提出贴近人类视觉感知幂定律的非线性滤波更新的时间正则项,相比于时空正则相关滤波器(spatial-temporal regularized correlation filters,STRCF)中固定的时间正则项,非线性滤波更新的时间正则项可以根据跟踪的时间变化进行自适应更新,同时采用交替乘子法降低算法复杂度。提取非线性的梯度方向直方图(histogram of oriented gradient,HOG)特征,使用符合生物映射的对数极坐标进行尺度适应。根据最大响应值与平均峰值相关能量的关系进行遮挡异常检测,降低模型漂移的机率,增强算法的抗遮挡能力。实验结果表明,该算法在OTB2015数据集上的精确率和成功率分别达到89.8%和83.3%,该算法相比于STRCF在精确率上提升了2.5%,在成功率上提升了3.2%,在OTB2013与OTB2015数据集上的11种属性的分类对比中,该算法在旋转、低分辨率、背景杂乱、光照变化等因素干扰下的目标跟踪中具有较高的精确率和较强的鲁棒性。

基于粒子群优化Gabor滤波器的钢板表面缺陷检测

为了解决钢板表面缺陷形态差别大、对比度低,无法准确检测的问题,提出一种基于粒子群优化(PSO)-Gabor滤波器的钢板表面缺陷检测方法。为了消除图像噪声,突显缺陷目标,首先,对缺陷图像进行自适应中值滤波和对数变换;然后,通过PSO算法对二维Gabor滤波器的频率、方向、尺度和滤波窗口进行参数寻优;并基于最优Gabor滤波器对图像进行滤波,获得缺陷能量图;最后,根据所得能量图进行缺陷分割,从而完成缺陷检测。实验结果表明:基于PSO-Gabor滤波器的缺陷检测方法对钢板表面4种缺陷检测准确率达93.75%,检测耗时为0.05 s,可实现对低对比度钢板表面缺陷图像快速、准确地检测,为钢板表面缺陷实时在线检测提供理论依据和技术支持。

基于Gabor滤波的辐射状模糊图像质量评价方法

针对相向运动成像的辐射状模糊图像,提出了基于Gabor滤波的图像对比度相似度图像质量评价方法.该方法利用对数极坐标Gabor滤波器模拟人眼视觉系统处理图像的方式,实现对图像频率和方位角同时滤波的功能.结果表明,该方法的评价结果与主观评价结果的相关系数达到0.95,是一种评价辐射状模糊图像质量的有效方法.

数字图像水印技术中滤波新方法

针对数字图像发生了旋转和其它变化时,一些滤波方法不能对图像中的数字水印进行识别的问题,基于对数极坐标映射(LPM),提出了一种数字图像水印滤波的新方法。为检测新设计的滤波方法的实用价值,进行了不同滤波器的数字图像水印识别能力的比较。结果表明:当含数字水印的图像发生小旋转和缩小变化,即:旋转10度和缩小为原图像的0.9倍时,纯相位滤波器(POF)不能对图像中的数字水印进行识别,但新设计的滤波器能对图像中数字水印具有较好的识别能力;当含数字水印的图像旋转45度、缩小为原图像的0.7倍以及旋转和缩小同时发生时,新设计的滤波器对图像变化后的数字水印仍有较好的识别能力。结果证明:这种新的滤波方法对数字图像水印的识别具有实用价值。

自适应尺度的快速相关滤波跟踪算法

针对常规的相关滤波跟踪算法不能很好地适应目标尺度变化,而基于尺度金字塔的相关滤波跟踪算法虽然取得较高的跟踪精度,却在跟踪速度上大打折扣的问题,提出一种简单快速的自适应目标尺度的相关滤波跟踪算法.首先对目标模板进行对数极坐标变换,把目标的尺度变化转化为位移信号;然后对目标模板变换前后分别提取HOG特征,并建立位移与尺度的滤波模型;最后在相关滤波框架下同步跟踪目标的位移与尺度因子,并将二者融合得到目标跟踪框.实验结果表明,该算法的跟踪精度略低于基于尺度金字塔的相关跟踪算法,而跟踪速度却达到后者的2倍以上.

