基于直方图加权HCBP的人脸表情识别

针对局部二值模式(Local binary pattern,LBP)及其改进算法所提取的特征维数过长、局部特征描述不够充分的缺点,提出了一种基于直方图加权HCBP(Haar-like centralized binary pattern,HCBP)的人脸表情识别方法。首先将人脸图像分成大小均匀的若干子块,利用HCBP算子提取各子块的纹理特征;然后通过信息熵的计算求得各子图像的权值,将加权子块HCBP特征直方图和原图像的HCBP直方图进行联合作为表情特征;最后,使用最近邻分类器对特征进行分类。Haar型特征与CBP相结合使得本文特征提取算法对局部特征的描述更为充分,信息熵的引入区分了人脸不同部位对表情的贡献程度。通过在JAFFE和Cohn-Kanade人脸表情库的实验证明:本文方法具有更高的识别率和识别效率。

直方图加权均值滤波器

本文提出了一种适合于消除图像盐椒噪声的滤波器———直方图加权均值 (HWM)滤波器 .该算法以加权均值滤波器为基础 ,利用被污染图像的直方图函数作为权值进行加权运算 .实验表明 ,对于噪声率在 5 %到 90 %的的噪声图像 ,HWM滤波器具有良好而稳健的去噪效果 ,当噪声率超过 70 %时 。

高噪声率红外图像直方图加权滤波算法

针对高噪声率红外图像,提出一种基于邻域相关度量的滤波算法(HWF).以图像灰度相关理论为基础,分析了盐椒噪声对红外图像灰度分布和灰度差分布的影响.盐椒噪声改变红外图像灰度直方图的相对幅值,但不改变其基本形状,高噪声率红外图像直方图保留了原始图像的灰度分布信息.定义了邻域相关系数以描述像素作为有效信号点的概率.用邻域相关系数作为滤波处理的强度指数,自适应调整处理窗内各像素在邻域加权滤波算法中的权重.灰度直方图体现了对原始信息的保留,邻域相关系数体现了对有效信号和噪声信号的识别和区别处理.实验表明,对于高噪声率红外图像,HWF算法具有良好去噪效果和细节保持能力.

基于二维直方图加权的模糊C均值聚类的煤泥浮选泡沫图像的分割

通过对实际煤泥浮选泡沫图像的模糊C均值聚类图像分割结果的对比分析,与普通模糊C-均值聚类的算法和一维直方图加权的模糊C-均值聚类的算法相比,基于二维直方图加权的模糊C-均值聚类的算法,具有收敛速度快,实时性强的特性,不仅准确地将煤泥浮选泡沫图像划分了气泡顶点、气泡表面及背景三类像素,还增加了气泡边缘与背景的对比度,使气泡区域定位准确,使得后续的基于标记的分水岭的图像分割更加准确,避免了过分割与欠分割。

基于加权直方图均衡的红外图像增强方法

针对红外图像特点和传统直方图均衡增强方法的不足,提出了一种改进的直方图均衡增强方法。先采用所提出的加权函数对红外图像各灰度级直方图进行调整,其中对背景区低灰度级的直方图进行缩小,对目标区高灰度级的直方图保持不变,然后进行均衡化处理。实验结果表明,本文提出的方法有效地压制了背景噪声,提高了目标对比度,综合性能优于传统直方图均衡和双平台直方图均衡方法。

基于加权颜色直方图和粒子滤波的彩色物体跟踪

结合粒子滤波技术,提出一种基于加权颜色直方图的彩色物体跟踪算法.将目标颜色直方图作为目标的颜色模型,同时考虑其大小及像素点的位置对颜色分布的影响,将颜色直方图进行加权处理,使模型对区域特征描述更加合理.利用巴特查理亚距离描述粒子与目标颜色模型的相似性,作为粒子更新权值的有力依据.目标颜色模型的合理建立使得算法的粒子需求量少,计算复杂度降低,利于实现实时跟踪.试验结果验证了该算法的有效性和实用性.

Shearlet多方向特征融合与加权直方图的人脸识别算法

针对Shearlet变换在提取特征数据时存在冗余性以及无法对全局特征进行稀疏表征的缺点,提出了一种Shearlet多方向特征融合与加权直方图的人脸识别算法。首先,对原始图像采用Shearlet变换得到多尺度多方向的人脸特征,然后按照两种编码方式将同一尺度下不同方向的特征进行编码融合,并将融合后的尺度图像划分为若干大小相等的不重叠矩形块,利用Shannon熵理论对各子模式进行加权融合。在ORL、FERET和YALE人脸库中做了多组实验,充分证明该算法相对于传统Shearlet滤波器在分类识别上更具有优势。

基于局部背景加权直方图的目标跟踪

针对传统的颜色直方图和加权颜色直方图跟踪算法难以在复杂环境下对目标进行有效跟踪的问题,提出了一种基于局部背景加权直方图的目标跟踪算法,该算法将目标的局部背景看作上下文,将其引入目标表征。在粒子滤波跟踪算法框架下,用局部背景加权直方图来表征目标,以增强目标与背景的鉴别性,从而突出目标区域内的前景信息。各种场景的实验结果比较表明,提出的跟踪算法比传统的颜色直方图和加权颜色直方图跟踪算法具有更好的稳定性和鲁棒性,特别是针对目标被局部遮挡及跟踪环境光照变化较大等情况。

