基于边缘检测和颜色纹理直方图的车牌定位方法

针对已有车牌定位算法在分辨率高、背景复杂图像上存在准确率下降的问题,提出了一种基于边缘检测和颜色纹理直方图的车牌定位算法。该定位算法分为两个阶段:首先利用结合了Canny和Sobel算法的改进边缘检测算法提取图像的垂直边缘,并结合滤波、投影等方法进行车牌粗定位;然后提取候选区域的颜色纹理直方图,与训练好的分类器进行匹配,实现车牌的精确定位。实验表明,该方法对于背景复杂、光照不均等情况均有良好的鲁棒性,在白天和晚上都能取得较好的定位效果。

基于复杂融合特征与灰度-纹理直方图描述子的红外弱小目标检测追踪算法

为了解决当前红外目标检测追踪算法仅依靠单一图像特征对弱小目标增强,使其在背景杂波与噪声干扰严重条件下,难以剔除图像背景中的伪目标像素,导致弱小目标检测与追踪精度不高,提出了基于复杂融合特征与联合灰度-纹理直方图描述子的红外弱小目标检测与追踪算法。首先,针对红外图像不同特征的背景干扰因素,引入不同方向的腐蚀操作结构元素,设计了分类Top-Hat变换算子,充分抑制背景杂波与噪声,从而将弱小目标从复杂背景中凸显出来;随后,引入方差权重信息熵,构建复杂融合特征,对红外图像进行分割,确定候选目标区域;并基于管道滤波模式,对候选目标区域中的真实弱小目标与伪目标进行筛选,将虚假目标过滤;再考虑弱小目标的强度与纹理特征,基于LBP技术(local binary pattern),设计了灰度-纹理直方图描述子,充分描述红外弱小目标的边缘、线端与角点等鲁棒性特征,较好地保留目标的空域信息,有效剔除图像背景中的伪目标像素;最后,联合均值漂移算法,对红外弱小目标进行精确追踪。实验结果显示:与当前红外目标检测追踪技术相比,在复杂背景干扰条件下,本文算法具有更高的检测精度与更低的追踪误差。

一种结合颜色纹理直方图的改进型Camshift目标跟踪算法

针对背景中存在颜色相近目标或目标被遮挡时Camshift算法跟踪失败的问题,提出了一种改进的Camshift目标跟踪算法。首先,改进算法模型直方图的计算选用颜色和纹理相融合的直方图概率分布,解决了Camshift算法只使用单一的颜色模型、很难适应物体大范围运动造成的背景变化或遮挡的不足;其次,图像权值采用目标模型与目标候选模型特征概率之比的平方根来计算,并用权值进一步估计目标的位置和方向,克服了原始Camshift算法中图像权值仅依靠目标模型计算的不足,大大减少了背景特征对跟踪的影响;最后,利用粒子滤波对运动目标状态进行估计,以克服目标运动引起的遮挡、交错或重叠,进而提高目标位置跟踪精度。实验结果表明,改进算法的平均每帧成功率达到50%以上,平均中心位置误差低于20%。改进算法能有效改善目标跟踪性能,从而实现目标跟踪的有效性、准确性。

梯度纹理直方图与多层感知器船舶快速检测

在动态的复杂环境中,受背景建模失效影响,传统船舶目标检测方法的精度较低。针对该问题,提出一种基于梯度纹理直方图特征与多层感知器的船舶快速检测算法。该算法利用多层感知器将目标的梯度与纹理的直方图进行特征融合,为船舶目标构建特征空间。首先,基于二值梯度的特征训练船舶候选区模型,以快速生成具有高召回率的少量船舶候选窗口,并在每个候选窗口提取梯度纹理直方图特征;其次,设计一个多层感知器作为船舶分类器,对提取到的梯度纹理直方图特征进行判别。实验结果表明,该算法在多个海上场景中船舶检测平均精确率达90.0%,平均执行时间为20.4 ms/frame,有效实现海上船舶精确与快速的检测。

基于背景加权的联合颜色纹理直方图跟踪算法

针对在背景与目标颜色相近以及复杂场景中跟踪不准确的问题,提出一种改进的背景加权Mean Shift(均值漂移)跟踪算法,在目标颜色直方图中加入纹理特征,并将局部背景信息引入目标特征直方图中,以排除复杂背景的影响。实验证明,本文提出的算法在应对复杂背景及遮挡时比经典的Mean Shift算法以及背景加权Mean Shift算法更有效,且拥有不错的运行效率。

一种新的图像纹理表示方法

该文基于纹理元直方图导出了纹理的新表示方法 ,并根据正交镜像滤波器的小波变换能量的转换和量化来定义纹理元 .此外 ,给出了数种小波纹理特征集的实验评价 ,此方法具有将 Brodatz纹理分类的极好性能 .同时还研究了数种考虑近似旋转不变性或比例不变性的变换 .最后 ,引入了生成纹理直方图和形成二进制纹理集的特征空间的过程 ,而且纹理直方图和二进制纹理集的特征空间与颜色直方图是对称的 .获得纹理的这些表示旨在为度量纹理的相似性和从图像中抽取纹理区域 .

