引入Hessian矩阵尺度极值检测的图像角度特征匹配

传统的SURF方法对动画图像角度特征匹配准确度较低,计算开销大,稳健性不好。引入Hes.sian矩阵尺度极值检测技术,提出一种改进的基于加速鲁棒特征匹配算法,实现对动画图像的角度特征优化匹配。首先基于摄像机的成像原理利用灰度直方图二进制均衡算法对图像进行增强处理,采用Hessian矩阵检测出图像每个尺度中的极值点,把图像角度极值点聚焦在图像的仿射闭合区域。提取仿射闭合区域的图像角度特征,使用SURF双向匹配算法实现角度特征优化匹配。仿真实验表明,改进方法能使图像的角度特征匹配准确度大幅提升,特征匹配准确率提高显著,有较好的鲁棒性和实时性。

基于脉冲角度特征的雷达辐射源识别及仿真实现

针对目前雷达告警系统中对雷达辐射源识别精度不高的问题,提出利用一类新的指纹特征——脉冲角度特征进行辐射源识别。为能得到较精确的脉冲角度特征,在利用Hilbert法提取脉冲包络的基础上,对包络曲线进行三次样条拟合,并证明了由此所提脉冲角度特征的良好聚类性,最后,通过实例仿真验证了利用该特征能较好对辐射源信号进行分类识别。

基于脊线跟踪的指纹角度特征的提取方法及应用

提出了一种指纹图像特征点的提取方法——脊线跟踪法 .它不仅能够快速准确提取出指纹图像中特征点的坐标 ,而且能够求出每一个特征点所在脊线的角度 .角度特征为指纹图像快速匹配提供了更多的依据 ,因而在图像匹配阶段中 。

基于角度特征分量特征的步态识别

目前,在步态识别技术中多数描述步态特征的方法在非侧面视角下识别效果一般都不够理想,通常会明显低于侧面视角,针对这一问题,文章提出一种以角度特征分量特征作为步态特征的识别方法,提高步态特征的分类能力从而提高识别率。在步态检测部分文章采用基于色度坐标的混合高斯来抑制阴影和消除噪声,步态识别部分使用支持向量机对所提取的角度特征分量特征进行训练和分类,最终在保证侧面视角识别率的情况下同时提高在非侧面视角下的识别效果。

基于角度特征的分类网络

卷积神经网络(Convolutional Neural Networks,CNN)在图像分类任务中的卓越表现,使得其被广泛应用于计算机视觉的各个领域。图像分类模型精度与效率的提升,除了归功于网络结构的改变外,还有很大一部分原因来自于归一化技术以及分类损失函数的改进。在人脸识别任务中,随着精度的不断提升,分类损失函数从Softmax Loss到Triplet Loss,又从L-Softmax Loss到Arcface Loss,度量方式从几何度量发展到角度度量。度量方式的改变实际上是特征形式的变化,即特征形式从一般特征转变为角度特征。在Mnist数据集上,使用角度度量损失函数训练得到的特征点呈角度分布,同时准确率比几何度量高;将角度度量方式用更直接的角度特征来表示,训练得到的同类特征点呈直线分布,准确度也比一般角度度量更高。这不禁令人思考,在CNN分类模型中是否可以使用角度特征来代替一般特征。在CNN分类模型中,其主要架构往往由多个卷积层和一个或多个全连接层组成,通过统一卷积层与全连接层的归一化操作,得到角度卷积层与角度全连接层。在普通分类网络的基础上,用角度卷积层替换卷积层,用角度全连接层替换全连接层,可以得到一个由角度特征组成的角度分类网络。在Cifar-100数据集上,基于ResNet-32构造的角度分类网络相比原分类网络,分类准确率提高了2%,从而论证了角度特征在分类网络中的有效性。

多角度特征融合视频人脸纹理的表示与识别

近年来基于视频的人脸识别已成为人脸识别领域最为活跃的研究方向之一,该技术近年来成为计算机视觉领域的研究热点和难点。本文利用不同表示方法和不同识别方法的视频人脸识别技术具有不同的精确度,主要探讨基于LBP-TOP联合Gabor的多角度特征视频人脸纹理识别方法。

太极拳运动对高校受试者维持身体姿势的能力研究——角度特征

高校学生身体素质正呈现出逐年下降的趋势，本文通过对宁夏高校学生随机抽查40名学生，其中男生20人，女生20人。首先对抽查学生做24式太极拳干预前．后躯干角、踝膝角等测试，得出两组数据进行分析。得出结论为：太极拳的干预，有效的提高了人体在闭目站立时本体感觉的能力；提高肌肉对身体控制能力。

