一种改进YOLOv3的作业人员安全着装算法研究

针对目标检测中小目标及目标尺寸相差较大难以检测的问题,提出了改进YOLOv3的AR-Yolov3(Add Receptive-fieldYolov3)网络。利用改进的感受野模块E-RBF增大网络感受野特性,使网络提取到深层次的全局性语义特征,提高尺寸相差较大目标的检测精度;使用CSP双向特征金字塔(D_CSP-FPN)网络,实现不同层级特征信息充分利用,提高网络浅层预测分类能力和深层定位能力。实验结果显示,AR-Yolov3网络模型检测性能在小目标和多尺寸目标中较当下主流模型有更好的检测效果。

面部多特征融合的驾驶员疲劳检测方法

为了监测驾驶员的疲劳状态,提出了一种基于面部多种疲劳参数的驾驶员状态检测算法。首先利用Gabor滤波和梯度信息增强眼睛和嘴部的边缘信息以进行准确定位,然后采用一种旋转不变的LBP金字塔特征对眼睛进行特征描述,训练线性SVM分类器判别眼睛的开闭状态;并根据嘴部的张开面积及宽高比判断嘴部的开闭状态,同时通过统计眼睛在垂直方向上的运动确定头部位置的变化。最后基于眼睛和嘴部的状态、头部的位置,计算出4个能够描述驾驶员状态的疲劳参数,利用模糊系统推理得出驾驶员最终的疲劳状态。实验结果证明检测和状态判别的算法都有较高的准确率,其中眼睛状态的识别率平均在97%,嘴部状态的识别率也能达到92%;模糊系统的合理性也在实验中得以验证。

基于局部信息熵及其分布特性的图像融合算法

提出了一种新的基于HIS模型的图像融合算法,根据源图像在有向梯度域中的局部信息熵及其分布情况确定融合准则。对实验结果的主观定性评价和客观定量分析说明,新算法在有效保持空间信息的同时,产生的光谱畸变较小,对全色图像中的噪声有一定的免疫力,从而克服了现有同类算法光谱失真严重和对源图像中噪声敏感的缺点。

“资源一号”02C卫星PMS数据融合方法比较研究

遥感影像融合方法可以分为空间域、分量替换、多尺度分析三类。文章从空间域方法中选择Brovey比值法和高通调制滤波法,从分量替换方法中选择色彩变换法,从多尺度分析方法中选择梯度金字塔法,使用这四种常用的融合方法对"资源一号"02C卫星全色/多光谱相机(panchromatic and multispectral sensor,PMS)数据进行了融合处理试验,并从主观评价和定量分析两个方面对融合效果进行了综合评价。结果表明:与PMS数据中的全色高分辨率影像相比,四种方法均可以增加融合后影像的光谱信息;与PMS数据中的多光谱低分辨率影像相比,四种方法均可以增加融合后影像中的空间细节信息。其中,梯度金字塔法在亮度信息、信息量和清晰度方面明显优于其它三种方法,但是较多地丢失了PMS数据中多光谱图像的光谱信息,光谱保持能力较差。色彩变换法可以很好地保持PMS数据多光谱影像的光谱信息,光谱扭曲度较小,但是亮度信息和清晰度表现能力一般。

基于梯度塔形分解的GPU加速多源图像融合

为了解决多分辨率图像融合算法在单纯CPU上运行效率低的问题,提出了一种用于在基于梯度塔形分解的图像融合算法中使用的新融合规则,并将整个融合算法在图形处理器上进行了设计和高效的实现,将计算密集的任务安排到图形处理器上执行.实验验证,融合图像保留了源图像中的显著特征.并且,与单纯CPU上的融合算法相比,该系统在不同尺寸的图像融合中都获得加速.展现了一种通过图形处理器提高多分辨率图像融合算法效率的方法.

梯度优化的多尺度视频光流估计

提出一种基于梯度优化的不同运动幅度视频图像光流估计的新算法。先用Loggabor滤波器对原视频图像进行相位、尺度滤波,再用所得的特征图像来计算时空梯度,最后根据时空梯度计算光流。该算法模型同时运用由粗到精的图像金字塔方法对视频图像分层处理。理论分析和实验结果表明,该算法适用于大幅度的视频运动光流估计,不仅能得到适合人眼视觉分辨率特性的图像,而且使时空梯度更加优化,光流计算更准确。并且在时间复杂度上与传统光流计算方法相当,在计算精度上优于Horn和Schunck、段先华等人提出的算法。

基于梯度方向直方图与高斯金字塔的车牌模糊汉字识别方法

针对现有车牌识别方法中对模糊车牌识别率不高的问题,提出一种结合高斯金字塔与梯度方向直方图(HOG)特征的车牌识别算法。利用金字塔模型多尺度表达的方法,首先对车牌模糊汉字图像建立两层高斯金字塔模型,第一层描述了模糊汉字的细节特征,通过对第一层作平滑处理并向下采样得到第二层,在描述模糊图像细节特征的基础上突出主体特征;然后对两层高斯金字塔模型提取HOG特征,拓展图像的特征维数,提高特征对模糊汉字的识别能力;最后采用BP神经网络分类器进行模糊且互为形近字间的汉字分类识别。仿真结果显示,在相同的样本空间下,与HOG特征法、K-L变换法相比,所提算法在识别率方面均有提高,能提高视频监控中对模糊汉字的有效识别率。