基于对象直方图G统计量的遥感影像道路提取

提出了一种基于对象直方图G统计量的遥感影像道路提取方法。首先基于标记分水岭算法分割高分辨率遥感影像获取对象像斑,提取对象光谱特征并利用SVM从影像中分离出光谱相似的建成区(道路、建筑物等);然后从建成区选择合适的对象作为训练样本,采用G统计量度量测试样本与训练样本的LBP纹理直方图距离,以表达对象纹理特征的异质性,并利用最小距离分类器完成建成区内道路与建筑物等的分离;最后结合几何形状特征和数学形态学处理对提取的道路进行优化,获得最终的道路提取结果。试验结果表明:该方法能较好地提取出道路信息。

基于纹理特征的肝硬化MRI分期

借助MRI影像的计算机辅助诊断已逐渐被应用于肝硬化分期研究中。为了提高分期的准确率,本文基于MR8滤波器组的纹理特征提取对肝硬化MRI分期,构建了一个适用于肝硬化MRI的T1、T2、动脉期、门静脉期和平衡期五种序列图像的分期系统。MR8滤波器组具有响应维度低和旋转不变性等优点,因此,本文利用MR8纹理特征构建纹理基元统计直方图将肝硬化分为三个阶段,分别为正常、早期和中晚期。与经典的灰度共生矩阵(GLCM)的纹理特征提取方法相比,MR8滤波器组纹理特征对每一序列肝硬化的分期准确率均高于GLCM方法,其中T2和平衡期,三个阶段的ROI分期准确率均达到100%;在此基础上,将五个序列的分类结果进行融合,最终病例的分期准确率也达到100%。

融合颜色与纹理特征的粒子滤波目标跟踪

针对采用单一颜色特征的粒子滤波目标跟踪算法在背景相似、光照变化复杂的场景下会导致跟踪失败的问题,提出一种基于LBP纹理和颜色特征融合的粒子滤波跟踪目标算法。综合加权颜色直方图和LBP纹理直方图进行目标特征描述,建立目标观测模型;同时粒子滤波进行状态预测,利用Bhattacharyya系数进行相似度测量,作为目标区域参考模型更新准则,实现权值更新;最后对权值归一化处理,得到目标位置状态的最终估计。实验结果表明该算法不仅提高了跟踪方法的鲁棒性,而且在目标遮挡、光照变化等干扰下,具有较好的准确性。

基于Tamura-HOG纹理特征与矩特征融合的配网电缆终端故障诊断方法

针对现有的配网电缆因局部放电随机且复杂导致故障诊断尚存不足的问题,本文提出了一种融合局部放电谱图的矩特征、Tamura纹理特征和方向梯度直方图特征的特征提取方法。该方法从形状特征、全局和局部方向纹理特征3方面更加全面地表达局部放电谱图特征,对局部放电谱图的矩特征、Tamura和方向梯度直方图纹理特征进行提取与融合,结合自适应提升算法、后馈神经网络和支持向量机算法均可以实现识别准确率较高的故障诊断效果。然后,将本文方法与后馈神经网络、支持向量机及卷积神经网络、栈式自编码器深度学习算法进行识别对比,结果表明,自适应提升算法的识别准确率最高、耗时最短,具有良好的通用性和稳定性,为配网电缆的故障诊断提供了新的方法。

基于人眼感知度的分块加权图像检索

提出了一种基于人眼感知度的图像检索算法。该算法首先由像素的人眼感知度的计算得到各分块的权值,然后对分块的LBP纹理直方图和HSV颜色直方图进行加权处理,综合纹理和颜色特征进行图像检索。实验结果表明,该算法结合了局部图像的相关性,利用了纹理和颜色特征的互补能力,检索结果符合用户所需并具有较好的查准率和查全率。

