基于特征分块的赤足足迹人身识别算法

为了提高赤足足迹人身识别算法的准确率,提出了一种基于深度学习的足迹识别算法。足底各区域所受压力的不同导致了它们包含的信息量存在一定的差异性,为了获取更稳定、区分度更高的特征,该算法采用ResNet50作为基础网络,在特征层进行分块处理。构建了一个包含2000人的赤足足迹库进行训练和一个包含3000人的赤足足迹库进行测试,该算法利用500人1000幅测试图在测试库上首位识别准确率达到了98.50%,优于常规的ResNet50网络。实验表明,基于特征分块的足迹识别算法在赤足足迹识别中获得了很好的识别效果。

特征分块重构的视频行人重识别算法

基于视频的行人重识别是将一段视频轨迹与剪辑后的视频帧进行匹配,从而实现在不同的摄像头下识别同一行人。但由于现实场景的复杂性,采集到的行人轨迹会存在严重的外观丢失和错位,传统的三维卷积将不再适用于视频行人重识别任务。针对这一问题,提出三维特征分块重构模型,利用第一张特征图在水平分块的级别上对后续特征图进行对齐。在保证特征质量的前提下充分挖掘轨迹的时间信息,在特征重构模型后加入三维卷积核,并且将它与现有的三维卷积网络相结合。此外,还引入一种由粗到细的特征分块重构网络,不仅能使模型在两种不同尺度的空间维度上进行特征重构,还能进一步减少计算开销。实验表明,由粗到细的特征分块重构网络在MARS和DukeMTMC⁃VideoReID数据集上取得了良好的结果。

基于残差和特征分块注意力的激光打码字符分割

金属表面激光打码工艺易造成周围金属变性,产生灼伤等形式的大量噪声,导致字符区域背景复杂,字符对比度低及模糊问题,给后续字符识别带来困难。因此提出一种基于残差和特征分块注意力的激光打码字符特征增强与精细分割模型Res18-UNet,以突出字符信息,提高信噪比,从而有效分割目标。首先设计了注意力-残差特征提取单元,减少网络参数的同时避免网络退化,提高通道和空间的特征选择能力。其次提出特征分块注意力机制,加入了改进的特征分块空间注意力,增强微弱字符特征。此外,在上采样阶段设计了融合改进损失函数的多重监督模块,改善网络收敛能力,提高分割精度。在激光打码易拉罐罐底图像数据集上实验得到的mIoU系数、Dice系数和F1分数均优于原UNet,分别达到了0.8010,0.8895和0.9035,预测速度是原UNet的2.6倍,为12.24张/秒。实验说明,该算法能够有效地对低对比度激光打码字符进行特征增强和高精度分割,且具有在嵌入式平台上部署运行的可行性与应用前景。

基于特征分块的三维人脸重建和识别

针对传统三维人脸重建算法效率低且难以满足实际应用的缺陷,提出一种基于特征分块的三维人脸重建算法,并将此算法应用到三维人脸识别中,实现了基于特征分块的加权三维人脸识别。首先,利用基于平面模板的非均匀重采样法对原始数据进行归一化;其次,采用主动形状模型(ASM)算法对三维人脸和二维人脸图像进行特征定位和特征分块;然后,利用基于分块主元分析(PCA)的稀疏形变模型算法实现每个人脸分块的三维重建;最后,实现了此算法在三维人脸识别中的应用。实验表明,此重建算法具有较高的精度和重建效率,还可以达到全局最优,并且可以提高三维人脸的识别率。

基于特征分块的视差图像拼接算法

现有的视差图像拼接算法中单应性矩阵不具有全局性,且存在计算量大、拼接结果有重影和结构扭曲等问题。为此,提出一种新的的视差图像拼接算法。采用图割算法将参考图像和目标图像分割成若干个具有独特性质的图像块,并对图像块编号。运用SIFT算法对图像进行特征提取,在特征描述子中加入特征点的图像块信息,确定目标图像与参考图像之间的特征匹配图像块。通过特征分块法计算全局单应性矩阵,找出最优的全局单应性矩阵对目标图像进行预配准。在重叠区域加入形状扭曲约束和块链接约束局部优化预配准图像,得到修正后的图像,并进行图像融合获得全景拼接图像。实验结果表明,特征分块算法可确保单应性矩阵的全局性,减少迭代次数,提高计算效率,同时局部优化算法可以较好地消除重影和扭曲,保证图像拼接质量。

基于图像特征分块的分数阶微分图像增强算法

为了改善图像增强效果,突出图像主体,研究了一种基于图像特征分块的分数阶微分图像增强新算法。该算法通过构造分数阶微分掩模算子,根据图像特征分块的结果设定分数阶阶数,形成分数阶阶数矩阵,然后将其代入掩模算子,并与原图像进行运算。实验中分别对原图像和加入了高斯噪声的图像进行处理,并比较了不同参数时图像增强效果。实验结果表明,该算法能较大地增强图像主体部分的纹理,同时一定程度上抑制了背景及平滑区域图像噪声的增加。在图像平均梯度略低于传统分数阶微分增强算法的程度上,该算法对图像纹理的增强幅度更大。

