相对边缘方向幅值模式耦合SIFT的人脸识别算法

人脸识别易受到光照变化、遮挡等影响,降低了识别准确率,为此提出一种基于相对边缘方向幅值模式(relative patterns of oriented edge magnitudes,RPOEM)与尺度不变特征变换(scale-invariant feature transform,SIFT)的人脸识别算法。检测脸部的关键点,利用k-均值对这些特征点进行聚类;为消除光照变化的干扰,计算图像的相对梯度幅值,对其进行离散化分解与Gaussian滤波处理;采用局部二值模式编码生成RPOEM特征;引入加权因子,对RPOEM与SIFT特征进行加权组合;通过定义非一致度量来完成对人脸识别的共形预测。实验结果表明,与已有的人脸识别技术对比,所提算法具有更高的识别准确率,对多种复杂背景具有更强的鲁棒性。

利用S变换能量相对熵的幅值比较式超高速方向元件

为提高行波方向元件的可靠性,在分析故障方向特征的基础上,提出一种新的幅值比较式方向元件。不同故障方向下,前行波和反行波特征不同。正方向时前行波和反行波差异较小,反方向时两者差异较大。利用S变换能量相对熵量化前、反行波之间的差异程度。考虑到电容式电压互感器(CVT)不能传变较高频率的电压分量,对前、反行波进行S变换后选择较低频率的分量计算能量相对熵,进而构成方向判据。基于PSCAD/EMTDC的仿真结果表明,所提方向元件能够快速可靠地判断故障方向,其性能不受故障初始角、过渡电阻、故障位置、故障类型、母线接线方式和电弧故障的影响。

一种改进的Canny边缘检测算法

图像中部分低强度边缘在梯度幅值特性上与噪声点十分相似,因此,传统Canny边缘检测算法在采用基于梯度幅值的双阈值法检测和连接边缘时,尽管抑制了噪声,但同时也损坏了部分低强度边缘.针对这一问题,提出了一种改进的Canny边缘检测算法,采用新的基于梯度方向的检测和连接方法取代了传统的双阈值法,充分利用了边缘点和噪声点在梯度方向特性上的差异,在抑制噪声的同时,有效保护了低强度边缘细节,具有优于传统Canny算法的性能.仿真研究也证明了该算法的有效性.

基于EMD方法的多尺度边缘提取

提出了一个基于EMD方法的多尺度边缘提取方法。利用EMD方法沿水平方向和垂直方向分别处理SAR图像,得到不同尺度的图像。计算不同尺度图像的梯度,得到不同尺度图像的边缘。根据一致性条件,从不同尺度图像的边缘提出SAR图像的边缘。利用这个方法处理了合成孔径雷达图像,成功地提取了图像的边缘信息。

基于边缘分布函数的车道标识线识别方法

为了得到较理想的车道标识线的边缘,考虑车道标识线的方向特性,提出一种基于边缘分布函数(EDF)的图像预处理方法。将图像分区处理,在对图像中的噪声特性进行EDF分析的基础上,对处理区域作如下处理:首先将梯度角量化为4-方向,去除与车道标识线方向不一致的噪声,得到边缘图像;然后利用EDF对边缘图像滤波,确定车道标识线角度初值;最后应用Hough变换定位出车道标识线。实验结果表明,该方法能够更加有效地强化车道标识线信息,去除噪声,具有较好的鲁棒性和实时性。

基于多级滤波的感兴趣边缘检测算法

针对边缘检测过程中阈值难确定和提取干扰边缘较多的问题,提出了一种基于多级滤波的感兴趣边缘检测算法。该算法分为四个步骤:首先对图像进行平滑滤波;之后计算水平方向和垂直方向的梯度幅值图像和梯度方向图像;然后根据梯度方向图像对梯度幅值图像进行噪声边缘滤波,并对梯度幅值图像进行非最大值抑制;最后对滤波后的梯度幅值图像进行分割,对得到的边缘映射图进行边缘跟踪,获取所有的边缘段及其特征,并滤除不满足特征约束的边缘,得到感兴趣的边缘。试验结果表明本文算法有很好的适用性。

