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。

基于级联特征分类器的行人检测算法

为进一步提升方向梯度直方图-局部二值模式(HOG-LBP)特征融合的行人算法在检测精度以及加快融合后的算法检测速度,提出了一种基于级联特征分类器的行人检测算法。计算样本集的方向梯度共生直方图(CoHOG)特征和鲁棒局部二值模式(RLBP)特征,使用这两种特征训练两种特征弱分类器,并将两种特征融合训练CoHOG-RLBP特征弱分类器。针对算法中存在的特征维数过高导致算法检测速度慢的问题,将各特征分类器以不同数量进行级联,构建一个6级特征弱分类器组成的级联特征分类器实现对行人目标的检测,同时使用soft-NMS算法对输出的检测窗口进行融合。在INRIA行人数据集上进行实验,实验结果表明本文算法有效提高了检测的精度与速度。

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。