一种基于Sobel梯度的直方图均衡算法及其在红外图像上的应用

为了能在动态范围压缩的同时增强红外图像的对比度,提出了一种基于Sobel梯度直方图均衡算法(gradient histogram equalization,GHE)。与以往的直方图均衡化(histogram equalization,HE)方法不同,该方法自适应地为图像强梯度的灰阶分配高对比度,保留并增强16 bit图像中更多的细节。随后使用双Gamma映射对映射曲线进行调整,有效地抑制图像亮部的过曝现象,同时提高暗部的细节。该方法相比于传统的直方图均衡化算法在暗区细节处理、过曝抑制、对比度增强等方面都有较好的效果。

基于金字塔方向梯度直方图特征的核相关滤波目标跟踪算法

在使用传统的核相关滤波目标跟踪算法(KCF)对环境背景庞杂下的目标进行跟踪时,会出现目标丢失的情况。为解决该问题,提出了将金字塔方向梯度直方图特征与多峰检测机制相结合的核相关滤波目标跟踪算法。该改进算法在原有的KCF算法的基础上,采用金字塔方向梯度直方图的特征提取方式,并使用多峰值检测更新机制(APCE)对目标是否被遮挡进行判断。与传统的KCF算法相比较,该算法在光照化较大、目标存在遮挡等背景复杂的情况下有更好的跟踪效果,减少了目标的漂移。

基于梯度分块的直方图平移可逆信息隐藏

针对大多数基于直方图平移的可逆信息隐藏中载体图像分块方法过于粗糙的问题,根据相邻像素之间具有相似特性,提出对载体图像按像素梯度进行分割,将图像分为平滑区域和粗糙区域。同时为减少像素的无效平移,只对平滑区域分块,并采用直方图的次峰值点进行双向移位实现信息可逆隐藏,同时将零值点嵌入图像;不需要单独传送峰值点和零值点信息,降低了通信负担。实验结果表明:所提方法在图像质量和峰值信噪比上具有明显的提升,可应用于保密传输等领域。

一个面向短波通信的LHOG话音检测方法

噪声环境下语音检测准确率偏低是短波通话面临的公开挑战。当前已有方法应用有限,其根源在于难以可靠地在噪音环境下提取准确且高效的语音特征。针对上述问题,提出了一个面向短波通信的低秩方向梯度直方图(Low-rank Histogram of Oriented Gradient,LHOG)话音检测方法。首先,对目标音频源数据进行预处理,实现噪声环境下语音信息的可视化表征;然后,在HOG特征提取器中嵌入低秩化结构,缓解特征中的冗余信息,并降低噪声干扰,从而获得准确且高效的特征;最后,通过常用的SVM分类模型便可在噪声环境中准确快速地区分话音和噪声。测试结果表明,该方法的准确率达到了95.12%,误报率仅为0.96%,漏报率为13.14%。与现有主流方法的对比实验证明,该方法话音检测准确率高,资源占用少,能够有效提高短波通信侦控效率。

基于HOG图像处理的滚动轴承故障诊断方法

对于滚动轴承的智能故障诊断问题,文章提出一种基于梯度直方图(histogram of oriented gradient,HOG)图像处理的轴承故障诊断方法。首先将传感器采集到的原始时域振动信号经变分模态分解(variational mode decomposition,VMD)后得到二维图像;再利用HOG数字图像处理算法对上述图像提取特征信息;使用多维尺度分析(multi-dimensional scaling,MDS)方法对特征数据进行降维处理,得到低维空间下的故障特征数据并对故障特征数据添加标签构建数据集,该数据集被划分为训练集和测试集;然后引入遗传算法(genetic algorithm,GA)优化支持向量机(support vector machine,SVM)中的惩罚因子和核函数关键参数,用训练集进行训练得到最优故障分类模型;最后对测试集的数据进行处理,得到分类结果。对比分析结果表明,该文方法能快速提取轴承故障有效特征,提高故障诊断准确率。