基于多角度图像特征的果蔬识别方案设计——以西红柿为例

目的设计基于多角度像特征的果蔬识别方案。方法采用多角度特征的果蔬识别算法,在水平、垂直、多角度旋转等Haar-like特征的基础上与AdaBoost自学习算法充分结合。通过离线训练,获得识别西红柿的AdaBoost分类器,在此基础上以平均像素值为核心创造颜色特征分类器,使Haar-like与AdaBoost分类器有机结合,实现对果蔬类型的自动识别。结果以西红柿为例进行识别时,准确性超过95%,且该方法对干扰因素具有较强的抗性,完成一帧图像的识别只需85 ms。结论该方法能够迅速的完成识别任务,达到了实时性方面的要求。

基于角度纹理特征及剖面匹配的高分辨率遥感影像带状道路半自动提取

提出了一种基于角度纹理特征及剖面匹配相结合的高分辨率遥感影像带状道路半自动提取方法。该方法由用户输入道路起点、初始方向及宽度,使用角度纹理特征模型预测初始的道路中线点,以抛物线方程参数构建道路中线轨迹参数模型。使用计算曲率变化的方法验证道路轨迹点,对验证失败的中线点位使用剖面匹配算法进行重新预测并确定,最终提取出该道路中线轨迹。本文使用V isual C++构建了原型系统,对Qu ickB ird及IKONOS影像中具有一定宽度的带状道路进行了提取试验,并与经典的基于剖面匹配的半自动道路提取算法和基于Snakes的半自动道路提取算法进行了对比试验。经试验验证,本算法取得了较为理想的结果。

图像多角度局部特征提取及相似性匹配技术研究

图像特征提取是计算机视觉应用的根本基础。研究了SIFT、LBP和HOG等3种信息互补的局部特征(即多角度局部特征)提取算法,研究了基于稀疏编码的图像相似性匹配算法,并以基于内容的图像检索(CBIR)为应用实例,验证了算法的有效性和高效性。

基于渲染图像角度结构特征的三维模型检索方法

为了充分利用三维模型的颜色、形状、纹理等特征,提出以三维模型渲染图像为数据集,利用渲染图像角度结构特征实现三维模型检索。首先,该方法以三维模型渲染图像为测试集,利用已有类别标记的自然图像作为训练集,通过骨架形状上下文特征对渲染图像进行分类,提取角度结构特征,建立特征库;然后,对输入的自然图像提取角度结构特征,与特征库中的角度结构特征进行相似度匹配计算,实现三维模型检索。实验结果表明,充分利用渲染图像的颜色、形状和空间信息是实现三维模型检索的有效方法。

基于角度结构特征的多载体信息隐藏算法

针对单载体信息隐藏算法的嵌入容量和安全性受载体数量限制无法进一步提升的问题,将载体预处理和秘密信息的嵌入结合于图像角度结构特征(angle structure descriptor,ASD),提出了一种基于角度结构特征的多载体信息隐藏算法。首先,提取图像的ASD特征向量对载体集进行分类,转换得到图像ASD方向场后对其编码;其次,根据载体分类数对秘密信息分段并进行置乱和优化;最后,基于ASD方向场的编码数据,在不同类多数量的载体上完成信息隐藏。在秘密信息提取时增加了对ASD特征向量提取时颜色量化差值的判断,进一步提升算法性能。实验分析表明,与基于单载体和图像分存的信息隐藏算法相比,算法的隐蔽性和鲁棒性都有明显提升,几乎可以完全抵抗基于统计特征的隐写分析,适用于对安全性要求高的大容量秘密信息隐蔽通信等应用。

基于特征优化的无参考光场图像质量评价

光场图像因其能够捕捉光的方向信息而备受学术界和产业界的广泛关注,然而,光场图像在压缩和重建过程中常会出现不同程度的失真,影响光场图像的后续处理和应用。因此,需要设计一个光场图像质量评估器来估计失真光场图像的质量。传统的光场图像评价方法在提取光场图像的空间特征和角度特征时,未充分考虑人眼视觉的多通道特性以及人眼对角度变化的敏感性,从而影响光场图像的质量评价结果。为此,提出一种无参考光场图像质量评价方法。设计多频带局部二值模式算法,提取光场图像的空间特征并利用优化提取的空间特征测量光场图像的空间质量。提出加权局部相位量化算法,该算法在对微透镜图像单元中提取的角度特征进行相位量化时,根据角度信息变化的强弱赋予不同的权值。在此基础上,将空间和角度纹理特征结合成一维特征向量,输入到已经训练的支持向量回归中,得到光场图像的质量分数。在Win5-LID和NBU-LF1.0数据集上的实验结果表明,该方法的斯皮尔曼等级相关系数分别为0.799 1和0.803 2,相比SSIM、FSIM、BRISQUE等方法,具有更优的质量评估准确性和稳定性。