图像数字水印技术中滤波器的研究

针对数字水印嵌入图像的对数极坐标仿射(LPM)的傅里叶幅度谱的情况,本文设计出四种滤波器,即:经典匹配滤波器、振幅滤波器、相位滤波器和双态相位滤波器;为了比较各种滤波器的识别能力,我们应用这四种滤波器对嵌入图像中的数字水印进行检测。实验结果表明:当含数字水印的图像没有几何失真时,相位滤波器和双态相位滤波器能对图像中的数字水印进行识别,它们的识别能力优胜于经典滤波器和振幅滤波器;当含数字水印的图像发生一些变化,即:旋转10度和缩小为0.9时,则四种滤波器却不能很好地对图像中的数字水印进行识别。

嵌入尺度可变均值漂移算法的粒子滤波方法

将尺度可变均值漂移算法嵌入到粒子的扩散过程中,引导粒子扩散到后验概率密度函数的高密度区,提出一种嵌入尺度可变均值漂移算法的粒子滤波跟踪方法.利用对数极坐标图像的尺度不变性,在粒子扩散过程中同时进行位置、尺度空间漂移.实验表明,该方法不仅能顺利跟踪非连续尺度变化目标,而且需要更少的粒子数.

运动目标跟踪的粒子滤波算法

提出一种基于对数极坐标变换的改进粒子滤波算法,以解决传统粒子滤波算法中由于红外成像目标信息量少所导致的目标跟踪稳定性低、易于发散的问题。该算法在粒子滤波的理论框架下,利用跟踪区域的对数极坐标变换作为目标描述,建立了一种稳健的系统观测模型,有效突出了目标信息,减弱了目标的旋转和尺度变化对跟踪算法的影响。该算法结合了粒子滤波运动估计的鲁棒性以及对数极坐标变换目标描述的稳健性,可在复杂环境中实现对目标的稳定跟踪。

快速尺度支持相关滤波跟踪

针对传统相关滤波跟踪算法在遮挡、出视野、形变、背景杂乱等挑战场景中容易出现跟踪失败的问题,本文提出快速尺度支持相关滤波跟踪算法。首先,利用循环样本构造支持相关滤波器,并将跟踪问题视为支持相关滤波器的学习问题;然后,利用离散傅里叶变换与迭代优化策略解决了支持相关滤波器的学习问题,极大地降低了算法复杂度;同时,利用对数极坐标变换将目标尺度估计问题转换为对数极坐标下的位移变化,实现了目标尺度的自适应;最后,采用自适应模板更新策略,解决了遮挡情况的模板漂移问题。利用标准数据集测试对本文算法性能进行评估,结果表明:所提算法精确度为0.964,成功率为0.892,均优于传统的相关滤波跟踪算法,可以较好地解决形变、遮挡、出视野、背景杂乱等情况下的目标跟踪问题。

相位一致性和对数Gabor滤波器相结合的掌纹识别方法

提出一种具有信息丰富、稳定性强、低分辨率可采集等特征的掌纹纹理识别方法。该方法首先从6个方向计算掌纹图像每点的相位一致性,把该点相位一致性最大值对应的方向作为对数Gabor滤波器的方向,在此方向上用对数Gabor滤波器提取相位信息,并利用实部和虚部进行量化和编码掌纹相位象限码,码长为256字节。对100个手掌类,共1000幅掌纹图像的数据库进行实验,在给定阈值的情况下,识别率能达到99.95%左右。把实验结果与典型的基于掌纹纹理特征的识别算法进行比较,表明该方法正确识别率高。

一种新的红外目标跟踪方法

在成像制导过程中需要实时处理大量的信息,为了尽可能在保留有效信息情况下降低计算量,提出了一种基于人眼非均匀采样特性和粒子滤波相结合的红外目标跟踪方法。首先应用对数极坐标模型的旋转、缩放及灰度分布不变性来压缩信息量以提高计算速度,然后采用基于目标灰度特征的粒子滤波跟踪方法来抑制匹配点漂移和目标的非刚性形变,从而实现对非刚性变形目标的稳健跟踪。与角点匹配跟踪方法及传统的Mean Shift跟踪方法相比,该方法具有跟踪稳定,计算速度快等优点。实验结果表明,该方法能够有效抑制匹配点漂移和目标的非刚性形变。