基于BP神经网络和HOG特征的茶小绿叶蝉识别

为解决茶小绿叶蝉在复杂环境中快速识别的问题,提出了一种基于BP神经网络和HOG特征提取算法的茶叶病虫害识别方法。首先对采集的茶叶病虫害图片进行数据增强,用来扩充样本数量,并将样本尺寸大小统一到256×256,以方便网络模型训练。然后使用HOG算法提取图片的局部边缘特征,以减少光照变化造成的影响和降低噪声。最后将提取的特征数据输入到BP神经网络进行训练,并使用随机梯度下降法(SGD)减少模型训练的时间。实验结果表明,基于BP和HOG的茶小绿叶蝉识别方法,准确率为0.94,所提出的模型具有较高的识别能力和鲁棒性,可以为茶叶病虫害智能诊断提供参考。

基于梯度向量直方图的行人检测

针对Adaboost行人检测训练非常耗时的问题,在梯度方向直方图(Histograns of Oriented Gradiant,HOG)特征计算上引入积分向量图,同时对于作为AdaBoost学习过程中的分类器---线性SVM,应用序列最小优化(Seguential Minimal Optimigation,SMO)来解决其二次规划(QP)问题。实验结果表明,通过这两个方面的改进,不仅行人检测训练检测速度得到了提升,而且取得了令人满意的检测效果。

基于梯度Gabor直方图特征的表情识别方法

针对传统Gabor特征在表情识别上的局限性,提出一种基于梯度Gabor直方图(GGH)特征的表情识别方法.首先对预处理后的人脸图像进行Gabor特征提取;然后将相同尺度、不同方向的Gabor特征按照梯度方向构造Gabor特征融合图,再对融合图进行分块并计算每个子块的直方图分布,从而构成人脸的GGH特征;最后采用支持向量机对GGH特征进行人脸表情分类.在JAFFE库与Pain Expressions库上进行交叉验证的结果表明,在保证较高识别率时,GGH特征比传统的Gabor特征实时性更高.

基于梯度直方图变换增强红外图像的细节

针对红外图像信噪比低、目标边缘和细节模糊等缺点,提出了一种基于梯度直方图变换增强红外图像细节的方法。通过分析红外图像的梯度直方图,构造出一个高斯函数来扩展梯度直方图,增大图像的梯度值。采用直方图规定化法,实现图像的梯度直方图规定化,得到变换的梯度场。在从变换的梯度场重建增强的图像时,引入全变分(TV)模型来抑制噪声。实验结果表明,提出算法的图像信息熵比灰度直方图均衡化和规定化算法显著提高,明显增强了红外图像的纹理细节,为目标检测、跟踪和识别提供了高质量的图像信息。提出的算法采用有限差分法迭代进行求解和Visiual C++编程,对大小为480pixel×480pixel的图像的处理时间约为40ms,基本达到了工程应用对图像处理的要求。

应用方向梯度直方图和低秩分解的织物疵点检测算法

织物疵点检测是织物表面质量控制的关键环节。基于方向梯度直方图(HOG)和低秩分解,提出一种有效的织物疵点检测算法。首先,将织物图像划分为大小相同的图像块,提取每个图像块的HOG特征,并将图像块特征组成特征矩阵,针对特征矩阵构建有效的低秩分解模型,通过方向交替方法(ADM)优化求解,生成低秩阵和稀疏阵;最后采用改进最优阈值分割算法对由稀疏阵生成的显著图进行分割,从而定位出疵点区域。实验结果表明,低秩分解能有效实现织物疵点的快速分离,与已有方法进行对比,本文方法能显著提高复杂织物纹理图像的疵点检测性能。

梯度直方图和光流特征融合的视频图像异常行为检测算法

异常行为检测在智能监控系统领域中有广泛的应用前景。本文针对此应用领域,提出了一种结合光流特征和梯度直方图特征的视频异常行为检测及定位方法。首先利用视频背景提取算法进行前景提取和标注,实现对前景信息的分割。然后利用光流和梯度直方图特征提取算法对前景图像分别提取光流和梯度直方图特征,其次,使用支持向量机对数据进行训练和测试。最后结合光流幅度信息与前景标记信息对判断出来的异常行为进行定位。实验结果表明,与先前算法相比,本文算法可以检测出异常行为,并且能够对异常帧进行异常行为定位。