基于角度纹理特征模型的道路提取方法

随着遥感影像分辨率不断提高,影像上地物目标特征也相对复杂,目前道路提取算法通用性和稳定性都减弱,复杂的模型提取效率较低。本文提出一种基于角度纹理特征模型提取道路中心线,并同时获取道路的宽度信息,实验数据采用高空间分辨率全色卫星影像,实验表明:该算法是一种有效地道路提取方法,提取结果能够满足遥感测绘作业要求,为道路提取和更新提供一种智能化手段。

静态图像区域特征角度信息配准仿真研究

对图像特征角度信息的配准,能够有效提高静态图像的特征准确性以及其清晰度。对静态图像区域特征角度信息的配准,需要先对图像进行降噪处理,获得静态图像目标初始特征角度,完成对图像特征角度信息的配准。传统方法构建静态图像尺度空间,采用相对灰度直方图来表征特征角度信息,但忽略了对图像初始特征角度的获取,导致配准精度偏低。提出静态图像区域特征角度信息配准方法。对静态图像进行分割,抑制图像区域背景中同目标区域差异较大区域所形成的噪声。应用特征角度变换将静态图像区域特征转换为特征角度系数,在特征角度变换域分离信号和噪声并完成静态图像降噪处理,接着采用优化后的特征角度系数重建静态图像,在图像域利用形态学方法获得目标初始特征角度,实现静态图像区域特征角度信息配准。实验结果表明,上述方法图像分割结果明确,特征配准率较高。

基于角度纹理特征和岔路口探测模型自动提取遥感影像道路网

针对已有的高分辨率遥感影像道路提取算法在自动化和连贯性方面的不足,提出了一种改进的道路网智能提取方法。使用传统的模板匹配等方法进行道路追踪提取时,无法识别岔路口,需要用户进行交互操作才能让追踪朝各支路方向继续进行。针对此问题,本文提出一种岔路口探测模型,用于识别岔路并通过获取到的岔路口信息自动指导各个支路的后续追踪。将该岔路模型有机结合到已有角度纹理特征匹配算法中,使相互连通的道路仅通过一次初始点设定便能全部追踪提取出来,极大地增强了提取的自动化程度。试验表明本算法是一种稳健的道路准自动提取算法。

液晶投影显示中分色合色膜系空间角度特性的研究

分色合色系统是液晶投影显示系统中决定图象质量最关键的器件 .本文根据实际应用提出了一种简洁的空间分析模型 .详细分析了入射锥光束对分色合色膜系光谱空间角度特性的影响 ,结合实例计算 ,讨论了锥光束空间锥角的大小对分色合色膜系光谱分布及三基色能量分配的影响 .

基于空间特征的BI-LSTM人体行为识别

随着微软Kinect等深度相机的出现,使用具有简洁性、鲁棒性和视图无关表示的3D骨架节点数据来识别人体行为的方法获得了很好的效果,但现有的针对骨骼序列数据的大多数学习方法缺少空间结构信息和详细的时空动态信息。利用双向长短期记忆网络(BI-LSTM)模型能长时间存储骨骼序列的特点获得丰富的双向时间信息对动作的顺序进行建模,同时从3D骨骼关节点坐标中提取关节点之间的相对距离特征和相对角度特征来加强空间结构特征,完成从骨骼数据中实现人体行为识别。该方法有效地进行了人体行为动作分类,提高了识别准确性。

关键肢体角度直方图的行为识别

当前的姿态表示的行为识别方法通常对姿态的准确性做了很强的假设,而当姿态分析不精确时,这些现有方法的识别效果不佳。提出了一种低维的、鲁棒的基于关键肢体角度直方图的人体姿态特征描述子,用于将整个动作视频映射成一个特征向量。同时,还在特征向量中引入共生模型,用以表示肢体间的关联性。最后,设计了分层的SVM分类器,第1层主要用于选择高判别力的肢体作为关键肢体,第2层则利用关键肢体的角度直方图并作为特征向量,进行行为识别。实验结果表明,基于关键肢体角度直方图的动作特征具有较好的判别能力,能更好地区分相似动作,并最终取得了更好的识别效果。

特征互补的图像美学质量评分方法

深度卷积神经网络(DCNN)难以针对性地分析图像的特定区域及其相互关系.文中将深度特征与人工设计的特征进行互补结合,提出对图像美学质量评分的方法.首先确定并抽取对美感起主导作用的特定区域,针对该区域及其与其它区域的关系,选择和设计5组美学相关的人工特征,特别是提出线条角度特征和清晰度对比特征.基于Siamese网络结构获取深度特征.选用支持向量回归(SVR)对上述两类特征进行回归预测,并设计基于spearman秩相关系数的权值调节最终的分数.实验表明,文中方法效果较优,与图像美学质量的主观评价具有较好的一致性.