基于主梯度编码局部二进制模式的花粉图像识别

受显微传感器和不规则收集方法的影响,花粉图像常受到不同程度的噪声干扰且有着不同角度的旋转变化,识别精度普遍不高,为此提出了基于主梯度编码的局部二进制模式(DGLBP)描述子,并应用于花粉图像的分类识别。首先,计算图像块在主梯度方向上的梯度幅值;其次,分别计算图像块的径向、角向,以及复合梯度差;然后,根据各图像块的梯度差进行二进制编码,参照各局部区域的纹理分布情况为二进制编码自适应分配权重,并提取花粉图像在3个方向上的纹理特征直方图;最后,对不同尺度下的纹理特征直方图进行融合,采用欧氏距离计算各图像的相似度。DGLBP方法在Confocal和Pollenmonitor数据集上的平均正确识别率分别为94.33%和92.02%,与其他花粉识别方法相比平均提高了8.9个百分点和8.6个百分点,与LBP改进方法相比平均提高了18个百分点和18.5个百分点。实验结果表明,DGLBP描述子对花粉图像的噪声干扰和旋转变化具有较好的鲁棒性,且具有较优的识别效果。

基于宏块预判的快速帧内预测模式选择算法

针对H.264/AVC帧内预测模式选择部分计算复杂度问题,提出一种基于宏块预判的快速帧内预测模式选择组合算法.该算法采用低复杂度的三点梯度算子改进了边缘方向直方图帧内预测模式选择算法(Pan算法)中利用Sobel算子得到边缘方向矢量.首先运用平均绝对误差(Mean Absolute Difference,MAD)值对编码宏块类型结合QP下的阈值进行预判;预判后的宏块采用改进的Pan算法进行模式筛选,最后确定最佳的预测模式.实验结果表明,在6个不同视频序列全I帧编码情况下,该算法与全搜索算法相比编码时间平均减少大约72.4%,与Pan算法相比编码时间减少28.6%,而码率仅分别增加4.21%、1.8%,峰值信噪比基本不变.

基于中心对称梯度幅值相位模式的单样本人脸识别

针对传统人脸识别算法在单训练样本情况下识别效果不佳的问题,提出一种基于中心对称梯度幅值相位模式(CSGMP)的单样本人脸识别算法。首先,提取人脸图像的梯度幅值和相位信息;然后,用一种新的中心对称局部方向模式(CSLDP)算子对梯度幅值进行编码,再将梯度相位量化到8个区间进行编码,将二者融合形成人脸图像的CSGMP特征;最后,分块统计直方图特征信息,将所有块的直方图串联后作为人脸图像的特征向量,利用最近邻分类器分类识别。在YALE和AR人脸库上进行测试的结果表明,本文所提方法简单有效,对光照变化、表情变化和部分遮挡等环境下单样本人脸识别具有较好的效果。

融合单演特征和CS-LBP的单样本人脸识别

针对单样本情况下传统人脸识别方法识别效果不佳的问题,提出一种融合单演幅值、相位和方向的单演中心对称幅值相位方向模式(MCSLBP)的人脸识别方法。首先采用中心对称局部二值模式(CS-LBP)对同一尺度下的单演幅值进行编码,并将单演相位量化到4个区间进行编码,同时对单演水平方向和垂直方向进行二值编码,然后将三者融合成MCSLBP特征;最后对不同单演尺度空间中的MCSLBP模式图进行分块,提取每一小块的直方图特征并串联后用最近邻分类器进行分类识别。在CAS-PEAL和AR人脸库上的实验结果表明,MCSLBP方法对具有光照、表情和遮挡变化的单样本人脸识别具有较好的识别效果。

