基于聚合边缘方向直方图的图像检索算法

针对传统的边缘方向直方图在图像检索应用中的不足,提出了一种基于聚合边缘方向直方图的图像检索算法。采用小波模极大值边缘检测算法提取图像边缘;根据图像边缘点的方向信息及其之间的空间分布特征得到聚合边缘方向直方图;通过循环移位计算直方图间的最小距离作为相似度,实现了图像检索。该方法具有较好的平移、旋转、尺度不变性。实验结果证明了该算法的有效性和可行性,并取得了较好的检索效果。

基于空间边缘方向直方图的Mean Shift跟踪算法

传统的基于色彩直方图或空间色彩直方图的Mean Shift跟踪算法,在诸如跟踪目标出现尺度变化的复杂条件下,无法得到准确的跟踪结果。这是因为色彩直方图或空间色彩直方图无法显著区分颜色相近的目标和背景。鉴于此,提出了一种基于空间边缘方向直方图的Mean Shift跟踪算法,使用空间分布和纹理信息作为匹配信息。实验结果表明,该算法能够有效的处理遮挡、光照变化和尺度缩放等复杂情况,对目标进行准确有效的跟踪,改善了传统方法在尺度缩放等方面的局限性。

采用显著性分析与改进边缘方向直方图特征的红外与可见光图像配准

为了实现红外图像与可见光图像的信息融合,弥补单一模态图像的不足,提出了一种基于显著性分析与改进的边缘方向直方图EOH(Edge Orientation Histogram)特征的红外与可见光图像配准算法。该算法首先利用显著性分析技术找到可见光图像中的重要信息,得到显著性图;将其与可见光图像融合,实现可见光图像中重要信息的划分。然后,利用自适应FAST(Features from Accelerated Segment Test)算法,探测可见光与红外图像上的特征点;利用改进的EOH,描述特征点。最后,根据描述计算特征点的相似性,在可见光与红外图像上找出对应的特征点,实现红外与可见光图像的匹配。在3种不同情况下对红外与可见光图像数据进行了配准实验。结果表明:在红外图像与可见光图像采集条件相似情况下,特征点正确匹配率为96.55%,而在图像采集条件差异较大的情况下,特征点正确匹配率可达74.21%。该算法可实现红外与可见光图像的精确快速匹配,即使红外图像与可见光图像采集的角度与位置均存在较大差异的情况下,仍可以满足红外与可见光图像匹配对精度和稳定性的要求。

一种新的道路描述子:对称边缘方向直方图

基于主要道路物方空间形状特征 ,本文提出了一种新的特征矢量———对称边缘方向直方图 ,作为较高分辨率航空影像中主要道路的特征描述 .图像空间边缘像素的拓扑关系 ,该矢量较好地描述了图像的主要形状属性 ,并具有对于图像平移、旋转、尺度和光照变化的不变性 .模糊C 均值聚类算法的分割实验表明 ,该特征矢量较好地解决了较高分辨率影像中主要道路的特征描述问题 ,能有效地从实际航空影像中提取主要道路种子点 .

基于边缘方向直方图相关性匹配的图像检索

针对基于边缘方向自相关图的图像检索算法的优缺点,提出了一种基于边缘方向直方图相关性匹配的图像检索算法。使用自适应中值滤波器滤除图像中的椒盐噪声。利用Sobel算子提取图像边缘,通过计算边缘梯度幅值、角度统计后得边缘方向直方图,并对直方图进行等级化排列构成特征向量。最后使用斯皮尔曼等级相关计算图像特征向量间的相关系数作为衡量图像间相似性的指标。实验结果表明:该算法的平均查准率、查全率较基于边缘方向自相关图算法分别提升10.5%,9.7%,平均检索耗时减少了7.5%。实验验证了算法的有效性,可将算法应用到中大规模图像检索系统中以提升检索效果,提高系统速度。

一种利用边缘方向直方图检测绝缘子的方法

在图像/视频中自动检测和定位绝缘子是绝缘子故障诊断重要前提,但是目前还没有高效的、成本较低的检测绝缘子方法。本文提出了一种利用边缘方向直方图定位绝缘子的方法。首先,分别计算图像子块和模板的边缘方向矢量,并通过矢量变换得到变形模板的边缘方向矢量;之后,针对分块的图像,通过模板与之边缘方向矢量匹配,得到绝缘子的候选区域;而后,对候选区域进行连续性判断,从而实现绝缘子的准确定位。实验表明该算法能够较好地在图像/视频中检测和定位绝缘子。

