融合Gabor和Gist特征的人脸识别

为了进一步增强人脸识别系统的实用性,提高人脸识别率,提出了一种新的融合Gabor小波特征和Gist特征的人脸特征提取方法。对一幅人脸图像提取其多个尺度和方向的Gabor特征图,再对这些Gabor特征图进行处理,分别提取其Gist特征,接着再把所有Gabor特征图的Gist特征级联起来作为一人脸图像的特征向量,经过PCA方法降维处理,最后输入到支持向量机里面训练识别。通过在ORL和FERET人脸库中进行实验检测,结果表明与传统的PCA-SVM方法和Gabor特征提取方法相比,给出的方法可以大幅度提高人脸识别率。

基于Gist特征的场景图像修复算法

传统图像修复算法中存在修复信息仅依赖图像自身,缺乏多样性与有效性,很难对区域进行合理可靠的修复,以及待修复区域选择出现的标定不可更改或者人为标定随机性等问题.针对上述问题提出一种基于Gist特征的场景图像修复算法.首先,采用一步点击的操作过程,快速获得待修复区域,增加了待修复区域的选择性,减少了人工标定区域时的随机性;其次,采用包含Gist特征在内的多特征约束进行分步筛选,从数据库中筛选出与修复区域具有相似信息的备选场景图像,在筛选出的备选场景图像中利用全局滑动窗获得与待修复区域最相似的图像块,该筛选过程进一步提高了修复结果的可靠性;最后,优化过程中,采用泊松融合消除备选场景图像块与待修复场景图像合成过程中的边缘效应,获得最终修复结果.实验对比结果表明,本文场景图像修复算法可以较好地对场景图像进行修复,而且使得修复结果更符合人类视觉感知效果.

基于全局Gist特征和局部碎片特征的物体检测研究

提出了一种新的基于全局gist特征和局部碎片特征的物体检测方法。当物体较小或者场景比较复杂时,物体局部碎片特征存在一定的二义性,检测器经常在一些语义错误的位置输出不合理的检测结果。提取场景的全局特征并学习出物体位置和尺度的概率分布,有助于提高物体检测的准确率。我们首先提取场景的全局gist特征并预测出物体的可能出现位置和尺度,然后利用物体的局部碎片特征检测物体,并降低异常位置的检测得分。在Label Me数据集上的实验表明,结合全局Gist特征和局部碎片特征进行物体检测,可以有效地减少语义错误的检测输出,提高物体检测的准确率。

基于GIST特征和条件判定的视频镜头分割算法

视频镜头分割是视频处理研究中的基础问题,目的是为了检测视频中的切变帧和渐变帧,以便将视频分割成不同的镜头片段,为后续的关键帧提取和视频智能处理奠定基础。现有的镜头分割方法在视频特征提取和噪声处理如物体/镜头移动、光线变化上还不能满足人们的要求,为了弥补这些不足,本文提出一种基于GIST特征和条件判定的视频镜头分割算法。首先,提取视频的GIST特征;其次,计算视频前后帧的GIST特征差值并构建双阈值判定条件,对切变帧和渐变帧进行初步筛选;第三,构建基于SIFT的特征匹配判定条件,完成对候选帧的进一步筛选,得到最后的视频镜头分割结果。本文算法在公开视频数据集OPENVIDEO上进行了测试,得到了比传统镜头分割算法更好的结果。

基于Gist特征与PHOG特征融合的多类场景分类

Gist特征是根据稀疏网格划分提取图像全局特征,它可以很好地描述单一场景,但是对于同一图像可能包含的多个场景,该特征的区分性能有所下降;而PHOG特征,提取的是图像局部轮廓特征,对Gist特征有一定的补充.本文以此提出基于Gist特征与PHOG特征融合的场景分类技术,首先分别提取图像的Gist特征和PHOG特征,然后将两种特征串接起来形成融合特征,最后使用SVM分类器进行场景训练和分类.在OT数据集上,考察了单一特征的分类精度和融合特征的分类精度,以及训练样本数对分类性能的影响,通过实验对比发现特征融合能够有效地提高场景分类的正确率.