基于加权直方图位混淆与分阶混沌异扩散的快速图像加密算法

目的为了解决当前图像加密技术因在置乱和扩散过程忽略了明文像素特性,导致其抗明文攻击能力较弱,并且整个像素扩散均采用相同的加密机制来实现,存在安全性不理想问题,文中设计基于加权直方图位混淆和分阶混沌异扩散的快速图像加密算法。方法该算法充分利用整个明文的像素值,将其嵌入到整个置乱与扩散阶段,且在扩散过程中,利用不同的加密函数对不同的像素进行扩散。首先,联合Logistic与Tent映射,利用非线性组合思想构建新的低维混沌系统,并分析其混沌性能;考虑输入明文的像素值,建立像素加权直方图,借助外部密钥,生成复合混沌系统的初值,通过迭代输出随机序列;再将明文的每个像素在位水平上进行扩展,利用离散化的随机序列在位水平上实现明文混淆;随后,将分数阶理论嵌入Logistic映射中,构建分阶Logistic混沌映射,利用像素的加权直方图对其迭代,输出混沌数组;对混淆密文的像素进行分类,结合混沌数组,设计异扩散模型,对三类像素进行不同的加密。结果测试结果显示,与当前混沌加密算法相比,所提加密机制具有更强的抗明文攻击能力,其输出密文的像素分布更为均匀。结论所提加密技术兼顾了较高的安全性与效率,能够较好地保护图像在网络中安全传输。

基于加权直方图的数字减影图像矫正算法

数字减影图像矫正是DSA血管三维重建的重要预处理过程.运用分阶段矫正思想,本文首次提出基于加权直方图的数字减影图像矫正算法,对传统运动矫正和灰度矫正算法均进行有效改进.改进措施包括根据减影图像边缘信息选取控制点、构造基于减影加权直方图能量的相似性测度、生成血管排除模板和利用减影加权直方图寻找灰度偏移量.实验结果表明,改进算法能改善减影图像质量,增强血管辨识度,更有效消除运动噪声和灰度噪声,矫正效果明显.

基于加权直方图和均值漂移的实时跟踪算法

均值漂移算法在跟踪过程中没有有效利用跟踪目标的位置、运动方向等信息,当物体快速移动、旋转时,实时跟踪的目标极易丢失;均值漂移算法利用密度梯度估计跟踪目标,直方图是用来统计图像或图像的某个区域中每个灰度级或颜色级的分布情况的,依据颜色分布进行匹配具有较好的稳定性。跟踪目标的直方图受目标形状变化的影响较小,但通常直方图不包含任何的空间位置信息,加权直方图有效利用了空间信息。提出了一种加权直方图和均值漂移算法相结合的快速实时跟踪算法。实验证明该算法具有速度快、鲁棒性、稳定的特点,基本达到了实时跟踪处理的要求。

基于德劳内三角剖分的彩色图像加权直方图表示及检索技术

经典的颜色直方图方法存在诸多缺陷,例如它不能表示图像中颜色的空间分布信息。为了进一步的提高图像检索能力,在分析图像特征的基础上,文章给出了一种基于角度图的直方图加权的图像表示方法。这种方法不仅保持了图像直方图简单方便的特点,同时又有效地将颜色的空间分布信息集成到直方图中。实验结果表明,对比经典直方图表示这种彩色图像的表示方法能获得更好的检索效果。

融合SMCF与加权直方图的视频人脸快速匹配方法

在视频流环境下,提出了一种融合序列蒙特卡罗滤波(SMCF)与加权直方图的快速人脸匹配方法,该方法以目标人脸在HSV空间下的加权直方图作为匹配特征,利用SMCF的采样和权值化处理技术预测人脸可能的匹配区域,通过最大后验估计实现目标的快速相似匹配。实验表明,采用在HSV下具有聚类特性的加权直方图特征可有效地适应复杂背景的干扰,同时SMCF的区域预测和最大化估计有效地减小了计算开销,增加了匹配的可靠性,可应用于人脸跟踪、视频监控及数字娱乐等领域。

融入二值模式优化的背景加权直方图目标跟踪方法

Mean shift算法是一种重要的目标跟踪方法。本文在充分研究Mean shift算法的基础上,发现传统的跟踪算法缺乏描述目标的信息,且易受到光照变化等因素的影响,可能直接导致目标跟踪的失败或者带来较大的误差。本文首先计算目标图像区域中基于局部二值模式(LBP)的纹理特征模型,然后在建模目标模型和候选目标模型时采用一种加权背景直方图的方法。该方法能充分考虑目标附近的背景干扰以及背景信息,能有效降低背景和目标位置的相关性。实验表明,改进的方法能有效提高目标的跟踪精度。

