基于颜色名和OpponentSIFT特征的鳞翅目昆虫图像识别

【目的】本研究旨在探索使用先进的计算机视觉技术实现对昆虫图像的自动分类方法。【方法】通过预处理对采集的昆虫标本图像去除背景,获得昆虫图像的前景蒙板,并由蒙板确定的轮廓计算出前景图像的最小包围盒,剪切出由最小包围盒确定的前景有效区域,然后对剪切得到的图像进行特征提取。首先提取颜色名特征,把原来的RGB（Red-Green-Blue）图像的像素值映射到11种颜色名空间,其值表示RGB值属于该颜色名的概率,每个颜色名平面划分成3×3像素大小的网格,用每格的概率均值作为网格中心点的描述子,最后用空阈金字塔直方图统计的方式形成颜色名视觉词袋特征;其次提取Opponent SIFT（Opponent Scale Invariant Feature Transform）特征,首先把RGB图像变换到对立色空间,对该空间每通道提取SIFT特征,最后用空域池化和直方图统计方法形成Opponent SIFT视觉词袋。将两种词袋特征串接后得到该昆虫图像的特征向量。使用昆虫图像样本训练集提取到的特征向量训练SVM（Support Vector Machine）分类器,使用这些训练得到的分类器即可实现对鳞翅目昆虫的分类识别。【结果】该方法在包含10种576个样本的昆虫图像数据库中进行了测试,取得了100%的识别正确率。【结论】试验结果证明基于颜色名和Opponent SIFT特征可以有效实现对鳞翅目昆虫图像的识别。

颜色名词语的文化语义

颜色寓意名词语修辞现象是世界范围内的语言文化现象,汉语颜色寓意名词语修辞有着深厚的文化积淀。随着世界各民族语言文化的深度融通和广泛渗透,当代汉语语用现实中颜色寓意名词语修辞呈现出新的文化内涵。

基于球颜色模型的主色调提取与颜色名标注

将对立色的颜色空间距离设为1,建立了一种球颜色模型,利用该颜色模型统计图像像素的三维颜色直方图,利用极大值法提取图像的主色调；对1 031个中文颜色名的HVC值转换为该颜色模型值,利用最接近的中文颜色名描述图像的主色调,实现了对图像主色调的颜色名标注.

特征融合的尺度估计颜色名跟踪算法

针对颜色名跟踪器在跟踪过程中运动目标在遮挡、尺寸变化等干扰下不能有效跟踪的问题,提出一个在颜色名(color name,CN)跟踪器框架下融入LBP纹理特征的快速尺度估计算法。运用自适应融合CN颜色特征和LBP纹理特征,利用特征融合后的最高输出响应作为预测目标位置信息;利用尺度滤波器对预测到的目标信息做出尺度估计;结合响应图的峰值旁瓣比,对目标模型做出更新调整。将改进算法在OTB-2013视频集中和近年来流行的跟踪算法做对比实验,实验结果表明,改进算法在尺度适应性和遮挡方面优于大部分算法。

汉语名形颜色复合词的历时演变与生成机制研究

立足语言演变理论和丰富语料,从历时角度,深入考察汉语名形颜色复合词的发展轨迹与生成机制。研究发现:(一)该类复合词始成于战国,发展于唐宋,扩张于元明清,其结构稳定、定语倾向、语体由书面语拓展至口语、频率由低下逐渐至高频;(二)该类复合词源于古汉语中名词作状语修饰形容词谓语的句法结构,其演变发展存在相对滞后性和相对能产性,其数量通过类推机制不断增长;(三)该类复合词是对汉语传统构词法的继承和发扬,其产生和发展体现了人类认知自然色彩的规律。

“物名+颜色词”类造词法的认知研究

造词法不仅是一种创造新词的方法,也是人们认识世界,表达世界的一种方式。"物名+颜色词"类造词法所创造的新词,也表示颜色,属于状态形容词,但它又有许多不同于其他颜色词及状态形容词的独有特色。细致分析这种不同,既有助于我们对此类颜色词的理解与运用,又可以进一步剖析造词法的认知价值。