GIST特征提取的异构并发流计算实现

针对图像GIST全局特征提取算法的计算任务,实现了CPU＋GPU异构协同计算与优化：使用CPU完成图像量化、线性延拓等小计算量、不规则的数据运算,使用GPU完成滤波、Gabor特征提取、降维等计算密集、高度并行的数据运算。面向图像序列的计算扩展,在CPU端引入线程池技术,通过每个线程都绑定一个CUDA流处理一幅图像的方法,实现了多幅图像并发流处理和流内数据传输延时的隐藏;利用线程池技术提供线程预创建、资源预分配及根据资源消耗情况的线程数量动态增减等方法,提高了CPU对GPU计算资源的调度使用效率。实验结果表明,在保证同等精度的前提下,基于异构计算平台的图像GIST特征提取方法相比传统CPU平台达到8.35-9.31倍的加速比,在使用线程池之后算法处理图像序列数据时速度进一步提升10.0%-37.2%。

基于Gist特征与CNN的场景分类方法

针对大多数场景分类方法只能学习浅层特征,忽略图像之间的相关结构信息,提出一种基于Gist特征与卷积神经网络结合的场景图像分类方法。其中Gist特征用于提取场景图像的全局特征,并将其作为深度学习模型的输入,通过逐层训练卷积神经网络,提取更高层次的特征,并用训练好的卷积神经网络进行分类。实验在O&T室外场景图像数据集和MNIST手写体数据集上考察了batchsize、卷积核对分类结果的影响,并与DBN,NN,SVM和CART作为分类器的分类结果进行比较,充分说明了本文方法的有效性。

局部Gist特征匹配核的场景分类

针对场景分类任务中全局Gist特征粒度较为粗糙的问题,提出一种基于稠密网格的局部Gist特征描述,利用空间金字塔结构加入空间信息,通过引入RGB颜色空间加入颜色信息,并基于词汇包(BOW)模型设计一种高效匹配核来度量局部特征间的相似性,核化特征匹配过程,使用线性SVM完成场景分类。实验考察了不同尺度、方向、粒度和不同匹配核的局部Gist特征以及训练样本集的大小对分类结果的影响,并通过在OT场景图像集上与全局Gist特征和稠密SIFT特征的场景分类结果进行比较,充分说明了本文特征构造方法和分类模型的有效性。

基于Gist和PHOG特征的场景分类

局部Gist方法提取的特征维数过高、计算复杂,单一的Gist特征不能很好地描述全局场景。为此,提出一种将改进的局部Gist特征与梯度方向直方图特征进行组合的场景描述方法。采用支持向量机作为分类器,在WS场景库中考察单一特征和组合特征的分类精度,在OT场景库下研究不同数量训练样本对于分类精度的影响。实验结果表明,与全局Gist、局部Gist等方法相比,该方法能降低计算的复杂度,且提高分类正确率。

基于多核学习的GIST全局和SIFT局部特征融合遥感图像检索方法

针对遥感图像快速准确的检索问题,利用多核学习(Multiple Kernel Learning,MKL)算法融合全局GIST(Generalized Search Tree)特征和局部SIFT(Scale-invariant feature transform)特征开展遥感影像的检索方法研究。首先提取图像的全局GIST特征,然后通过SIFT特征的改进方法提取局部SIFT特征,利用特征融合的方法得到单一的特征向量,再通过多核学习的算法得到最优解,返回最终的检索结果。在遥感图像数据集上的检索实验表明,对比单一特征的图像检索算法,该方法能够提高检索准确率。