基于边缘方向直方图的Adaboost人脸检测

在传统的Adaboost分类器算法中,采用色彩直方图或空间直方图作为提取特征,但这并不能充分描述图像目标的特征,导致了目标检测和跟踪出现偏差。提出了一种基于边缘方向直方图的Adaboost人脸检测算法,使用空间分布和纹理信息作为提取特征。实验结果表明,该方法与传统Adaboost方法相比,准确率明显提高,而速度相当。

基于对称边缘方向直方图自动提取主要道路

提出一种从航空影像中自动提取主要道路的方法。以对称边缘方向直方图作为主要道路特征矢量,先采用一种顾及数据空间分布特性的模糊C均值聚类算法分割提取主要道路种子段,然后利用Snakes算法跟踪提取完整主要道路网络。实验结果表明,所提方法能有效地从航空影像中自动提取主要道路网。

基于边缘方向直方图的H.264帧内预测快速算法

H.264/AVC是最新的视频编码标准,和以往的标准相比,它具有更高的压缩性能。H.264/AVC采用了非标准方法率失真优化(RDO,Rate Distortion Optimization)技术,提高编码性能的同时也使得计算复杂度大大增加,难以适应实时性要求较高的场合。为了降低帧内预测模式选择的复杂度,在Pan算法的基础上提出了快速模式选择新算法。对Pan的基于边缘方向直方图的快速算法进行了改进;同时,结合色度预测模式与亮度预测模式的相关性,以及Intra16×16与Intra4×4的相关性,从而降低了模式选择的计算复杂度。实验结果表明,该方法在PSNR和码率基本不变的情况下,编码时间大大缩短。

基于形状边缘方向直方图的图像检索算法研究

描述了一种基于边缘方向直方图(Edge Direction Histogram,EDH)的图像形状特征提取方法,算法提取的特征向量同时满足尺度、平移和旋转不变性。实验证明该方法对于具有单一背景、形状特征明显的图像具有较好的检索效果。

基于组合欧拉向量与边缘方向直方图的图像检索方法

在图像数据库中,如何有效检索和查询图像是一个重要的研究内容.文中提出一种结合组合欧拉向量与边缘方向直方图(EOH)的图像检索方法.首先,从边缘图像中提取组合欧拉向量特征进行图像检索(EEXO算法),其次,为更好地区分不同形状但欧拉特征相近的图像,将EEXO算法与EOH算法相结合提出EEXOEOH图像检索算法.实验结果表明,EEXOEOH算法与其它4种算法相比,具有较好的检索效率.

基于边缘梯度方向直方图的图像检索

图像检索是计算机视觉研究的热点问题之一。首先对数字图像进行边缘检测;接下来对各个边缘点求其梯度;然后根据各个边缘点的梯度求得边缘梯度方向直方图;最后用街区距离进行相似性度量,实现图像检索。仿真实验表明,本文提出的算法是一种有效的图像检索方法。

基于边缘直方图的粒子滤波跟踪算法及其实现

以颜色直方图为特征的运动目标跟踪算法容易受到光线变化及视场内其它同色目标的干扰。采用运动目标的边缘方向直方图作为特征,利用序列重要性采样原理和粒子滤波算法实现了对人体运动目标的跟踪。实验显示了该算法在光线变化及存在同色目标干扰时能够有效跟踪目标。在算法实现过程中,采用积分图计算边缘方向直方图,减少了计算时间,提高了计算速度,达到了实时跟踪的效果。

基于边缘方向信息的高效帧内预测算法

为了降低H.264/AVC中帧内预测算法的复杂度,以便满足实时性要求较高的场合,提出基于宏块的灰度直方图能量分布特性,对宏块预测方式intra_4×4和intra_16×16预判;然后对Pan算法所存在的缺陷加以改进,给出一种新的帧内预测算法。实验结果表明,在全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了68.9%,与Pan算法相比,编码时间减少最大超过37%,在保证图像质量与压缩性能的前提下,可以有效地降低计算复杂度,从而大大提高编码速度。