核可鉴别的特征分块稀疏表示的视频语义分析

针对视频特征的多样性和稀疏字典的冗余特点,提出一种基于核可鉴别的特征分块稀疏表示的视频语义分析方法.首先按照实际需求提取视频段多种特征,并根据各种特征的维数大小分别建立其分块稀疏字典,对每个分块字典在K-SVD算法基础上加入核可鉴别准则进行优化,使各种特征的稀疏表示特征具有更好的类别鉴别能力;在对视频段进行语义分析时,使用优化字典求解各种特征的稀疏表示特征,并对各种特征的稀疏表示特征采用加权KNN算法进行类别分类分析,最后依据各种特征对决策分析的支持度进行视频段的语义融合分析.实验结果表明,该方法有效地提高了视频语义分析的准确性和分析速度.

一种基于局部特征分块的目标跟踪算法

为了解决传统目标跟踪算法在天空背景下面临高能激光反射时图像像素灰度分布发生剧烈变化,从而导致目标遮挡或丢失的问题,采用一种基于局部特征分块思想的相关跟踪算法,根据局部特征对跟踪模板进行了分块处理,计算并选取其中特征稳定度高的块模板,在跟踪区域内对每个块做模板匹配,并进行了理论分析和试验验证.结果表明,该算法在强光干扰下能够有效地对目标实时稳定跟踪,且图像处理延迟时间在2ms以内.该研究对基于高能激光发射下的超高精度跟踪系统工作性能的保证是有帮助的.

基于非特征分块插值技术的准双曲面齿轮数字化真实齿面建模方法

针对含磨损情况的准双曲面齿轮真实齿面数字化模型构造问题,提出基于非特征分块插值技术的准双曲面齿轮数字化齿面构造方法。基于非特征的离散数据分块技术对三坐标测量仪测量获得的真实齿面离散数据进行分块,判断出的齿面磨损区域。再结合插值改进算法对齿面磨损区域进行局部插值。对传统离散数据点光顺算法进行改进,提高插值构造齿面的光顺性。通过实例比较,本方法不仅减少插值算法计算量,提高齿面插值数据点的精度,改善数字化齿面的光顺性。为含磨损情况的准双曲面齿轮动态性能预测打下基础。

基于特征分块的快速三维人脸重建

针对传统三维人脸重建算法精度低且难以满足实际应用的缺陷,提出一种基于特征分块的快速三维人脸重建算法。该算法首先利用基于平面模板的重采样法实现三维数据规范化;其次,根据人脸特征对人脸分块,根据主动形状模型算法进行面部特征定位。然后,利用基于形变模型算法与径向基函数插值相结合,实现人脸三维重建,并将该算法应用到人脸识别中。实现表明,此算法可快速实现特定正面二维人脸的三维重建,并具有较高重建精度和识别率。

一种基于分块特征的交互式图像色彩编辑方法

针对交互式图像色彩编辑对交互采样数据量要求较高的问题,提出了一种基于分块特征的交互式图像色彩编辑方法。图像色彩的变化是由于原始图像中每一分块的特征的变化所致,首先,将图像分块,以图像块在LUV坐标基下,UV与L存在线性关系且在小的分块内UV与L存在相同的线性关系系数为基础,将此线性系数作为分块图像的特征建立图像色彩扩散优化模型。其次,利用图像变换前后内容的结构不变性,通过LLE简化优化模型,最后,利用稀疏线性代数方程组进行求解。实验结果表明,文中方法在用户低采样的条件下较好地保持了图像结构,自然渲染了图像色彩。

用分块图像特征进行商标图像检索

提出一种使用全局和局部图像特征检索商标图像的方法 首先确定图像的形状主方向 ,根据形状主方向对图像进行旋转 ;然后对旋转后的图像提取目标区域 ,对目标区域用四叉树分解的方法划分多级分块 ;最后抽取分块图像特征进行图像相似性度量 对图像库中 2 0 0 0幅商标图像实验表明 ,分块图像特征具有良好的旋转、平移、尺度和变形不变性 。

基于分块特征收缩的行人检测方法

针对基于梯度方向直方图(Histogram of Oriented Gradient,HOG)特征和局部二值模式(Local Binary Patterns,LBP)特征的行人检测存在特征向量维度大、检测精度有待提高的问题,提出了一种分块特征收缩的行人检测方法。首先将样本图像划分成多个大小相同的重叠分块;然后提取各分块的HOG和LBP特征,并将两种特征融合作为分块的特征,通过该特征来训练分块分类器,根据分块分类器的行人检测精度对分块进行排序,选取检测精度较高的分块进行特征收缩;最后将特征收缩后的分块特征向量连接在一起作为最终用于行人检测的特征。在INRIA公共测试集合上的实验结果表明,该方法在降低了特征向量维度的同时提高了行人检测精度。

