基于颜色加权的新闻视频镜头检测方法

针对新闻视频镜头切变时颜色特征的变化,提出了一种基于颜色直方图加权的方法,即采用加权颜色直方图作为特征求相邻两帧的帧间差,并与自适应阈值进行比较,确定潜在的镜头边界。同时针对新闻视频中经常出现的闪光灯现象对镜头检测的影响,采用改进的滑动窗口法进行二次检验,进一步确定镜头边界,有效减少了视频中物体运动过快对镜头边界检测的影响。实验结果表明,该方法与传统方法相比,其检测效果较好,且计算复杂度低,易于实现。

基于有向模板和颜色加权SVD的图像匹配算法

为快速稳定地匹配视频序列,并考虑SVD算法的高效性,根据视频序列的特点,对SVD匹配算法进行改进,提出了一种适合视频序列的匹配算法。该算法使用Harris角点检测算子检测兴趣点,使用有向模板提取具有旋转不变性的特征,并通过引入颜色加权法改进SVD算法中的相似性度量函数。同时,又提出一种基于运动一致性约束的误配点剔除方法,首先拟合匹配点间的运动模型,然后自适应地调整参数将错误的匹配点剔除。该算法使用有向模板消除图像间旋转变换的影响,使用颜色特征降低兴趣点匹配时的不确定性,通过运动一致性约束降低误配点数量。实验结果表明,该算法在图像间存在旋转变换关系和不同的光照条件时都可以获得很好的匹配结果,特别是在图像间基线距离较大时仍能得到大量的匹配点并具有很高的正确匹配率,能很好满足实际需要。

基于加权颜色直方图和粒子滤波的彩色物体跟踪

结合粒子滤波技术,提出一种基于加权颜色直方图的彩色物体跟踪算法.将目标颜色直方图作为目标的颜色模型,同时考虑其大小及像素点的位置对颜色分布的影响,将颜色直方图进行加权处理,使模型对区域特征描述更加合理.利用巴特查理亚距离描述粒子与目标颜色模型的相似性,作为粒子更新权值的有力依据.目标颜色模型的合理建立使得算法的粒子需求量少,计算复杂度降低,利于实现实时跟踪.试验结果验证了该算法的有效性和实用性.

融合加权颜色相关图和改进LBP的彩色人脸图像识别

彩色人脸图像识别的关键是如何获取较好的彩色人脸图像信息.根据现有算法的不足提出加权颜色相关图和LBPT算法,并采用有效的方法结合这两种方法实现高效的彩色人脸图像识别.加权颜色相关图不仅体现了彩色人脸图像中颜色的整体分布情况,还反映了颜色之间的空间相关性以及颜色的分布紧密度.LBPT算子是通过自适应获取邻域半径、确定邻域半径与邻域像素点个数关系以及阈值设定来反映灰度图像的纹理特征.二者结合表征了彩色人脸图像的颜色特征和纹理特征.实验证明,加权颜色相关图和LBPT算子的结合在识别精度上有一定的提高.

序列图像中彩色目标跟踪的加权颜色分布方法

提出一种基于加权颜色概率分布模型的彩色目标跟踪方法。对目标的颜色直方图进行改造形成目标的颜色概率分布图,同时考虑到了颜色模型的大小及其中像素点的位置对颜色分布的影响,再对颜色分布图进行加权处理成为加权颜色分布图,以此作为目标的颜色模型。与加权直方图相比,加权颜色分布图对区域特征描述更加合理。实验结果表明,本文方法与典型的mean-shift算法相比,提高了目标的定位精度的同时,降低了计算复杂度,而且在快速运动和被大比例遮挡的情况下对彩色目标的实时跟踪有良好的鲁棒性。

服装检索中分块加权颜色直方图方法的改进

分块加权颜色直方图算法应用于服装检索时效果并不理想。针对存在的问题,对传统算法进行改进。首先采用3×3不均匀分块方式,通过大量实验获取了最佳分块大小和加权权重比。其次,结合Grabcut图像分割算法,提出了一种基于Grabcut图像分割的前景色分块加权颜色直方图算法。对纯色、带少量图案和花色这三类服装,分简单和复杂背景两种情况,分别进行实验。实验结果表明,相比两种传统算法,改进算法很好的解决了服装背景色干扰的问题。对于三类服装的检索,改进算法的查准率和查全率均比另两种传统算法有了显著提高。尤其是对于复杂背景的情况,改进算法的优势更加明显。

