素描梯度方向直方图用于人脸画像识别

为有效提取人脸画像的轮廓信息,首先提出素描算子,使人脸画像的梯度幅值图像清晰、厚重,由此形成素描梯度方向直方图(S-HOG)描述子。其次优化S-HOG描述子的主要参数,提升S-HOG描述子的图像信息表达能力。针对缺乏实验用人脸刑侦画像库问题,建立了由不同画家完成的多风格人脸画像(MSFS)库,用于模拟人脸刑侦画像库。最后,在MSFS库、人脸观察画像库、PRIP人脸合成画像库上与尺度不变特征转换(SIFT)描述子、统一局部二值模式(ULBP)描述子及HOG描述子进行了比较实验。结果表明:在人脸观察画像库上,提出的S-HOG描述子比SIFT、HOG和ULBP描述子的识别率提高5.14%、3.22%和68.81%。在MSFS库上,分别提高14%、5.5%和26.5%。在PRIP库上,分别提高6.15%、4.06%和9.75%。

基于梯度角度的直方图局部特征描述子的图像匹配算法

针对传统的局部特征描述子在图像匹配效果和效率上很难兼顾的问题,提出了一种基于梯度角度的直方图(HGA)的图像匹配算法。该算法先通过加速片段测试特征(FAST)获取的图像关键点,然后采用块梯度计算和飞镖靶型结构对局部区域的结构特征进行描述。HGA有效地实现了在旋转、模糊、亮度等多种变换下的良好匹配性能,并在一定程度上具备抗仿射变换的能力。在各种复杂场景下,与高速鲁棒描述子(SURF)、尺度不变特征转换(SIFT)和FAST定向的抗旋转二进制鲁棒独立基元特征(BRIEF)描述子(ORB)进行的实验对比表明基于梯度角度的直方图局部特征描述子达到了匹配效果和效率的均衡,算法时间约为SIFT的1/3,点对匹配准确率均在94.5%以上。

梯度方向直方图特征的人耳身份识别方法

人耳特征体具有普遍性、唯一性、稳定性和可采集性等作为生物特征识别必备的基本特性,易实现非打扰式识别.研究一类新型的基于梯度方向直方图的人耳身份识别方法,将人耳图像划分为不同子区域,分别提取各子区域梯度方向直方图特征,采用模糊隶属度匹配融合策略获取识别结果.重点讨论了局部遮挡时基于梯度方向直方图特征描述的人耳识别问题,定义并分析了人耳子区域识别贡献率,探讨累计遮挡问题,可为人耳图像有效鉴别子区域的确定提供参考.实验结果表明,基于梯度方向直方图的人耳身份识别方法是可行的与有效的.

非重叠低维度梯度方向直方图

作为衍生于尺度不变特征变换的特征描述,梯度方向直方图(HOG)在人体检测、手势识别、人脸识别、场景分类等方面得到广泛应用.但HOG的特征维数高,导致维数灾难和大计算量.文中发现HOG特征的高维度源自它需在众多重叠块中计算直方图.虽然重叠块机制对特征的鲁棒性有积极作用,但也导致信息冗余.为去除冗余信息并降低特征维数,从直方图归一化入手,提出非重叠式梯度方向直方图.所提方法的维数降低为传统方法的1/3.在人手和人体检测上的实验表明,该方法不仅物体检测速度得到显著提高,检测准确度也得到改善.

方向梯度直方图及其扩展

介绍方向梯度直方图(HOG)及其扩展。结合HOG的计算步骤阐述其内在理念和捕获的主要图像特征,指出其局限性,论述对HOG的重要扩展,包括多尺寸HOG、梯度方向直方图金字塔、分析降维HOG,给出对各扩展使用积分图加速计算的方法以及其他改善方法,从措施、复杂度、维数、思想等方面对各HOG改善方法进行比较,给出HOG未来的研究方向。

面向图像匹配的局部灰度直方图特征描述子

传统的局部特征描述子很难兼顾性能和效率,并且大多适用于静态图像匹配,缺乏对视频中感兴趣区域动态变化的适应性.针对以上问题,提出一种基于图像局部灰度直方图的特征描述子.该算法先通过SURF特征检测获取图像兴趣点,然后通过统计灰度信息分布来描述兴趣点的尺度旋转不变性局部区域,建立基于区域和灰度二维直方图的描述子向量.对于应用在视频的情况,提出相应的描述子在线更新机制.实验同时使用了公共数据和拍摄数据,将算法与经典SURF算法进行了对比.结果表明:算法在视角、仿射、光照等多种变换下实现了更好的匹配性能,并在视频目标跟踪中保持了对目标连续变化的自适应性.