基于颜色属性的车辆阴影去除方法

颜色属性,即语言颜色标签,可以表示世界中的所有颜色。视频帧图像中的阴影的颜色属性为黑色,因此提出一种基于颜色属性的车辆阴影去除方法。利用概率潜在语义模型学习颜色属性,建立颜色名概率字典,并实现对视频帧图像的颜色名映射,将表征阴影的黑色区域二值化为背景,而非阴影区域二值化为前景。同时,将二值化图与背景差分图进行"与"操作,去除阴影,再去除阴影外边缘的噪声。最后,对其进行先膨胀再连通域填充处理,以得到去除阴影后的车辆目标。实验证明,该方法在一定场景下可以很好地去除阴影,获得相对完整的运动车辆目标。

基于自学习特征的相关滤波跟踪算法

依靠高效的鉴别回归模型和多线索特征,如方向梯度直方图(HOG)特征和颜色名(CN)特征,相关滤波(CF)跟踪算法取得了优异的跟踪效果。但其弱点是不能应对由表观变化过程中鉴别信息不充分而导致的跟踪失败。针对这一问题,提出了基于自学习特征的相关滤波跟踪算法(SLDCF)。其中,自学习特征探索了相邻帧之间协同表示的特性,能够学习到相邻帧之间的目标变化情况,同时有效减少背景的干扰,以提高滤波器的鉴别性。通过标准视频数据集上的验证对比实验,其跟踪效果优于其余传统的相关滤波跟踪算法,证明了该算法的有效性和鲁棒性。

基于多特征和尺度估计的KCF_MTSA算法

多模板尺度自适应核相关滤波器(KCF_MTSA)跟踪算法在目标移动模糊、旋转和尺度变化时跟踪距离精度与成功率较低。针对该问题,提出一种结合多特征和尺度估计的改进KCF_MTSA目标跟踪算法。采用方向梯度直方图和颜色名两种特征对目标进行表征,在训练阶段分别使用多模板核相关滤波器对上述特征进行训练,同时在检测阶段将两个滤波器的响应以权重形式进行自适应融合获取响应图实现目标定位,并使用一维相关滤波器进行目标尺度估计。实验结果表明,该算法的跟踪距离精度和准确率较改进前KCF_MTSA算法有明显提升,其距离精度和准确率分别提高15.8%和28.5%。

Food Color Memory and Names- A Linguistic Vantage

We name colors of foods with great ease. This process is conventionalized through our cultures and our biological dictates. People identify food colors through words that are again highly constrained. Embodiment of experience and perception deals with these constraints to make color term use a cognitively economical mechanism, keeping numbers of concepts in mind through categorial conceptualization in long term memory. The parallel process that puts together our linguistic and visual information, allows the individual to map a correspondence between the two frames. The result of this mapping is a ＂cognitive color＂ in long term color memory. This paper presents an experiment in triggering long term memory and the response results. The objective was to verify whether individuals＇ cognitive color of well known foods, both raw and cooked, that they had just identified with Natural Color System （NCS） color samples, would be predominantly a primary basic color term, a secondary basic color term, or a complete descriptive utterance. The name used to communicate a desired signification is accessed through the judgement of similarity and difference with a point of reference. In this case, the food color vantage represents the cognitive color remembered.

基于显著图和稳定区域融合的小目标检测算法

在真实场景中,物体的尺寸往往是多样的,基于大图像的目标检测很难检测所有的物体。为了检测较小尺寸目标,本文利用显著图和稳定区域融合﹐建立小目标检测算法模型。首先利用基于颜色名空间的显著性检测算法生成显著图﹐同时采用基于最大稳定极值区域(MSER)算法提取局部稳定区域,MSER算法是目前针对图像变形最为稳定的特征检测算法﹔其次采用像素乘性融合稳定区域和显著图以降低虚警概率﹔最后调用一些图像处理过程,包括形态学重建操作﹑灰度变换,形态空穴填充操作,能够有效抑制背景,同时均匀的突出显著性目标﹐以推断和优化最终结果。为了验证该算法的有效性和实用性﹐以PR曲线为评价指标﹐比较了几种主流算法的性能,包括AZ-NET、FPN、PGAN。通过对Sky数据集和Ground数据集的测试,表明该算法能够很好地适应目标尺寸的变化,在检准率和检全率方面优于现有的小目标检测算法,具有良好的鲁棒性。