联合梯度直方图和局部二值模式特征的人体检测

针对采用单一梯度方向直方图(HOG)特征进行人体检测时易受竖直梯度分量干扰的缺点,提出了将分块局部二值模式(LBP)特征加入HOG特征的方法。首先,将检测窗口划分为大小为16×16的不重叠块,以块为单位统计LBP特征直方图,并通过大量实验获得了LBP算子的最佳参数;然后用优化过的插值方式计算HOG特征,将两者组成联合直方图。最后,用线性支持向量机(SVM)通过Bootstrapping的方式训练,得到判别模型。在INRIA人体库上的测试表明,检出率在误检率(FPPW)为10-4时由原始的89%提高到95%,单窗口检测速度由0.625ms提高到0.533ms。本文将纹理特征加入原始描述轮廓的HOG特征中,排除了部分梯度干扰信息造成的误检,提高了检出率。

基于感兴趣区梯度方向直方图的行人检测

针对以梯度方向直方图作为人体特征的行人检测存在向量维数较大、检测时间较长的问题,提出基于感兴趣区梯度方向直方图的行人检测方法,分别在头部及四肢等重点区域计算梯度方向直方图,有效地减少了向量维数。实验结果表明,该方法在检测率基本不变的情况下提高了检测速度。

基于直方图梯度计算的T2加权脑部MR图像自动分割

针对脑部核磁共振图像分割问题,提出了一种直方图梯度计算方法。首先,对MR图像的直方图进行平滑处理,从而去除三个体素中出现的最低灰度级;然后,在预处理后的直方图上计算梯度;最后,计算对象数和其所在位置的梯度,并对图像进行自动分割。基于直方图处理进行梯度计算,大大降低了计算复杂度。在T2加权脑部MR图像上的实验结果表明,该方法可以有效地从二维和三维图像中提取出主要脑部区域,并在临床环境中获得的人类脑部MR图像上成功实施,分割效果优于其他几种现有分割算法。

视角和旋转角变化时梯度方向直方图的转换

使用梯度方向直方图(HOG)来检测目标,需要大量的,有代表性的样本来训练分类器.一个目标的HOG,其特征在不同的摄像机视角和不同的光轴旋转角下,并不相同.因此,使用不同视角下的混合样本集来训练分类器时,目标检测的准确率受到样本噪声的影响将会降低.基于摄像机成像的基本原理,提出了一种转换算法,可以把一个样本在某个视角下的HOG特征转换成另一个视角下的HOG特征.这样既降低了分类器训练时需要采集的正负样本数量,又提高了支持向量机(SVM)分类的准确性,从而提高了目标检测的准确性.大量目标检测实验结果表明本文提出的算法是有效的.

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。

一种基于梯度方向直方图的俯视行人的检测方法

目前已有很多关于行人检测方面的研究,这些研究基本建立在行人竖直站立或行走的平视图上,主要应用于视频监控和车载辅助驾驶等领域,但在实际应用中,有时需要从不同的视角检测行人.文中提出一种针对俯视行人检测方法,该方法将俯视行人头部的梯度方向直方图统计信息作为检测目标的特征.通过训练样本提取的特征向量在支持向量机中进行训练得到分类模型参数,然后提取检测样本的特征向量输入分类模型进行判别.与现有行人检测的梯度方向直方图算子相比,文中特征描述算子突出目标的区域与轮廓特征,在目标分块、特征计算和特征统计方法上均有变化.实验证明算法有效且处理速度明显提升.

基于梯度方向直方图特征的多核跟踪

提出了基于梯度方向直方图特征的多核跟踪算法,对跟踪过程中的光线变化和部分遮挡具有较强的鲁棒性.该算法将目标分块,分别提取出每块的核函数加权的梯度方向直方图特征.目标模型和候选目标模型的相似度用所有块直方图间的Bhattacharyya系数之和进行度量,目标的跟踪通过Mean shift算法最大化两者的相似度实现.对车辆、人体等多个日标的跟踪验证了本文提出算法的有效性.

基于梯度径向夹角直方图的异源图像匹配

提出一种图像全局特征描述方法——梯度径向夹角金字塔直方图。该特征不受图像灰度级非线性变换和图像旋转的影响,具有较强的抗噪声能力。基于该特征的匹配算法能够对存在旋转变换的异源图像进行匹配。用SAR图像和可见光图像对匹配算法进行测试,结果表明基于梯度径向夹角金字塔直方图匹配方法的匹配成功率优于传统方法。由于对基准图进行离线预处理,同时避免角度空间搜索,算法的实时计算时间比传统方法小3个数量级。

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。