基于方向梯度直方图的行人检测与跟踪

为了更好更快速的实现行人检测,通过优化参数,提出了改进的基于方向梯度直方图的行人检测算法,对视频跟踪中不包含行人信息的图像进行背景筛除,从而减少了特征的计算量。实验结果表明,该算法对行人检测是有效的,并提高了检测效率和精度。

词袋模型中梯度方向离散精度阈值经验分析

为避免常规构建词袋模型在选取梯度方向离散精度时存在的盲目性,以及解决不恰当离散精度构造出的词袋模型分类率不高的问题,研究在词袋模型中提取图像特征时梯度方向离散精度是否存在明显的阈值,使选取该阈值时能构造出最佳的词袋模型。基于面向稠密特征提取可快速计算的局部图像特征描述,选择不同的梯度方向离散精度分别进行大量实验,实验结果表明,存在一个明显、统一的阈值24,选择该阈值构造的词袋模型能够得到最高正确分类率。

基于形状描述直方图的声呐图像目标识别算法

针对水下声呐图像目标检测与识别问题,在图像规格化条件下,定义了几种不同的形状描述子,并统计计算描述子直方图,定义了几种不同的直方图匹配测度函数用以计算直方图间的相似性。分析了算法中关键参数的选取问题。仿真结果表明,基于该算法的识别率可达到98%以上,具有较强的不变性和鲁棒性。通过进一步信息融合算法可快速准确地实现水下声呐图像目标识别,具有较强的应用价值。

基于SCCH特征描述子的图像匹配算法

针对局部特征匹配算法面临的鲁棒性和实时性难以兼顾的问题,该文提出了一种基于带符号对比上下文直方图(SCCH)特征描述子的图像匹配算法。用Harris算子在高斯金字塔图像上提取多尺度特征点以减少所需处理的数据量,利用特征点邻域的区域灰度差异均值构建特征描述子,降低特征描述子的生成复杂度和维度,保留灰度差异均值的正负性信息以增强特征描述子的鲁棒性和可区别性,用特征描述子间的绝对值距离作为相似性度量以减少特征点匹配的计算量。实验结果表明,该文算法不仅对图像尺度缩放、旋转、模糊、亮度变化、较小视角变化保持不变性,而且匹配速度较快。

一类基于局部信息的特征描述子的图像检索

基于内容的图像检索准确性大大依赖于低层可视特征的描述。本文提出一类创新的彩色图像空间描述子、纹理描述子、边缘描述子和颜色描述子,空间描述子由局部均值立方图表示,纹理描述子由局部方向差单元直方图表示,边缘描述子由局部极大-极小差直方图表示,颜色描述子由量化HSV模型颜色直方图表示。这四种描述子被用作持征索引,它们对彩色图像,尤其是对具有相对规则的结构或纹理特征的图像具有很强的描述力。实验结果表明,用这种特征索引来检索图像,可以得利比其它基于颜色-空间方法高得多的精确度。

基于梯度直方图的交叉点检测方法

提出基于梯度直方图的交叉点检测方法:统计像素点邻域梯度信息生成特征描述子,通过判定准则筛选候选交叉点,基于欧氏距离对候选交叉点进行聚类后,利用灰度加权法定位图像交叉点坐标。仿真实验验证了算法的正确性与可行性,结果表明:该方法适用于交叉角为65°~90°范围内的交叉点检测,定位精度优于0.6像素,检测率大于90%;该方法可以很好地抵抗图像旋转,定位精度和检测率基本不受图像旋转影响。该方法具有良好的抗噪性能,可满足一般透视变换下的图像交叉点检测需求,适用于结构光三维重建中的系统标定和形貌测量。

基于自适应模板半径的形状上下文描述子在手势识别上的应用

提出了一种基于自适应模板半径的形状上下文描述子描述图像轮廓特征的手势动作模式识别方法,并探讨了这种方法在基于视觉的汉语字母手势识别中的应用。其中,在计算手势轮廓各点的形状上下文时,提出了一种距离直方图方法求取自适应的模板半径的方法,并以χ2统计量计算各轮廓点之间的匹配距离,再以改进Hausdorff距离计算各手势轮廓间的匹配距离,最后用最近邻法进行分类识别。对来自50个实验对象的手势图像分类识别的实验结果表明,该方法对30个汉语字母手势图像的正确识别率达到了74.3%,明显高于基于不变矩及傅立叶描述子特征提取方法的识别结果。

基于自适应模板半径的形状上下文描述子在手势识别上的应用

提出了一种基于自适应模板半径的形状上下文描述子描述图像轮廓特征的手势动作模式识别方法,并探讨了这种方法在基于视觉的汉语字母手势识别中的应用。首先,在计算手势轮廓各点的形状上下文时,提出了一种距离直方图法求取自适应的模板半径的方法,并以χ2统计量计算各轮廓点之间的匹配距离,再以改进Hausdorff距离计算各手势轮廓间的匹配距离,最后用最近邻法进行分类识别。对来自50个实验对象的手势图像分类识别的实验结果表明,该方法对30个汉语字母手势图像的正确识别率达到了74.3%,明显高于基于不变矩及傅里叶描述子特征提取方法的识别结果。