基于Hough森林的多特征快速行人检测

为了快速检测行人,根据人体头顶特性快速找出头顶候选点,依此为基点利用边缘检测算法提取目标轮廓,将其作为待测区域;然后利用改进的颜色自相似特征、结合区域边缘直方图和一致模式LBP26,1特征,在Hough森林分类器上进行分类检测。实验结果表明,该算法在检测正确率及速率方面都得到了提高,对于复杂动态场景、遮挡现象以及目标自身形变具有较强的鲁棒性和较高的准确性,在多种行人数据集中测试取得良好的效果。

基于双树复小波的无参考立体图像质量评价

随着3D技术的不断发展,立体图像的使用领域越来越广泛,同时人们对图像的清晰度要求越来越高,因此,立体图像的质量评价成为关注点,基于此,提出了一种基于双树复小波变换的立体图像质量评价算法。使用双树复小波变换对立体图像的左、右视图进行处理,生成纹理结构图像,且根据最小能量误差的原理,获取左右视图的视差图;对纹理结构图像和视差图提取非对称广义高斯分布模型的参数、梯度幅值、相对梯度方向方差和奇异值曲线与坐标轴的面积等特征;使用AdaBoosting BP神经网络,进行训练和预测立体图像的质量得分。在LIVE立体图像数据库上的实验结果表明,新方法预测得分与主观得分有较好的一致性,获得了比较好的实验结果。

基于POEM_SLPP的人脸识别算法

针对方向边缘幅值模式(patterns of oriented edge magnitudes,POEM)提取的人脸特征维数过高和计算复杂度较大的问题,提出了结合方向边缘幅值模式和有监督的局部保持投影(patterns of oriented edge magnitudes_supervised locality preserving projections,POEM_SLPP)的人脸识别算法。首先,采用POEM算子进行特征提取;其次,将高维特征数据投影到SLPP算法求出的低维样本空间进行降维;最后,采用最近邻法对测试样本进行分类。在CAS-PEAL-R1人脸库上的实验结果表明,在表情、背景、饰物、时间、距离测试集上,该算法的平均识别率较POEM+LPP算法提高了22%,较POEM+PCA提高了2%。

一种新融合算法的维吾尔族人脸识别

针对维吾尔族人脸在光照以及部分遮挡下的辨识率下降和鲁棒性差的问题,提出了二维离散余弦变换(2DDCT)与方向边缘幅值模式(POEM)相融合的维吾尔族人脸识别算法。首先,把维吾尔族人脸图像分块处理,并使用2DDCT把其分块后的维吾尔族人脸图像转换为频域状态;其次,压缩维吾尔族人脸图像以排除维吾尔族人脸图像中无用信息,即中频部分与非低频部分,并进行二维离散余弦逆变换(IDCT)得到重构的维吾尔族人脸图像;然后,经POEM计算维吾尔族人脸图像的特征量得到其相应的POEM直方图并把直方图级联在一起,作为该中心特征点的POEM纹理直方图,得到维吾尔族人脸特征点的纹理特征信息;最后,采用深度学习算法进行分类识别。本文通过实验提出的算法,在自建的维吾尔族人脸库中能够进一步提高其人脸识别率,在维吾尔族人脸数据库中其运算速度也有很大提高。实验结果表明,该算法尤其是在维吾尔族人脸数据库中拥有较好的识别精度,具有很强的鲁棒性,特别是在光照以及部分遮挡下具有很强的优势。

基于统计特征的维吾尔文笔迹鉴别研究

针对目前的笔迹鉴别研究只是单一针对纹理特征和概率分布密度,提出一种采用边缘方向分布特征和LBP纹理特征相融合的笔迹鉴别方法。该方法利用概率密度分布思想从边缘轮廓图像中提取边缘方向分布特征,使用直方图向量提取LBP纹理特征,并且采用几种距离公式进行相似性度量。所提方法简单可行并很好地描述了维吾尔文的书写习惯和特征,取得较好的鉴别结果。