基于特征数据分块自适应切片的空洞修补

针对常用的空洞修补方法在修复具有多种曲面类型的空洞时失效和所修复的曲面不光顺等缺点,提出基于特征数据分块自适应切片的空洞修补。首先,在考虑特征信息的情况下基于聚类对散乱点云进行分块;然后利用特征进行自适应切片,获得曲线并进行拟合;最后,在线上取点填充缺失的点云,最终对完整的点云模型进行曲面重构建立实体模型。试验结果表明,采用自适应切片法修补空洞能够保留特征,所填充的点云数据精度较高,能够满足后续建模的需要。此外对该方法填充的点云进行了曲面重构及光顺,结果令人满意。

基于分块CBP特征和稀疏表示的三维人脸表情识别

在三维人脸表情识别中,基于局部二值模式(LBP)算子算法与传统的特征提取算法相比具有特征提取准确、精细、光照不变性等优点,但也有直方图维数高、判别能力差、冗余信息大的缺点.本文提出一种通过对整幅图像进行多尺度分块提取CBP特征的CBP算法,能够更有效的提取分类特征.再结合使用稀疏表达分类器实现对特征进行分类和识别.经实验结果表明,与传统LBP算法和SVM分类识别算法对比,文中算法用于人脸表情的识别的识别率得到大幅度提高.

基于小波域分块特征编码的信息隐藏技术

为了实现长文本信息的隐藏和保密通信,算法先对一个文本文件中的文本内码进行二值化和冗余编码,得到二值水印序列;然后在载体图像分块的Hilbert扫描序列中,每次选取两相邻分块分别进行一层离散小波变换,并利用一个视觉模型计算图像分块的双临界噪声阈值;再根据每两位二值水印编码的不同形式,分别选择双临界噪声阈值之一,来调整两相邻分块各对应细节子带均值之间的大小关系;最后,进行一层离散小波逆变换,以实现信息的隐藏。实验证明,被该算法隐藏的信息具有很好的透明性,且该算法对几种常见图像攻击具有较好的鲁棒性。故该算法是有效和实用的。

一种基于特征点分块的岩心图像融合算法

岩心图像数据采集中,由于岩心表面凹凸不平或者受损,导致单次采集的图像有局部模糊的现象,因此,需要多次聚焦、采集、成像,然后将多幅局部模糊岩心图像融合为单幅高清岩心图像。但在岩心图像融合过程中,容易出现融合重影、"块"现象。结合岩心图像特点(纹理细腻、色彩多样等),提出基于特征点分块的岩心图像融合算法。该算法先校准多幅图像间的几何形变,然后插值融合得到单幅高清岩心图像。试验结果表明,该算法能较好解决岩心高清图像融合中出现重影、"块"现象的问题,使融合的岩心图像效果满足应用需求。

基于分块形状特征的异源图像匹配方法

在基于特征的异源图像匹配中,由于成像原因导致的轮廓不完整会使得匹配难度增加。针对这一问题,提出了一种基于分块形状特征的匹配方法。首先从基准图和实时图中提取轮廓特征并对其进行分块,然后提取分块特征并归一化,最后采用加权相似性度量实现匹配定位。由于利用候选目标区域信息排除了虚警,进一步提高了匹配的正确性和鲁棒性。采用该方法对红外与可见光图像进行了测试。结果表明,本文方法具有较好的匹配性能。

结合非局部与分块特征的跨视角步态识别

目前基于深度学习的步态识别方法大多通过叠加卷积层获取全局特征,忽略有利于细粒度分类的局部特征.针对上述问题,文中提出结合非局部与分块特征的跨视角步态识别方法.将一对步态能量图(GEI)作为输入,提取单样本的非局部信息与样本对之间的相对非局部信息.为了更好地提取局部特征,根据GEI的几何特性,将人体区域水平切分为静态块、微动态块和强动态块,连接至3个二值分类器分别进行训练.在OUISIR-LP和CASIA-B步态数据集上的对比实验表明,文中方法的正确识别率较高.

结合注意力卷积网络与分块特征的步态识别

目前深度学习算法已经广泛应用于步态识别领域,但是大多数现有方法通过卷积神经网络提取步态全局特征时,忽略了许多包含关键步态信息的局部特征,在一定程度上削弱了步态识别的精度和提升潜力。针对上述问题,提出了一种结合注意力卷积神经网络与分块特征的跨视角步态识别方法,该方法以步态轮廓图序列为输入,每帧图片分别经过相同结构的注意力卷积神经网络融合成整体特征,在网络中加入有效的注意力机制CBAM能显式地建模各空间及通道的重要程度,增大显著区域特征的权重;整体特征被水平分成两块进行训练和步态识别,提取的步态局部特征更适合精细的步态分类。在步态数据集CASIA-B和OU-ISIR-MVLP上进行跨视角步态识别实验,结果证明在训练数据集充足与不足的条件下,该方法在识别精度上均优于现有方法。