基于半径和角度直方图的形状检索

考虑到当给定了形状的中心点,人眼在辨别形状时是从径向和周向进行比较,本文提出基于半径和角度直方图的形状描述子(Radius and angle histograms descriptor,RAHD)。RAHD具有平移、尺度、旋转不变性,并且由于它能有效地捕捉到形状空间上的径向和周向特征,因此其检索得到的形状很符合人眼的感性识别。为了评价RAHD的检索性能,本文将RAHD和目前形状检索领域最为有效的通用傅立叶描述子(Generic Fourier de-scriptor,GFD)进行比较。实验表明,RAHD优点有:(1)它的检索性能与GFD相当,并且描述精简;(2)它的特征提取要比GFD简单,其速度约为GFD的5.8倍。

基于HOG特征与子区域模糊融合的人耳识别研究

作为一种新兴的生物特征识别技术,人耳识别具有其自身独特优势。利用局部特征信息,研究一类新型的基于梯度方向直方图的人耳身份识别方法,提出一种基于梯度方向直方图与子区域模糊融合相结合的人耳识别方案。将人耳图像划分为不同子区域,分别提取各子区域梯度方向直方图特征,引入模糊隶属度匹配融合策略,获取最终的分类结果。与多种方法的对比实验表明,基于梯度方向直方图的特征提取方法具有高识别性能,针对USTB人耳图像库3的测试实验,可达到99.75%的识别率。

一种鲁棒的基于图像对比度的局部特征描述方法

该文提出一种鲁棒的基于对比度的局部特征描述方法,即独立元素对比度直方图(Independent Elementary Contrast Histogram,IECH)描述子。首先计算特征区域内各像素与被随机采样像素间的对比度值。然后,在极坐标下以特征主方向为基准,将局部特征区域分割成32个子区域,分别统计2维正负对比度直方图。最后,对统计结果进行归一化处理,产生64维的IECH特征描述向量。实验结果表明,该方法在保持与SIFT相当的匹配性能的同时,具有更快的特征生成速度与更低的特征维数。相比于具有相同时间复杂度与特征维数的对比度上下文直方图(CCH)方法,该方法描述子的性能有了明显的提高,更适合在实时应用中使用。

BOW-HOG特征图像分类

为了减少图像尺寸对提取特征的影响,同时移除特征向量中的冗余信息,将词汇袋模型(BOW)与梯度方向直方图(HOG)特征相结合,提出一种基于BOW-HOG的特征描述子用于图像分类.将图像划分为不同的子区域,对梯度幅值较大的子区域提取HOG特征.用BOW模型对子区域HOG特征编码,构建原始图像上维度一致的特征向量.将特征向量输入训练好的分类器,完成图像分类任务.将BOW-HOG特征描述子在不同的图像分类任务上进行试验,包括图像文本分类、图像场景分类.本实验的文本分类正确率为0.813,场景分类正确率为0.826,优于传统基于HOG特征的方法,表明了基于BOW-HOG特征图像分类方法的可行性、有效性.

基于高斯混合模型与PCA-HOG的快速运动人体检测

针对传统人体检测系统中由于检测窗口标扫描区域过大,帧的特征维度过高使其在实际应用中内存消耗量大且检测速度慢的情况,提出了改进的运动人体检测方法。该方法利用高斯混合模型进行背景建模剔除掉大部分图像背景,减少了侦测扫描区域,从而在减少负例样本误检率的同时提升了检测速度。同时对处理HOG的高维度,提出了一种基于主成分分析(PCA)降维的梯度方向直方图(HOG)的描述子,即PCA-HOG描述子,它在不降低识别率的前提下,很大程度地提升了侦测窗口的分类速度。实验验证了混合高斯模型与PCA-HOG相结合显著提升了人体检测速度。

复杂环境下的鲁棒目标跟踪方法

提出一种复杂条件下基于子空间梯度方向直方图跟踪的方法,通过大量样本的离线训练构建目标的投影子空间,并用梯度方向直方图在子空间的投影作为新的目标描述特征.为了满足实时性的要求,采用积分直方图方法提高粒子特征的计算速度;然后结合粒子滤波方法在子空间中计算粒子与训练样本集之间的相似度,进而估计目标的运动参数.实验结果表明,该方法能够在光照变化、噪声干扰、模糊、目标姿态和尺度改变,以及部分遮挡等恶劣条件下实现准确跟踪,比传统的跟踪方法具有更高的跟踪精度和跟踪鲁棒性,能够满足地面侦察任务在多种复杂条件下对感兴趣目标进行准确跟踪的需求.