基于动态时间规整的局部分块匹配在面部遮挡人脸识别中的应用

针对面部遮挡人脸识别问题中遮挡源变幻莫测、遮挡位置、大小及形状未知而导致从人脸图像中分割遮挡区域困难的问题,提出了基于动态时间规整(DTW)的局部分块匹配(LPM)算法。首先,将人脸图像划分成若干大小相等且互不重叠的局部小块;然后,借助于光栅扫描顺序将各个小块按照前额、眼睛、鼻子、嘴巴和下巴的顺序连接成一个单一序列;最后,计算查询人脸与注册人之间图像到类的距离;并利用动态时间规整的设计思想寻找查询序列与所有注册序列之间的最佳对齐方式。在两个公开人脸数据库FRGC2.0、AR及一个户外人脸数据库上的实验验证了所提算法的有效性及可靠性。实验结果表明,相比其它几种较为先进的人脸识别算法,所提算法取得了更高的识别率;此外,所提算法无需任何训练过程,计算成本低,更适合应用于现实面部遮挡人脸识别中。

动态时间规整优化局部分块匹配的人脸识别

针对现实人脸识别中姿势、光照、表情变化及遮挡等严重影响识别性能的问题,提出了一种基于动态时间规整优化局部分块匹配的户外人脸识别算法。将人脸图像划分成若干大小相等且互不重叠的局部小块;借助于光栅扫描顺序将各个小块按照前额、眼睛、鼻子、嘴巴和下巴的顺序连接成一个单一序列;计算查询人脸与注册人脸之间图像到类的距离,利用动态时间规整的设计思想寻找查询序列与所有注册序列之间的最佳对齐方式。在三个公开人脸数据库LFW、AR及YouTube上的实验验证了该方法的有效性及可靠性,实验结果表明,相比其他几种较为先进的人脸识别方法,该方法取得了更高的识别率,此外,该方法无需任何训练过程,计算成本低。

局部熵差图像分块匹配并行算法

围绕局部熵差图像匹配的并行化算法设计,综合运用了折叠求和、"叠加窗口"映射、递推求列和与递推求行和等策略,实现了局部熵差图像分块匹配的并行算法,经模拟实验表明,本文设计的并行算法具有很好的并行效率。

一种基于局部投影熵的图像匹配新算法

将图像熵和投影特征的概念结合引入到图像匹配中 ,定义了图像局部投影熵 ,并提出一种基于局部投影熵的图像匹配方法 基于局部投影熵的图像匹配方法具有较好的抗几何失真能力 ,并且提高了抗噪能力和在强光照条件下的匹配能力 结合采用分块、序贯检测及分层搜索等技术 ,进一步减少了计算量 。

一种基于局部特征分块的目标跟踪算法

为了解决传统目标跟踪算法在天空背景下面临高能激光反射时图像像素灰度分布发生剧烈变化,从而导致目标遮挡或丢失的问题,采用一种基于局部特征分块思想的相关跟踪算法,根据局部特征对跟踪模板进行了分块处理,计算并选取其中特征稳定度高的块模板,在跟踪区域内对每个块做模板匹配,并进行了理论分析和试验验证.结果表明,该算法在强光干扰下能够有效地对目标实时稳定跟踪,且图像处理延迟时间在2ms以内.该研究对基于高能激光发射下的超高精度跟踪系统工作性能的保证是有帮助的.

一种实用的抗局部强干扰的景象匹配算法

针对巡航导弹在作战过程中可能遇到的各种局部强干扰 ,本文分析了局部强干扰对景象匹配的影响 ,提出了一种实用的抗局部强干扰的景象匹配算法———基于小窗口的分块匹配算法 ,即粗匹配阶段将实时图分块 ,采用AD算法将受强干扰区域滤除 ,精匹配阶段采用Nprod算法确定最终匹配位置。仿真试验证明 ,该算法能够满足匹配可靠性和实时性的要求 。

基于图像局部投影特征的目标匹配算法(英文)

