EVP描述符在实时人脸识别中的应用

提出了新的EVP(边缘向量模式)人脸描述(或表示)方法,并结合常见分类器组成人脸识别系统,与其他已有方法比较。EVP的特点是不仅用梯度值代替像素强度值描述对象的外观和形状,还描述了邻近区域信息之间的关系。对于FERET人脸数据库的实验结果显示,当结合最近邻分类器时,EVP优于其他表示方法。对于LFW数据库,并结合多核支持向量机(MKL-SVM)的EVP,得到的结果非常令人满意。更可贵的是,基于EVP方法的识别速度大约是基于伽柏(Gabor)方法的20倍。而基于伽柏的方法是目前公认较好的方法。

隋唐时期联珠团窠纹智能再生设计研究

为了实现隋唐时期联珠团窠纹图案智能再生设计,文章采用中值滤波平滑处理,利用自适应高低阈值法代替人工调参,提高适应性;结合拉普拉斯算子和形态学处理优化线稿,最后基于颜色特征将位图转化为矢量图。通过对隋唐时期联珠团窠纹样矢量图进行创新设计,并应用于现代汉服和家纺产品中,为联珠团窠纹在纺织服装产品中的设计与应用提供参考。

FPGA中宽边译码器的测试方法研究

现有的关于FPGA的测试主要集中在可编程逻辑和互连线资源,而没有涉及FPGA中的宽边译码器的测试。本文提出了一种测试FPGA中宽边译码器的方法,该方法实现了FPGA中的宽边译码器的逻辑资源及其相连的长线资源的全覆盖测试。该实验采用Xilinx公司的XC4000E系列芯片,在基于SOC软硬件协同技术的FPGA自动测试系统中进行测试。实验结果表明,用本文提出的4次配置图形和测试向量能够完成全覆盖测试。

由形态学边缘模式匹配实现数字稳像

针对在一些实际应用场合摄像机设备的震动造成的视频序列失稳,提出了一种基于形态学边缘模式匹配的数字稳像方法。该方法首先利用形态学方法提取视频图像边缘,然后利用当前帧子块与参考帧子块的边缘进行特征匹配,以确定当前帧子块相对于参考帧的局部运动矢量。对得到的局部运动矢量进行分析判决,以确定该局部运动矢量是否为真正的抖动偏移量,消除视频帧本身因存在局部运动目标、低对比度、纹理区域等因素对全局运动矢量估计的影响;最后,通过判别确认的局部运动矢量确定全局运动矢量并进行运动补偿,实现数字稳像。仿真实验表明,由于该方法的块局部运动矢量采用1bit边缘进行最大相关值估计,因而复杂度低,而采用异常情况判决准则消除了其对真正运动矢量估计的影响,稳像精度高,可应用于因摄像头平移震动等因素造成的视频序列失稳。

基于扫描点云数据的零部件边缘轮廓提取技术

针对目前大型零部件边缘轮廓线提取效率低的问题,提出一种基于扫描点云数据的零部件边缘轮廓提取技术。该技术从边缘轮廓线的形成方式出发,通过分析边缘轮廓线垂直截面线的分布特征,定义了模式向量表征屋脊型和折线直线-直线相交型截面线。提取过程主要包含截面线数据的获取、截面线类型的识别和边缘轮廓线数据的提取这3个步骤。为获取边缘轮廓线的截面线数据,构造了初始边缘轮提线,并沿初始轮提线构造垂直万向切片。万向切片与网格化云云数据的交,云卩为截面线数据。定义了基于相邻点法向夹角的模式向量,用以识别截面线的类型。针对折线型和屋脊型截面线数据提出拟合求交法和重心计算法提取其上的边缘轮提线数据云。开展试验验证提取技术的有效性和精度,结果表明所述方法的边缘轮廓线提取准确度可达到±0.2 mm。

高分辨率航拍灰度图像中的房屋主轮廓识别

提出一种对高分辨率的灰度低空航拍图像的房屋主轮廓识别系统,应用图像分割与房屋矢量化相结合的算法,首先把图像分割成一系列只包含1幢或几幢房屋的子图像,再分别对子图像进行边缘检测、直线检测和房屋矢量化,以缩小算法的复杂度,并实现自适应地调整矢量化参数.该系统适用于房屋密度大,结构复杂的城市地区,在图像平面与地面有一定的倾斜角度时,仍能很好地识别出房屋的主轮廓特征,算法对阴影也有很好的抗干扰性.

一种景物图像修补新方法

分析了景物图像修补的特点,在此基础上构建了一类景物图像的样本数据集。尝试将支持向量方法引入该领域,采用支持向量机对待修补图像进行分类,利用匹配的模板数据对空洞进行边缘修补和色彩填充,根据空洞外部图像的细微特征对纹理和色彩进行二次修补。实验结果表明该方法的精度优于传统方法,体现了该方法的实用性和有效性。

基于边缘对称性和IULBP的行人检测方法

针对现有行人检测方法速度慢、无法满足实时性检测需求的缺点,提出一种基于边缘对称性和改进的等价局部二值模式的行人检测方法 ES-IULBP(Edge Symmetry and Improved Uniform Local Binary Patterns)。该方法首先对输入的图像进行垂直边缘提取并计算对称性,完成行人的初检测,确定行人候选区;然后引入等价局部二值模式,并对其改进,进行行人的纹理特征提取;最后结合线性支持向量机进行行人验证。实验结果表明,与基于梯度方向直方图特征的行人检测方法相比,ES-IULBP检测速度快、准确率高,并具有较强的鲁棒性。

采用金字塔纹理和边缘特征的图像烟雾检测

目的与传统点式感烟器相比,图像烟雾检测具有响应速度快、非接触等显著优势,但烟雾形状、色彩、纹理千差万别,造成现有算法推广性能不好,亟需提高特征推广性能。为此提出了一种采用图像金字塔纹理和边缘多尺度特征的烟雾检测算法。方法首先,该算法将图像进行金字塔分解,然后在每层图像上提取局部二元模式(LBP)和边缘方向直方图(EOH),采用不同池化方法得到金字塔局部二元模式(PLBP)和金字塔边缘方向直方图(PEOH)序列特征,分别用于表征烟雾纹理和边缘信息,首尾相连这些直方图后,采用支持向量机(SVM)进行训练、识别烟雾。结果这金字塔纹理和边缘特征具有很好的分类性能,能够在比较大的图像库上达到94%以上的检测率和3.0%以下的误报率。结论本文算法提取的纹理、边缘特征,对光照、尺度具有一定不变性,实验结果也表明本文特征对烟雾检测具有较好的推广性能。