基于方向梯度直方图和灰度共生矩阵混合特征的金文图像识别

金文图像识别的关键步骤是提取金文的图像特征,针对金文的形态特点,提出了一种基于方向梯度直方图(HOG)和灰度共生矩阵(GLCM)的金文图像识别算法.使用双边滤波对金文图像进行预处理,针对金文的结构特征和局部纹理特征,提取其HOG特征和GLCM特征并将二者进行融合.用融合后的特征作为样本训练支持向量机分类器,用训练后的模型识别金文图像.实验结果表明,该算法相比基于HOG特征的算法,分类准确率提高了19.47个百分点,能更好地提取金文的图像特征,提高识别的准确率.

大规模群体密度估计算法

针对大规模人群的密度分析技术,对传统的像素统计特征人群密度分析和灰度共生矩阵(GLDM)密度分析算法进行了透视矫正改进,提高了群体密度分析的精度。同时综合了像素统计特征和灰度共生矩阵特征的优点,设计了大规模群体的密度分析系统,在全密度范围内具有比较高的密度估计精度,其提供的数据可以为大规模群体管理提供依据。

基于SVM的POL-SAR图像分类研究

提出了一种将物理散射机理、纹理信息和SVM结合起来用于POL-SAR图像分类的方法。实验数据选取德国Oberpfaffenhofen实验区域(DE)的DLR ESARL波段全极化数据,实验区域包括自然植被,如森林、田地和人造目标如建筑、机场跑道等。首先利用OEC分解得到了散射特征,然后提取HH和HV通道图像的纹理特征,并用SVM进行特征选择及分类。然后在上述特征中加入Freeman分解的散射特征重复试验,取得了较好的结果。试验证明了将散射特征和纹理特征结合起来对地物进行分类是有效的,同时也证明了用SVM进行特征选择的有效性。