基于颜色和光流的多注意力机制微表情识别

针对光流法无法充分利用微表情面部颜色信息,导致识别准确率不高的问题,本文提出一种基于颜色和光流的多注意力双流网络方法。首先,提出以CIE Luv色差图的形式,初步提取人脸情感生理特征,弥补微表情光流特征的单一性和局限性;然后,将PAM模块和ECA block并行组合得到轻量化的双注意力模块,提取空间和通道关键特征;最后,设计一种交叉注意力机制以获取颜色和光流混合特征,将其与空间通道关键特征融合用于分类。本模型在实验中采用留一交叉验证法进行评估,在SAMM数据集上的准确率和F1分数分别达到69.18%和67.04%,在CASMEⅡ数据集上的准确率和F1分数分别达到72.38%和70.85%。实验结果均优于目前主流算法,进一步证明本文模型及其模块在识别微表情方面的有效性。

图像颜色矢量量化算法

提出了一种基于LUV颜色空间的彩色图像量化算法.运用PGF技术对原始图像进行平滑,在去噪的同时保持图像的边缘和细节;将PGF滤波系数作为先验的权重信息传递给矢量量化部分;利用凝聚聚类对多余颜色进行合并.结果显示,本文算法在主观评价和量化误差上明显优于经典的K均值聚类算法.

基于JSEG算法的点读机坐标定位方法

针对点读书本颜色多样性的特点,提出了一种基于JSEG算法的点读机坐标定位方法。首先,在LUV颜色空间采用邻近像素差分和二值法获取书本边框,并建立书本边框坐标系;然后,采用纹理和颜色特征相结合的JSEG算法对点读目标图像进行分割;最后,根据点读笔颜色最小特性提取点读笔区域,利用点读笔笔尖的曲率特性区分左右手握笔,进而采用行扫描法获取笔尖坐标。实验结果表明,该方法具有较高的点读坐标提取精度,解决了不同握笔方式的点读坐标获取问题,减小了光照不均匀的影响。

融合改进分水岭和区域生长的彩色图像分割方法

彩色图像分割结果的好坏直接影响对图像的理解。针对分水岭分割存在过分割现象,以及以像素为种子的区域生长速度慢的现象,基于LUV色彩空间模型,提出了融合分水岭和区域生长的方法,对彩色图像进行分割。实验表明,该方法分割效果好、速度快。

分水岭分割的方向迭代后处理算法

为了提取彩色图像中线目标,该文提出了一种新的彩色图像分割算法,首先对图像进行分水岭分割得到初始过分割图像,并通过模糊聚类方法得到区域分类概率,然后根据图像的边缘信息和空间特性,得到区域的线方向邻接区域,最后通过迭代的方法,利用线方向邻接区域信息更新区域的分类概率。实验结果显示了很好的提取效果。

基于改进Vibe算法的行人目标检测

针对经典Vibe算法在实际视频图像中,对行人目标检测不够精确,主要存在"鬼影"、光照误检的干扰问题,结合三帧差分算法及LUV均匀色彩空间的特性,提出了一种改进的Vibe算法。该算法首先通过三帧差分对视频进行预处理,获取真实背景,然后结合LUV空间的均匀色彩特性降低对光照的敏感度,最后对空洞填充并获取行人目标的最小外接矩形。实验结果表明,该算法能有效地消除"鬼影"问题,并在光照突变情况下具有良好的鲁棒性,在复杂环境的实时监控视频流中具有理想的行人目标检测效果。

一种基于先验知识的分水线彩色图像分割方法

提出了一个结合彩色信息的分水线图像分割方法,在LUV颜色空间的分水线图像上,使用贝叶斯推理的图像分割方法。对图像进行LUV彩色空间上的分水线变换,在分水线图像上进行基于彩色信息的各个区域能量的计算,通过选择最小能量的目标,依次找出最理想的目标区域。设计了一个先验密度惩罚图像当中分水线变换后的相似的区域,图像分割进而变成对目标子集的最大后验估计。逐步地找出最理想目标区域和背景区域。这一方法同时结合使用了彩色信息和空间信息;可以有效地解决分水线变换后的过分割问题,利用了先验知识和彩色信息。实验结果显示,该方法有较好的分割结果。

多特征融合的行人检测算法

在分析颜色和纹理特征的基础上,提出了一种融合颜色特征LUV和纹理特征完全局部二值模式(CLBP)的行人检测算法,提取目标信息更加全面准确。采用交叉核SVM分类器对特征进行训练、检测,进一步提高算法的检测性能。实验结果表明,所提出的算法具有更高的检测准确性。

LUV色彩空间中多层次化结构Nystrm方法的自适应谱聚类算法

提出一种在LUV空间中基于多层次化结构Nystrm方法的自适应谱聚类算法。首先引入LUV色彩空间,避免了RGB色彩空间中色彩辨别阈对分割的影响,在纹理、边缘区域取得了更好的分割效果;其次将谱聚类算法中基于多层次化结构的方法和基于Nystrm采样的方法结合起来,有效减少了运算时间、解决了数据量较大时计算过程中内存溢出的问题;最后在K均值聚类中通过对特征间隙(eigengap)的分析,自适应地选择K值的大小,解决了自动确定聚类数目的问题。将提出的方法在LUV色彩空间中和RGB色彩空间中分别进行图像分割实验,结果表明在LUV色彩空间中取得效果更加理想。同时也将提出的算法与基于Nystrm方法的谱聚类算法(spectral clustering-Nystrm,SC-N)进行比较。实验结果表明,该算法在数据运算量、运行时间和分割结果上都优于SC-N方法。

基于Alpha稳定分布模型的彩色图像边缘检测新算法

在彩色图像的边缘检测中,如何去掉噪声的干扰及怎样更精确的检测出边缘是图像处理中一个非常重要的问题。本文提出了一种去除脉冲噪声干扰的彩色图像的边缘检测算法。首先,提出一种基于Alpha稳定分布模型的图像去噪算法。其次,利用改进的各向同性边缘检测器和快速熵阈值技术自动确定图像边界,并考虑了像素与其邻域像素的颜色距离进一步精确定位图像的边缘。实验证明,该算法能够克服脉冲噪声的影响,较精确的检测出彩色图像的边缘。

一种基于色彩色度改善液基细胞图像质量的方法

液基细胞学检查是目前国际上比较先进的一种宫颈癌细胞学检查技术,对宫颈癌的诊断具有较高的准确率。然而在自然沉降式的液基细胞制片过程中,白细胞有时会随液基细胞沉降到基片上,镜检时不利于医生观察液基细胞,不仅会影响制片的质量、液基细胞计数,甚至会影响诊断,因此提出一种基于色彩色度改善液基细胞图像质量的方法。将液基细胞图像从RGB色彩空间转换到LUV色彩空间,在有效避开亮度L对液基细胞特征提取影响的前提下,充分利用U和V通道色度信息,根据液基细胞色度特征,对液基细胞进行定位提取,采用阈值分割以及形态学中的腐蚀和膨胀方法有效滤除白细胞等干扰信息,从而有效改善液基细胞的图像质量。实验验证了该方法的有效性和实用性。