综合颜色和纹理特征的粒子滤波人脸跟踪算法

提出了一种综合颜色和纹理特征的粒子滤波人脸跟踪算法.该方法利用粒子滤波能有效处理非线性非高斯过程和融合目标人脸多种测量信息的特性,针对人脸特征对环境变化的不同鲁棒性,综合加权颜色直方图和旋转复合小波进行人脸特征描述,将颜色和纹理特征融合到粒子滤波跟踪框架中.实验结果表明了该算法的鲁棒性、精确性和灵活性,与基于单一特征的粒子滤波跟踪方法相比,该算法稳健而有效,且对现实场景下人脸的跟踪效果准确.

一种融合颜色和纹理特征的遥感图像检索方法

海量遥感图像的自动查询和选择 ,迫切需要有效的基于内容的图像检索方法。鉴于单一视觉特征不能很好地表达图像内容 ,为此提出一种基于五叉树分解的线性加权颜色和纹理特征距离的检索新方法。该方法首先采用五叉树分解法分解图像 ,然后在利用多通道 Gabor滤波器与图像做卷积得到滤波能量值的基础上 ,提取各子图像滤波能量纹理特征 ,最后通过计算子图像的颜色均值和均方差来对查询图像和与其大小相当的数据库子图像进行颜色和纹理特征线性加权距离相似性测度。将该方法用于高分辨率卫星和航空遥感图像数据库检索的实验结果证明 。

基于网络的颜色图像检索系统设计

传统的基于颜色直方图的图像检索方法丢失了颜色空间分布信息,根据提出来的一种分块加权颜色直方图的图像检索方法,通过Visual Studio.Net 2003编程实现了在网络中基于颜色的图像检索系统的设计,并对该系统的检索效果和性能进行了详细分析。实验结果表明该系统具有较好的检索效果和性能。

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.

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。

基于改进型C-V模型的植物病斑图像分割

针对植物病斑图像背景复杂且分割难问题,提出一种基于水平集和加权颜色信息的C-V模型。借助水平集方法对病斑图像的R、G、B分量图像颜色信息取加权值,以差分图像能量作为能量函数最终值,以适应不同的病害种类。试验结果表明,经过R、G、B加权的黄瓜红粉病病斑图像使用4R-G图像模型、苹果锈病病斑图像使用3R-G-B图像模型自动分割的效果较好,比传统C-V模型分割性能好,抗噪性好,可扩展性好。

基于改进完全局部二值模式火焰特征提取的转炉炼钢终点碳含量预测

转炉炼钢火焰图像特征的准确提取是预测终点碳含量的关键,针对于火焰图像相似性高进而难以区分碳含量相近的火焰图像,导致无法准确精准预测碳含量的问题,提出一种改进完全局部二值模式(improved complete local binary pattern,ICLBP)的彩色纹理特征提取方法,用于提取不同碳含量下更具区分性的炉口火焰图像特征并进行终点碳含量的预测。首先,在不同颜色通道下采用局部相位量化(local phase quantization,LPQ)提取图像相位信息,与CLBP提取的图像幅值信息组合成融合特征ICLBP_MP,以增强CLBP算法结构的鲁棒性;然后,通过改进的颜色信息加权策略对其进行加权,以增强火焰图像的颜色对比度信息;最后,使用K近邻回归模型对碳含量进行预测。实验结果表明,碳含量预测在0.02%误差范围内的准确率为83.9%。

复杂情形下目标跟踪的自适应粒子滤波算法

该文提出一种自适应粒子滤波算法。首先建立目标的颜色模型,提出基于加权颜色分布图的目标颜色模型。采用该模型计算目标模板与粒子区域的相似程度,以此作为对目标物体定位的依据,使目标定位更加合理有效;进而在滤波过程中,针对粒子退化问题,提出基于mean-shift迭代的粒子重抽样方法,形成对抽样粒子集的自适应调节,提高了粒子质量,有效降低了粒子数量。最后,进行了对大机动快速运动的小目标和被严重遮挡目标的跟踪实验,结果表明该算法具有较强的鲁棒性。

基于自适应粒子滤波的红外目标跟踪

为有效解决非线性环境中的红外目标跟踪问题,提出一种自适应粒子滤波目标跟踪算法.建立了目标加权概率模型.在滤波过程中,提出双过程粒子重抽样方法,形成对抽样粒子集的自适应调节,有效地解决了粒子退化问题.用实际红外图像序列做了实验.结果表明,在非线性环境下用该方法得到的红外目标跟踪结果优于用传统粒子滤波和扩展卡尔曼滤波算法获得的结果.