基于多特征的支持向量机印鉴识别

印鉴真伪鉴别的难点要求识别系统同时具备同类印鉴的鲁棒性及异类印鉴的敏感性。针对这一难点,本文提出了一种基于多特征的支持向量机(SupportVectorM ach ine,SVM)鉴别算法,根据多类特征以及支持向量机的自适应寻优特性,获得对真伪印鉴的鉴别。采用Gabor滤波器获得频率特征,采用差图像获得结构特征,采用原图像和极坐标图像的奇异值获得不变量特征。采用支持向量机(SupportVectorM ach ine,SVM)对印鉴进行真伪鉴别。实验表明,本文方法具有很高的真伪鉴别能力。

结合人眼非均匀采样特性和曲线演化的红外目标跟踪方法

在成像制导过程中需要实时处理大量信息。为了尽可能在保留有效信息情况下降低计算量,提出了一种基于人眼非均匀采样特性和水平集曲线演化方法相结合的红外目标跟踪方法。首先利用对数极坐标模型的旋转、缩放及灰度分布不变性来压缩信息量,以提高计算速度。然后采用基于目标灰度和边缘特征的水平集曲线演化方法来抑制目标的非刚性形变,从而实现对非刚性变形目标的稳健跟踪。与传统的Mean Shift跟踪方法和粒子滤波跟踪方法相比,该方法具有跟踪稳定、精度高等优点。实验结果表明,该方法能够有效抑制目标的非刚性形变。

基于非均匀采样的多模型红外三维目标跟踪

针对红外三维目标跟踪过程中目标姿态变化导致跟踪器失效的问题,提出了一种基于非均匀采样的多模型方法.首先用若干个原型视图表征三维目标,将这些原型视图对应的原型形状作为目标的多模型形状表示,并建立了这些原型形状之间的转移概率矩阵.在粒子滤波框架下,以对数极坐标变换下的原型视图中目标的灰度分布特征作为参考目标模型.通过对形状转移概率采样,实现了样本形状的转移与传播.此方法提高了跟踪器对于姿态变化的鲁棒性,同时具有非均匀采样特性的对数极坐标变换可以抑制图像尺度、旋转造成的畸变,并起到压缩周边的计算量的作用.仿真结果表明,这种算法对三维目标有较好的跟踪效果.

带旋转与尺度估计的全卷积孪生网络目标跟踪算法

针对目标跟踪任务中,全卷积孪生网络(SiamFC)跟踪算法存在因目标的旋转、尺度变化而造成跟踪错误或跟踪结果不准确的问题,提出一种带旋转与尺度估计的SiamFC跟踪算法。该算法由定位模块与旋转、尺度估计模块两部分组成。首先在定位模块中,利用SiamFC算法获得跟踪位置,并结合旋转与尺度信息对该位置进行调整;其次在旋转、尺度估计模块中,鉴于图像的旋转和尺度变化在对数极坐标系下变成了平移运动,将目标搜索区域从笛卡儿坐标系变换到对数极坐标系下,由此便可利用相关滤波技术估计待跟踪目标的尺度和旋转角度;最终实现了一个能同步估计目标位置、旋转角度以及尺度变化的目标跟踪模型。在对比实验中,该算法在OTB2015数据集上的成功率与准确率分别达到57.7%和81.4%;在包含目标旋转和尺度变化的POT数据集上的成功率与准确率分别达到51.8%和53.3%。与SiamFC算法相比,所提算法的成功率和准确率分别提高了13.5个百分点和13.4个百分点。实验结果表明,所提算法能有效应对目标旋转与尺度变化带来的跟踪挑战。

利用Fourier-Mellin变换的遥感图像自动配准

提出了一种利用Fourier-Mellin变换的遥感图像配准方法。首先,进行Fourier变换求取频谱能量值并进行高通滤波,将滤波后的能量转换成对数极坐标,通过计算互功率谱,运用相位相关技术得到比例系数和旋转角,两幅图像按照得到的参数进行旋转缩放变换得到变换图像;然后,进行相位相关运算得到平移量,作平移变换;最终叠加显示,可以得到配准图像。实验结果表明,该算法具有很好的有效性和可靠性。