离散分数阶随机变换与加权直方图交叉置乱的双图像加密算法

为了实现对两幅图像进行同步加密,降低传输负载并提高密文的抗明文攻击能力,提出了离散分数阶随机变换与加权像素混沌置乱的双图像加密算法。将2个分阶参数引入到Tent映射中,设计了新的Tent映射;根据明文像素值,构建加权像素直方图模型,联合位外部密钥,生成改进的Tent映射的初值;再利用初值对分数阶Tent映射进行迭代,输出2组随机序列,对2幅明文进行位置交叉混淆,获取2个置乱密文;基于DWT(discrete wavelet transform)技术,对2个置乱密文进行稀疏表示;根据混沌序列,定义随机循环矩阵,联合稀疏表示,获取2个置乱密文对应的测量矩阵。根据随机掩码与调制相位掩码,建立数据融合模型,将2个测量矩阵组合为复合矩阵;基于离散分数阶随机变换,对复合图像进行扩散,获取密文。测试数据显示:与已有的多图像加密方案相比,该算法的抗明文攻击能力与用户响应值更理想,密文的NPCR、UACI值分别达到了99.83%、34.57%。该算法具有较高的加密安全性,能够有效抵御网络中的外来攻击,确保图像安全传输。

服装检索中分块加权颜色直方图方法的改进

分块加权颜色直方图算法应用于服装检索时效果并不理想。针对存在的问题,对传统算法进行改进。首先采用3×3不均匀分块方式,通过大量实验获取了最佳分块大小和加权权重比。其次,结合Grabcut图像分割算法,提出了一种基于Grabcut图像分割的前景色分块加权颜色直方图算法。对纯色、带少量图案和花色这三类服装,分简单和复杂背景两种情况,分别进行实验。实验结果表明,相比两种传统算法,改进算法很好的解决了服装背景色干扰的问题。对于三类服装的检索,改进算法的查准率和查全率均比另两种传统算法有了显著提高。尤其是对于复杂背景的情况,改进算法的优势更加明显。

基于加权PSSM直方图和随机森林集成的蛋白质交互作用位点预测

为了提高蛋白质相互作用位点预测的精度,该文基于蛋白质位置特异性得分矩阵(Position specific scoring matrix,PSSM),提出了一种新的加权得分矩阵直方图特征表示方法;针对训练数据的极端不平衡,结合下采样和分类器集成方法,训练随机森林集成分类器。相对于传统的特征,该文所提新特征具有更低的维数,同时拥有更好的鉴别性。分类器集成则缓解了下采样带来的信息丢失,并提高了分类精度。实验结果验证了所述方法是有效的,在标准数据集上的结果优于其他最新的蛋白质相互作用位点预测方法。

基于加权直方图均衡化彩色图像增强仿真

针对传统直方图均衡化(HE)算法在处理低质量图像时出现的细节信息丢失、部分灰阶合并的不足,提出一种彩色图像在HSV空间的加权HE图像增强算法。通过增加权重参数实现自适应调节图像像素信息的目的,算法构造了一种新的自适应映射函数。图像灰度级经过两次不同的映射有效地克服灰阶合并和细节丢失现象。对于输入图像进行颜色幅度拉伸和饱和度信息拉伸至最大化,完成对图像颜色信息的恢复。仿真结果证明,算法弥补了其它算法处理结果中出现的对比度低下和颜色信息丢失等不足,算法有效地改善了图像的质量。

一种基于背景加权直方图的Mean-Shift跟踪算法

经典的Mean-Shift算法以颜色直方图为特征进行跟踪,但在视频目标跟踪中没有有效地利用跟踪目标的空间信息,因而当目标快速移动时,目标极易丢失。针对这一问题,提出了一种基于距离目标形心加权直方图的Mean-Shift跟踪算法。距离目标形心加权直方图可有效利用目标在图像中的位置信息,从而能实现复杂背景下的目标跟踪。并分别用改进的基于距离目标形心加权直方图的Mean-Shift跟踪算法和经典的Mean-Shift跟踪算法,对快速运动的目标进行跟踪实验。结果表明,改进的基于距离目标形心加权直方图的Mean-Shift跟踪算法,具有较强的鲁棒性和实时性,能有效实现复杂场景下的目标实时跟踪。

用于单矢量水听器方位估计的加权直方图法

在水下无人系统中使用矢量水听器进行声源方位估计具有较大的优势,采用加权直方图法可以利用单个矢量水听器实现方位估计,且计算量较小。文中分析了声能流检测器的原理,由声能流可以获得平面内声能量的分布情况,为加权直方图法提供了理论基础。通过分析发现:在低信噪比下,声源的能量扩展到了真实方位之外,使得加权直方图法的统计间隔会分割声源能量,从而出现方位估计误差。针对这一问题,提出了改进的基于能量搜索的加权直方图法,该算法采用滑动窗口法寻找声源所在区间,并利用重心法获得区间内的能量中心即方位估计的结果。通过仿真证明:改进后的算法在统计间隔为10°,信噪比为-10~10dB时,均比原算法具有更好的性能,其均方根误差平均减小43.7%,且在多目标(干扰)环境下的方位估计结果也更准确。文中研究可为有效改进单矢量水听器方位估计算法提供参考。