Gist特征和概率协从表示的人脸识别算法

为了进一步提高基于协从表示的人脸识别系统的性能,在概率协从表示(ProCRC)算法和字典学习的基础上提出了一种基于Gist特征和ProCRC的GL-PCRC人脸识别算法。首先提取每副人脸图像的Gist特征,再把人脸图像的Gist特征采用线性判别算法(LDA)方法投影到最优判别子空间,使得到的LDA特征拥有最小的类内离散度以及最大的类间离散度;然后利用LC-KSVD方法对LDA特征进行迭代训练从而得到新的学习字典;继而通过ProCRC算法快速得到稀疏系数;最后通过计算测试样本属于各个类别的概率进行分类。分别在ORL和扩展的YaleB人脸库上进行实验检测的结果表明,与传统的协从表示方法相比,本文给出的方案可以使人脸识别系统的性能得到显著的提升。

基于Landsat 8 OLI影像纹理特征的面向对象土地利用/覆盖分类

针对如何提高中低分辨率遥感影像分类精度,该研究以河北省石家庄市Landsat 8 OLI遥感影像为研究对象,对灰度共生矩阵(gray-level co-occurrence matrix,GLCM)纹理与伽博(Gabor)滤波器下的Gist纹理特征进行对比,应用J-M(Jeffries-Matusita)距离可分离性分析GLCM最优纹理特征,并利用最佳指数法(optimum index factor,OIF)获取GLCM与Gist纹理特征的最佳特征组合;其次对面向对象分类的分割尺度进行研究,提出整体最优分割尺度计算方法;最后进行基于纹理特征的面向对象分类识别与精度评价,并与基于原始数据的面向对象分类结果进行对比。研究表明:Gist纹理特征使分类精度有了一定的提高,基于纹理数据的面向对象支持向量机(support vector machine,SVM)分类及面向对象K邻近法(K-nearest neighbor,KNN)分类的总体分类精度(overall accuracy,OA)分别比基于原始数据的2种方法分类精度提高3.67和3.33个百分点,基于纹理的面向对象SVM方法具有最高的精度,OA达到85.67%。不管是基于原始数据还是纹理数据,面向对象分类精度远高于最大似然分类(maximum likelihood classification,MLC)、马氏距离分类(mahalanobis distance classification,MDC)和SVM分类精度,且面向对象分类方法对纹理数据更为敏感。该文提出的基于纹理的面向对象分类方法有效提高了遥感影像分类精度,为区域土地利用/覆盖信息提取提供了有效的途径。

基于多方向Gabor特征图稀疏表示的鲁棒人脸识别方法

为提高对光照、表情、姿态等可变因素的鲁棒性,提出一种基于多方向Gabor特征图稀疏表示的人脸识别方法.对人脸图像进行多方向多尺度Gabor变换,然后将同一方向不同尺度的Gabor特征进行融合得到多方向特征图,再对每个方向的融合特征图提取Gist特征并赋予自适应权重,接着将所有方向特征图的自适应加权Gist特征串联构成人脸图像特征向量,最后利用稀疏表示分类方法实现人脸识别.实验结果表明,本文算法在Yale、ORL和ExtendedYaleB人脸数据库上的平均识别率分别达到99.8%、99.7%和100.0%.

融合多特征的图像检索算法

针对单一特征不能很好地表述图像的问题,提出了一种融合多特征的图像检索算法。首先,提取查询图像和图像库中样本图像的GIST(Generalized Search Tree)特征,用欧氏距离衡量图像间的GIST相似度值,根据查询图像的GIST特征在图像库中进行检索,将结果按相似度进行排序;然后,提取查询图像和返回结果中前k幅图像的尺度不变特征变换(SIFT)特征,使用BBF(Best Bin First)算法进行特征匹配;最后,通过特征点匹配点对数排序并返回检索结果。实验在改进的Corel1000数据集上进行,与传统的单特征图像检索算法对比,提出的图像检索算法不仅提高了检索准确率,而且获得了较好的检索效率。

