基于连续均值量化变换的人脸检测算法

针对人脸检测中对旋转、光照、遮挡等检测的准确性与稳健性问题,提出将连续均值变换用于人脸检测的方法。首先利用连续均值变换提取候选区域人脸的特征,用提取的特征训练SNoW分类器,通过分类器对人脸与非人脸样本进行分类,达到准确确定人脸位置的目的。实验结果证明,与人工神经网络、支持向量机和朴素贝叶斯相比,该方法在复杂背景和光照和遮挡以及多人脸等情况下仍然具有很好的准确性和稳健性。

复杂背景和光照多变的人脸检测方法

复杂背景和光照多变的人脸检测是自动人脸识别系统需要解决的重要问题之一,首先利用YCbCr空间进行肤色分割,获取候选人脸区域,然后提取相应区块的LSMQT特征,并利用SNoW分类器进行特征分类,最终获取人脸在图像中的准确位置。实验证明,该方法对复杂背景和光照多变的图像中的人脸具有较高的正确检测率。

基于小波融合的人脸图像增强方法

针对人脸识别中图像预处理问题,提出了一种基于高频强调滤波和连续均值量化变换的图像增强算法。高频强调滤波能够突出高频分量,同时也保留了高通滤波后丢失的低频分量,而连续均值量化变换是一种新的有效的图像增强方法。然后采用小波融合两者处理后的图像。实验表明,该方法能够改善整体视觉效果,证明该方法的有效性。

基于多分辨率和SMQT变换的电力设备红外图像增强算法研究

本文提出一种适用于电力设备红外图像增强的新颖算法,该算法基于红外温度场和连续均值量化变换,首先根据红外图像特点,提出了运用温度场来表示红外图像,代替传统的使用红外辐射值表示红外图像,从理论上分析了如何从红外辐射值求出温度值;接着论文阐述了连续均值量化变换(简称SMQT),并将SMQT变换应用于红外图像增强;最后,将不同的算法应用于红外图像增强,实验结果表明该算法的优越性。

视频人脸检测与特征点定位研究

基于对视频中人脸的检测和特征点定位算法的学习与研究,文中提出了一种结合连续均值向量和主动形状模型的新方法。该方法首先对视频帧进行局部连续均值量化变换处理,快速地检测出似人脸区。然后用改进ASM方法来定位所检测出人脸的特征点,使用双阈值Sobel算子进行边缘检测,提取边缘信息,当搜索时利用这些边缘信息来改变特征点的权值,使带有更多边缘信息的像素点更有可能被选为最佳候选点。该方法可以快速地对人脸做出检测,并能很好地定位出人脸特征点。

视频监控系统中的行人及其面部侦测研究

采用集成H.264硬件编解码视频处理单元Hi3512来设计视频监控系统,并探讨行人目标的自动侦测问题。在对视频图像进行形态学分析的基础上,利用背景差方法实现运动目标区域的粗提取,通过阴影去除算法实现运动目标的精确定位,再利用连续均值量化变换(Successive Mean Quantization Transform,SMQT)算法实现运动区域灰度图像的增强处理,然后利用SNoW(Sparse Network of Winnows)分类算法实现行人及其人脸部位的侦测。实验结果表明,所采用方法能够自动检测出监控区域的行人目标及其面部信息,可有效地应用于无人值守视频监控场合。

一种复杂光照条件下的人眼定位方法

复杂光照条件会引起人脸表面的光照分布不均匀,出现局部过亮、过暗和反光等问题,给后续人眼定位带来较大影响。为了提高复杂光照条件下人眼定位的准确率,提出一种先定位人脸再定位人眼的方法,该方法首先采用高斯肤色模型结合人脸先验知识定位人脸区域,对所得人脸区域进行自适应连续均值量化变换增强,最后结合连通域分析对人眼进行定位。实验结果表明,该方法对复杂识别率较高,对头部姿势及面部表情等的变化具有一定的鲁棒性。

一种复杂光照条件下的人眼定位方法研究

在复杂的光照条件下人脸表面的光分布不规律,会出现局部过亮、过暗和反光等情况,会影响人眼定位的准确性。为了提高在复杂光照影响下人眼定位的准确率,本文提出一种先定位人脸再定位人眼的方案。首先采用Haar-like特征的Ada Boost级联分类器检测出人脸区域,对所得人脸部分进行自适应连续均值量化变换增强,然后结合连通域的分析对人眼进行定位。实验结果表明,该方法运算速度快,定位效果好。

基于改进的同态滤波与Canny算法的磁瓦表面缺陷检测算法研究

针对磁瓦图像光照不均匀、对比度较低、表面干扰磨削纹理较多的问题,提出了一种基于改进的同态滤波与Canny算法的磁瓦表面缺陷检测算法。首先,采用改进的同态滤波传递函数将磁瓦图像分解成高频图像和低频图像,用连续均值量化变换增强高频图像,再将增强的高频图像与低频图像融合便能够得到光照较均匀和对比度较高的磁瓦图像。然后,将传统Canny算法中的高斯滤波器替换为相对总变差模型,从而提取出磁瓦缺陷结构;为了提高边缘检测的精度,增加了梯度方向模板求取图像像素点的梯度幅值和方向,并采用基于图像灰度信息的单阈值提取出图像缺陷边缘,提高了算法的鲁棒性。最后,通过形态学处理对检测出的缺陷边缘图像进行填充,并把干扰边缘去除,便可得到磁瓦的缺陷区域。实验结果表明,所提算法对磁瓦表面缺陷检测的效果较好,检测精度较高,且适用于多种类型的磁瓦表面缺陷。

基于改进的同态滤波与SMQT相结合的磁瓦表面缺陷图像增强算法研究

针对磁瓦表面缺陷图像整体光照不均匀、对比度较低、纹理细节信息不清晰等问题,提出了一种改进的同态滤波与连续均值量化变换(successive mean quantization transform,SMQT)相结合的磁瓦表面缺陷图像增强算法。首先,使用改进的巴特沃斯传递函数替换传统同态滤波中的传递函数,使其将图像分解成高频图像和低频图像;然后,使用SMQT算法非线性拉伸高频图像的灰度范围使其扩展到整个灰度级区域,从而达到对高频图像进行增强的目的;最后,将低频图像与处理后的高频图像进行融合得到增强图像。实验结果证明,所提算法有效改善了磁瓦表面缺陷图像的光照不均匀、提高了图像的对比度、增强了图像的纹理细节信息,使得图像的缺陷部分和细节部分更加清晰可见。

复杂背景下钢板表面缺陷检测的图像增强方法

为了实现复杂背景中钢板表面图像缺陷的准确检测,采用连续均值量化变换(SMQT)对钢板表面图像进行增强处理.每个均值量化单元的计算由3步实现:计算各个像素灰度值的平均;采用均值量化方法将各个像素的类度值量化为0或1;将量化输出分解到2个节点中.实验表明:与传统图像增强方法相比,本方法可以显示出图像底层的结构特征,并能自动集中增强图像的细节信息,具有较好的增强性能.