鉴于传统的灰度相关匹配和基于边缘特征的匹配方法抗噪能力和抗几何失真能力较差,将图像熵和投影特征的概念结合引入到图像匹配中,定义了图像局部投影熵,并由此提出一种新颖的、基于局部投影熵差的图像匹配方法。由于局部投影熵反映的是图像的局部统计特征,因此基于局部投影熵差的图像匹配方法具有较好的抗几何失真能力。图像熵结合了投影特征后,提高了抗噪能力和在强光照条件下的匹配能力。结合采用分块、序贯检测及分层搜索等技术,进一步减少了计算量,实验结果表明这是一种简单而行之有效的图像匹配方法。

基于渐进式注意力和分块遮挡的跨域行人重识别

针对跨域行人重识别中遮挡造成特征匹配缺失及细粒度辨识性特征被忽略的问题,提出了基于渐进式注意力和分块遮挡的跨域行人重识别方法。该方法通过学习行人未遮挡区域的多粒度辨别性特征,实现空间不对齐下的特征匹配。渐进式注意力模块将特征逐步分割为多个局部块,依次学习每块的辨别性特征,由粗到细地感知前景信息,从而解决目前网络不能提取多层次辨识性特征的问题,增强了特征的匹配能力;渐进式分块遮挡模块很好地适应模型逐步变强的学习能力特性,通过由易到难地生成遮挡数据,有效提取了未遮挡区域的辨识性特征,进而解决模型错误识别遮挡样本的问题,使得所提模型在遮挡情况下的鲁棒性得到有效提高。实验结果表明:所提方法在首位命中率和平均精确度2个指标上与当前主流方法相比具有显著的优越性;与2020年CVPR会议中QAConv行人重识别方法相比,在DukeMTMC-reID数据集(MSMT17→DukeMTMCreID)上的2个指标分别高出2.3%和6.2%,能够更加有效地实现跨域行人重识别,在OccludedDuke数据集(DukeMTMC-reID→Occluded-Duke)上的2个指标分别达到49.5%和39.0%,在遮挡数据集上有着很好的识别效果。

基于特征分块的视差图像拼接算法

现有的视差图像拼接算法中单应性矩阵不具有全局性,且存在计算量大、拼接结果有重影和结构扭曲等问题。为此,提出一种新的的视差图像拼接算法。采用图割算法将参考图像和目标图像分割成若干个具有独特性质的图像块,并对图像块编号。运用SIFT算法对图像进行特征提取,在特征描述子中加入特征点的图像块信息,确定目标图像与参考图像之间的特征匹配图像块。通过特征分块法计算全局单应性矩阵,找出最优的全局单应性矩阵对目标图像进行预配准。在重叠区域加入形状扭曲约束和块链接约束局部优化预配准图像,得到修正后的图像,并进行图像融合获得全景拼接图像。实验结果表明,特征分块算法可确保单应性矩阵的全局性,减少迭代次数,提高计算效率,同时局部优化算法可以较好地消除重影和扭曲,保证图像拼接质量。

基于改进生成式对抗网络的图像去雾算法研究

针对传统图像去雾算法存在颜色失真并被雾图先验理论束缚的问题,提出一种基于GAN(Generative Adversarial Networks)的去雾算法Defog-GAN,将雾天图片和普通图片分别送入GAN的生成器与鉴别器,利用卷积神经网络对图像的颜色与纹理信息特征进行提取,鉴别器最终引导生成器生成去雾图像。以分块输入形式对GAN的鉴别器做了改进,提高了模型训练速度,引入新的激活函数LeakyRelu,使输入在负值上也有一定的输出,加强图像细节的还原。对输出的去雾图像进行局部颜色直方图匹配,增强图像真实度。实验表明,改进后的网络模型缩短了训练时间,且在真实图像中去雾效果更好,主观评价和客观评价优于其他算法。

基于颜色特征的图像检索算法及实现

HSI颜色模型人眼的视觉效果比RGB颜色模型更能反映图像之间主要颜色的差异性,对HSI量化后再取其直方图,可以减少计算量,提高检索效率.全局直方图由于不包含颜色的空间分布信息,不同的图像可能具有相同的颜色直方图.为弥补这些缺点,作者提出一种新的重叠分块,获得每个分块的局部直方图后,再对每个分块赋以不同的权值的检索算法,试验证明该算法能有效的提高检索准确度.