融合车尾边缘特征的前车识别与纵向车距检测

以提升车辆主动安全、减少纵向碰撞事故为目标,提出了一种基于车尾边缘特征信息的前车识别方法与基于单目视觉的纵向车距检测方法。有别于传统算法利用全局边缘特征或灰度纹理特征来识别前车,该算法首先依据路面灰度分布特性来分割车底阴影,再利用车尾水平与竖直边缘的分布特性建立前车ROI,进一步利用竖直边缘的对称强度验证车辆身份。根据摄像机的小孔成像原理建立纵向车距测量模型,避免了复杂的内外部参数标定。道路试验表明,算法对车辆的平均识别率达到88.5%,纵向车距检测的平均相对误差小于3%,能够实现的有效测距范围为(6.9~78.3)m,其精度与运行速度可以满足实际驾驶中的纵向车距检测。

基于颜色和边缘特征自适应融合的人脸跟踪算法

针对传统的基于颜色直方图跟踪算法不能精确跟踪的缺陷,提出了一种基于粒子滤波的自适应融合多特征的人脸跟踪算法.该方法首先在视频序列中提取人脸的肤色和边缘特征,并以加权颜色直方图和边缘直方图描述人脸特征;然后采用自适应融合方法计算粒子集权重.这种自适应融合方法,有效地增强了人脸跟踪的可靠性.实验结果表明,在视频人脸存在类肤色以及光照变化等复杂背景下,该方法改善了跟踪效果并且具有较强的鲁棒性.

基于稠密光流和边缘特征的烟雾检测算法

为了克服传统火灾烟雾检测技术的缺陷,提高视频烟雾检测算法的检测率,通过观察烟雾运动的特性,提出一种基于稠密光流和边缘特征的烟雾检测算法。该算法首先利用混合高斯背景建模和帧差相结合的方法提取运动区域,然后将此运动区域池化为上、中、下三部分,并在每个池化区域提取光流矢量特征和边缘方向直方图。考虑到烟雾运动在时域中的连续相关性,提取相邻三帧的烟雾特征向量以提高算法的鲁棒性。最后使用支持向量机进行训练和烟雾检测。实验结果表明,该算法在测试视频集上准确率超过94%,与现有方法相比,能更好地适应实际应用中复杂的环境条件。

基于FPGA的图像形状边缘匹配算法的实现

文章以Altera公司Cyclone II系列FPGA为平台搭建图像处理系统,通过硬件方式实现图像形状边缘梯度匹配算法,完成了单一背景下具有规则形状物体图像的快速中值滤波、Sobel边缘检测和边缘梯度直方图统计及相关性匹配模块的设计,较好地体现了FPGA流水线结构和并行处理能力。实验结果证明,该图像处理系统可以成功匹配到单一背景下与目标模板形状相似的物体图像,匹配结果受物体平移、缩放、旋转的影响较小。

融合颜色和边缘特征的改进型CamShift跟踪算法

CamShift算法仅用颜色作为目标特征,在相似色干扰、遮挡、高速运动以及光照变化等条件下易出现跟踪不准确甚至目标丢失,提出基于运动分割和特征融合的改进型Camshift算法。采用三帧差分结合最大类间方差自动获得初始搜索窗口,自适应获得最优搜索窗口,用色度和边缘加权联合直方图表征目标,对色度直方图的每个像素位用高斯模型核函数进行加权处理并实时更新,有效解决相似色干扰、遮挡等问题。实验证明,改进型算法在目标干扰、遮挡等情况下与同类算法相比都具有良好的跟踪效果,具有较高的鲁棒性和准确度。

基于自适应多特征融合的mean shift目标跟踪

经典mean shift目标跟踪算法简单快速,具有较好的跟踪效果,但是它用单个特征描述目标,易受相似目标与背景的干扰,鲁棒性较差.针对此不足,推导出多特征融合mean shift目标定位公式;为了适应跟踪过程中目标与背景的变化,提出利用概率分布可分性判据动态评价特征对目标与背景的区分能力,并自适应地计算特征融合权重.在上述两个方面的基础上,对mean shift目标跟踪算法进行了改进,提出一种多特征融合mean shift目标跟踪算法.实验结果表明:提出的算法比经典mean shift目标跟踪算法具有更强的抗干扰性能和较高的跟踪精度.