基于全局和局部信息的目标跟踪算法

图像序列中的运动目标在跟踪过程中容易受到复杂环境以及严重遮挡所影响。针对该问题,提出一种基于全局信息和局部信息的混合粒子滤波算法。新算法在传统粒子滤波的基础上引入了多子块纹理直方图,它包含了目标的局部空间信息,使得跟踪算法的鲁棒性有所提高;根据目标受遮挡的程度自适应调节全局和局部信息对目标定位的贡献,在一定程度上提高了算法的抗遮挡能力和适应能力,实验结果表明该算法在目标处于部分遮挡和严重遮挡时能够达到比较理想的跟踪效果。

基于Multi-Agent的图像理解

具有专家系统外壳的图像理解软件的开发一直是一个重要的尚未解决的研究课题。我们的研究就是试图解决此问题 :首先将 agent构造环境扩展为一个 multi agent的图像理解系统 ,而此系统是知识入口的开发工具 ,它为用户提供一个类似于专家系统外壳的界面。这样一方面能加速图像理解系统的开发 ,另一方面方便那些缺乏图像理解知识的人开发图像理解应用程序。

基于多信息融合自适应粒子滤波的目标跟踪算法

粒子滤波是一种可在非线性和非高斯情况下进行状态估计的有效方法,基于单特征粒子滤波跟踪算法在目标跟踪中的应用及存在的不足,针对颜色信息在光照变化和相似背景条件下存在的缺点,为了仍能对目标进行有效地跟踪,加入纹理信息来表示目标,并给出基于目标的颜色特征和纹理特征多信息融合的自适应粒子滤波算法,使用三种量测模型并给出具体的算法和实验结果,实验证明此方法与仅基于颜色粒子滤波跟踪方法相比,在计算量增加不多的情况下大大改善了跟踪的性能和鲁棒性。

一种基于点的快速图像配准算法

提出一种基于点的快速配准算法。该算法在特征点提取时采用加速分段测试特征算法,通过对比度纹理直方图对特征点进行描述。为加快算法的匹配速度,选用最优节点优先算法进行查找。同时为提高匹配算法的鲁棒性,利用随机抽样一致性算法去除误匹配点对。实验结果表明,与经典的SIFT算法和SURF算法相比,该算法在保持算法稳定性能的同时,可有效提高匹配速度。

基于改进的Heaviside核函数新的目标模型追踪算法

为更好地解决前景和背景相似程度较大或目标运动较为复杂的问题,提出了基于改进的Heaviside核函数新的目标模型追踪算法.在初始帧中,使用改进的Heaviside核函数来表示目标区域,然后分别计算目标区域前景和背景元素的颜色纹理直方图特征分布,并通过前景和背景特征分布差异建立新的目标模型,它可更好地代表目标.对于候选模型,结合传统Epanechnikov核对目标模型建模,通过Bhattacharyya系数进行迭代搜索,最终收敛的位置即为下一帧的目标中心.实验结果表明:提出的算法和传统的Mean-shift算法和基于颜色纹理直方图的Mean-shift算法相比较精确度高、速度快、鲁棒性强.

基于目标背景加权的核跟踪

在核跟踪(Mean Shift跟踪)算法中,目标的表示方法对跟踪性能有很重要的影响。传统的核跟踪算法只是通过计算目标模型和候选目标模型,对目标进行跟踪,没有消除背景的影响,特别是目标与背景相近的情况。对此,提出了一种目标背景加权的核跟踪算法,该算法是在跟踪过程中对目标模型进行背景加权,并且在目标的表示中采用颜色纹理联合直方图。为了验证跟踪的可靠性,利用跟踪位置与目标位置之间偏移量的均值和方差进行衡量。实验结果表明,与传统的跟踪算法相比,该算法在目标的表示和跟踪性能上有很大的提高。

基于重叠条纹特征融合的行人再识别

针对行人再识别过程中,光照、摄像机设置等因素影响行人图像颜色以及在提取图像特征时丢失部分图像细节的问题,提出一种基于重叠条纹特征融合的行人再识别方法。在提取特征前,对图像进行重叠条纹分割,对所分割的条纹提取HSV颜色直方图和Gabor纹理特征直方图,HSV颜色直方图可以增强图像颜色信息的鉴别性,而重叠条纹分割方法解决丢失图像细节问题,Gabor纹理特征对图像的边缘敏感,增加图像的细节信息,融合所提取的图像特征,形成特征描述子;然后用交叉视角逻辑度量学习算法进行识别;最后在VIPER和GRID图像库上进行实验,rank1分别达到了31.68%和16.32%,rank10和rank20也有明显提高。结果表明所提方法能够提高行人再识别的识别率。