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.

帧间方向梯度直方图特征关联的行人检测方法

当前行人检测算法是无人驾驶领域的研究热点,但行人遮挡问题由于样本量相对比较少、遮挡情况多样、可视特征减少等因素,仍未得到很好的解决。针对行人之间相互遮挡或行人被其他物体遮挡导致的漏检问题,给出一种帧间方向梯度直方图特征关联的行人检测方法。首先,在YOLOv7基线网络模型的基础上添加跟踪的方法,以发现漏检行人并估计其位置信息;将含有漏检行人的最新局部图像作为新的信息,利用方向梯度直方图特征,采用支持向量机的方法,在漏检目标估计位置处进行行人检测,以改善由于部分遮挡所导致的漏检问题。实验结果与基线网络相比,该方法的精确度(P)值提高了6.25%,被遮挡行人的平均精度(AP)由26.67%提升到了53.42%。实验表明帧间方向梯度直方图特征关联的行人检测方法可以提高行人检测准确率,计算复杂度低,不明显增加原方法的计算开销,具有一定的应用价值。

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。

基于局部Gabor变化直方图序列的人脸描述与识别

提出了一种在Gabor变换幅值域内提取局部变化模式空间直方图序列(histogramsequenceoflocalGaborbinarypatterns,简称HSLGBP)的人脸描述及其识别方法.鉴于Gabor特征对光照、表情等变化比较鲁棒,并已在人脸识别领域得到成功应用,首先对归一化的人脸图像进行多方向、多分辨率Gabor小波滤波,并提取其对应不同方向、不同尺度的多个Gabor幅值域图谱(Gabormagnitudemap,简称GMM),然后在每个GMM上采用局部二值模式(localbinarypattern,简称LBP)算子抽取局部邻域关系模式,最后由这些模式的区域直方图形成的序列来描述人脸.Gabor变换、LBP、空间区域直方图的采用使得该方法对光照变化、表情变化、误配准等具有良好的鲁棒性.而且,这种人脸建模方法不需要基于训练集合进行统计学习,因而不存在推广性问题.同时,进一步探讨了如何在分类器设计阶段与统计方法进行结合的问题,提出了统计Fisher加权的HSLGBP匹配方法.在通过FERET人脸库光照、表情和时间变化测试集上与已发表的实验结果进行对比,充分验证了该方法的有效性.

基于Gabor多方向特征融合与分块直方图的人脸表情识别方法

针对传统的Gabor特征表征全局特征能力弱以及特征数据存在冗余性的缺点,提出一种新颖的采用Gabor多方向特征融合与分块直方图统计相结合的方法来提取表情特征.为了提取局部方向信息并降低特征维数,首先采用Gabor滤波器提取人脸表情图像的多尺度和多方向特征,然后按照两个融合规则将相同尺度不同方向的特征融合到一起.为了能够有效地表征图像全局特征,将融合图像进一步划分为若干矩形不重叠且大小相等的子块,分别计算每个子块区域内融合特征的直方图分布,将其联合起来实现图像表征.实验结果表明,这种方法无论在计算量上还是识别性能上都比传统的Gabor滤波器组更具有优势.该方法的创新处在于提出了两个Gabor多方向特征融合规则,应用在JAFFE表情库上最高平均识别率达到98.24%,表明其适用于人脸表情图像的分析.

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。

一种基于梯度方向直方图的直线轮廓提取新方法

直线轮廓检测是计算机视觉领域中的一个基本问题。在靶场光测图像分析中,通过提取导弹、火箭等目标的直线轮廓,可以得到目标的三维姿态参量。提出了一种基于梯度方向直方图的直线轮廓提取新方法。梯度方向直方图被定义为具有相同梯度方向的图像点的梯度幅值之和。利用梯度方向直方图可以很方便地确定图像上边缘方向,根据此方向可在图像上搜索直线边缘的位置。由于同时利用了梯度的幅值和方向信息,所以该方法能自动地提取直线边缘而无需阈值。通过在实际图像中提取直线边缘,证明了该方法的有效性。

基于Gabor直方图特征和MVBoost的人脸表情识别

提出采用Gabor变换与分级直方图统计相结合的方法来提取表情特征,以分层次反映局部区域内纹理变化的信息.这比仅用一维的Gabor系数具有更强的特征表示能力.借助直方图特征,还设计了向量输入、多类连续输出的弱分类器,并嵌入到多类连续AdaBoost的算法框架中,得到了向量输入、多类输出的MVBoost方法.该方法直接对特征进行多类的判决以满足多类时分类的需求,而不必训练多个二分类的AdaBoost分类器,从而使训练过程和分类过程都得到简化.

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Gabor变换域的积分直方图鞋印图像检索

案件现场提取的鞋印图像是现代刑侦中一种十分重要的线索和证据,如何快速而准确地从鞋印图像库中检索出相同或相似的鞋印图像,关系着公安部门的破案效率。针对有残缺的鞋印图像,提出一种基于Gabor变换域积分直方图的鞋印图像比对与检索方法。对图像进行Gabor滤波后,在每个像素位置用响应最大的滤波器号替代图像的像素值,然后统计图像积分直方图。对于残缺图像与完整图像的相似度计算,先通过积分直方图计算出残缺图像在完整图像中的最相似区域位置,再提取该区域的特征,最后进行相似度度量。通过求积分直方图快速准确地求出残缺图像在完整图像中的位置,从而提取局部特征。实验表明,与直接比较图像的全局特征相比,该算法的查准率提高了4.82%。

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。

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。

基于加权Gabor梯度的新型多尺度角点检测方法

在分析Gabor小波的基础上,提出了一种加权Gabor梯度算法,该算法可以得到比传统梯度算子更为准确的梯度方向。并在此基础上,提出了基于加权Gabor梯度的多尺度角点检测算法。实验结果表明,本文算法与两个经典算法比较,在角点检测性、定位准确性以及抗噪性上,有明显提高。

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。