基于关键帧特征库统计特征的双人交互行为识别

针对双人交互行为识别算法中普遍存在的算法计算复杂度高、识别准确性低的问题,提出一种新的基于关键帧特征库统计特征的双人交互行为识别方法。首先,对预处理后的交互视频分别提取全局GIST和分区域方向梯度直方图(HOG)特征。然后,采用k-means聚类算法对每类动作训练视频的所有帧的特征表示进行聚类,得到若干个近似描述同类动作视频的关键帧特征,构造出训练动作类别对应的关键帧特征库;同时,根据相似性度量统计出特征库中各个关键帧在交互视频中出现的频率,得到一个动作视频的统计直方图特征表示。最后,利用训练后的直方图相交核支持向量机(SVM),对待识别视频采用决策级加权融合的方法得到交互行为的识别结果。在标准数据库测试的结果表明,该方法简单有效,对交互行为的正确识别率达到了85%。

基于RGB-D融合特征的图像分类

当前经典的图像分类算法大多是基于RGB图像或灰度图像,并没有很好地利用物体或场景的深度信息,针对这个问题,提出了一种基于RGB-D融合特征的图像分类方法。首先,分别提取RGB图像dense SIFT局部特征与深度图Gist全局特征,然后将得到的两种图像特征进行特征融合;其次,使用改进K-means算法对融合特征建立视觉词典,克服了传统K-means算法过度依赖初始点选择的问题,并在图像表示阶段引入LLC稀疏编码对融合特征与其对应的视觉词典进行稀疏编码;最后,利用线性SVM进行图像分类。实验结果表明,所提出的算法能有效地提高图像分类的精度。

一种改进的自然场景特征提取方法

基于场景全局语义特征描述符gist的自然场景分类方法在特征提取过程中计算量较大、识别精度较低。为此,提出一种改进的特征提取方法,将3尺度的gist特征与梯度方向直方图特征相结合对场景进行描述,并利用支持向量机实现分类。实验结果表明,改进的方法加快了特征提取速度,提高了分类正确率。

基于内容的Gist-Hash超声图像检索算法

针对日益增长的超声图像,传统的基于文本的超声图像检索已经无法满足现有的需求,提出了基于内容的Gist-Hash算法超声图像检索方法。该方法首先选取了优势较为明显的全局特征Gist,充分利用了超声图像的特征,同时选取Hash算法对图像Gist特征进行优化,将其转化为Hash编码,提高了检索速度。通过Linux平台对该检索方法进行了验证,实验结果表明,基于Gist特征和Hash算法的超声图像检索方法,相比传统的Gist特征和欧氏距离的检索方法,大幅提高了检索的速度,使得医生在实际操作中能够更快地获取到比较满意的检索结果。

基于特征筛选的码本区分性增强方法

针对BOF模型中的码本训练问题,提出了一种改进的K-means方法。传统的K-means方法没有考虑对采集到的特征进行筛选,基于优化的方法可以看做是一种特征筛选的方法,但是实现复杂,计算量大。提出了一种基于Gist信息的特征筛选方法。根据Gist信息可以将图像粗分为背景区域和前景区域,然后对前景区域进行密集的特征采样,对背景区域进行稀疏的特征采样,最后所获得的特征都用来建立码本。实验结果表明,该方法训练的码本在Caltech101上有很好的分类效果,表明了该方法的有效性。

基于多特征融合的人脸识别研究

近年来人脸识别技术得到了迅速的发展和广泛的研究。利用公开的Pub Fig人脸数据集样本,针对人脸识别框架中3种常用特征的提取算法进行理论分析,并采用lib SVM分类器和感知器算法,对于不同样本容量进行单特征方法和特征融合方法的分类训练、测试以及性能比较。实验结果表明,当各类别训练样本数大于180时,特征的分类能力趋于稳定。单特征分类能力SIFT〉HOG〉GIST;特征融合的分类能力要高于单特征最大值的1%~2%;它比SIFT、HOG、GIST的平均值分别高出1.2%、4.9%、11.7%。