一种基于位平面综合特征的彩色图像检索方案

传统的基于颜色直方图的彩色图像检索方法存在严重不足.首先是丢失颜色空间分布信息及特征维数过高,更重要的是无法有效检索含噪声图像.为克服此缺陷,提出了一种基于位平面综合特征的彩色图像检索算法.首先,结合光照、锐化、模糊等噪声攻击特点,从原始彩色图像中提取出重要位平面;然后选取重要位平面的加权颜色直方图作为颜色特征,选取重要位平面的空间信息熵作为空间特征;再综合利用上述颜色、空间两个特征计算图像间内容的相似度,并进行彩色图像检索.仿真实验表明,算法能够准确和高效地查找出用户所需内容的彩色图像,并且具有较好的查准率和查全率(特别对于含噪声图像).

自适应权重粒子群优化的粒子滤波算法

由于粒子群粒子滤波方法存在粒子贫化易陷入局部最优,从而降低算法精度等问题。在目前PSO-PF算法的基础上,提出一种自适应权重法的PSO粒子滤波(AWPSO-PF)算法,能够很好地平衡PSO算法的全局搜索能力和局部搜索能力,使向全局最优位置靠近。在粒子滤波的框架下,建立采用粒子群优化算法思想的系统状态转移模型,建立加权颜色直方图信息,通过自适应改变权值对目标进跟踪。仿真结果表明,改进算法实时性强,与PF和PSO-PF算法相比,计算精度有较大提高。

基于模糊逻辑的多特征融合的粒子滤波跟踪算法

传统粒子滤波跟踪方法采用单一的特征信息,存在跟踪精度低、鲁棒性弱的缺点,为此提出了一种基于模糊逻辑的融合颜色和局部二值模式(LBP)的粒子滤波跟踪方法,提高了目标跟踪的精度。提取出能够表征目标的局部二值模式和基于核函数的加权颜色直方图2种信息;并利用模糊逻辑的方法对2种特征进行有效的自适应融合。试验表明,作者提出的算法在复杂环境下能够进行有效的跟踪,具有较强的鲁棒性和准确性。

一种基于运动检测的行人多目标跟踪算法

针对固定摄像头下的行人跟踪问题,提出一种基于运动检测的多目标跟踪算法。在运动目标检测中,先利用没有目标出现的视频帧建立背景图像,然后计算背景差并计算差分图像的梯度以提高运动区域的检测能力,最后利用区域合并法得到完整的运动目标区域,并间隔一定的时间更新背景模型。在检测到运动目标后转入跟踪。在跟踪目标时,对于有遮挡和没有遮挡的情况分开处理:若目标之间未发生遮挡,基于目标的中心距和加权的颜色直方图特征进行匹配跟踪;当发生遮挡时,用卡尔曼滤波器预测目标的位置。实验证明,相对于传统的基于背景差法的多目标跟踪,该算法能提取更完整、准确的目标区域,对行人这一非刚性目标能实现较好的跟踪。

基于Curvelet方向特征的样本块图像修复算法

能否保持修复后图像的结构连贯性和邻域一致性决定了修复性能的优劣.为提高现有样本块修复算法性能,本文提出基于Curvelet变换的样本块图像修复算法.首先利用Curvelet变换估计待修复图像的4方向特征.然后利用颜色信息与方向信息共同衡量样本块间的相似度,在此基础上构造颜色-方向结构稀疏度函数.同时根据构造的加权颜色-方向距离寻找合适的多个匹配块,并利用多个匹配块在构造的颜色和方向空间内的邻域一致性约束下稀疏表示目标块,同时根据目标块所处区域特性自适应确定误差容限.实验结果表明提出算法较现有算法可获得更优的修复效果,尤其是在修复富含结构纹理破损类型的图像时.