基于金字塔梯度方向直方图的分层投票方法

提出一种基于金字塔梯度方向直方图的分层投票方法,将其用于人脸识别、对象识别和对象检测等领域。利用分层投票机制选出分类效果最好的层,并为它们赋予相应的投票权值,最终对图像类别进行投票。在ORL和UIUC Car数据库上进行实验,结果表明,改进方法优于传统的特征向量分类方法。

基于梯度径向夹角直方图的异源图像匹配

提出一种图像全局特征描述方法——梯度径向夹角金字塔直方图。该特征不受图像灰度级非线性变换和图像旋转的影响,具有较强的抗噪声能力。基于该特征的匹配算法能够对存在旋转变换的异源图像进行匹配。用SAR图像和可见光图像对匹配算法进行测试,结果表明基于梯度径向夹角金字塔直方图匹配方法的匹配成功率优于传统方法。由于对基准图进行离线预处理,同时避免角度空间搜索,算法的实时计算时间比传统方法小3个数量级。

方向梯度直方图及其扩展

介绍方向梯度直方图(HOG)及其扩展。结合HOG的计算步骤阐述其内在理念和捕获的主要图像特征,指出其局限性,论述对HOG的重要扩展,包括多尺寸HOG、梯度方向直方图金字塔、分析降维HOG,给出对各扩展使用积分图加速计算的方法以及其他改善方法,从措施、复杂度、维数、思想等方面对各HOG改善方法进行比较,给出HOG未来的研究方向。

基于GPU的图像特征并行计算方法

特征提取与描述是众多计算机视觉应用的基础。局部特征提取与描述因像素级处理产生的高维计算而导致其计算复杂、实时性差,影响了算法在实际系统中的应用。研究了局部特征提取与描述中的关键共性计算模块——图像金字塔机制及图像梯度计算。基于NVIDIA GPU/CUDA架构设计并实现了共性模块的并行计算,并通过优化全局存储、纹理存储及共享存储的访问方式进一步实现了其高效计算。实验结果表明,基于GPU的图像金字塔和图像梯度计算比CPU获得了30倍左右的加速,将实现的图像金字塔和图像梯度计算应用于HOG特征提取与描述算法,相比CPU获得了40倍左右的加速。该研究对于基于GPU实现局部特征的高速提取与描述具有现实意义。

基于改进特征袋模型的奶牛识别算法

针对特征袋(BOF)模型中存在特征计算耗时、识别精度低的不足,提出一种新的改进BOF模型以提高其目标识别的精度和效率,并将其应用于奶牛个体识别。该算法首先引入优化方向梯度直方图(HOG)特征对图像进行特征提取和描述,然后利用空间金字塔匹配原理(SPM)生成图像基于视觉词典的直方图表示,最后自定义直方图交叉核作为分类器核函数。该算法在项目组自行拍摄的数据集(包含15类奶牛、共7 500张奶牛头部图像)上的实验结果表明,使用基于SPM的BOF模型将算法的识别率平均提高2个百分点;使用直方图交叉核相比使用高斯核将算法的识别率平均提高2.5个百分点;使用优化HOG特征,相比使用传统HOG特征将算法识别率平均提高21.3个百分点,运算效率为其1.68倍;相比使用尺度不变特征变换(SIFT)特征,在保证平均识别精度达95.3%的基础上,运算效率为其7.10倍。分析结果可知,该算法在奶牛个体识别领域具有较好的鲁棒性和实用性。

彩色图像多尺度融合灰度化算法

为了使彩色图像灰度化后能够保留更多的原始特征,提出了一种新的基于多尺度图像融合的灰度化算法。将彩色图像分解为R、G、B三个通道图像,采用基于高斯-拉普拉斯金字塔的多尺度图像融合模型进行灰度化,并引入梯度域导向图像滤波(Gradient Domain Guided Image Filter,GGIF)来消除多尺度融合可能产生的伪影。将灰度化问题转换为保持三个通道单色图像特征的多尺度融合问题。实验结果表明,与其他灰度化算法相比,所提算法对边缘信息敏感,并能够在较亮或较暗区域检测出更多的图像细节特征。

基于PCA的拉普拉斯金字塔变换融合算法研究

阐述了基于主元分析的拉普拉斯金字塔图像融合的原理和方法:对原图像分别进行拉普拉斯金字塔分解,分别对高频部分采用主元分析(PCA)法融合,对低频部分采用平均梯度法进行融合,对拉普拉斯金字塔做反变换得到最终的融合图像。通过对可见光与红外图像的融合,以及对不同焦距图像融合的结果分析,该算法比单纯的PCA和拉普拉斯图像融合能得到具有更多有用信息的高对比度的融合图像。

融合改进PHOG与KPCA的人脸识别算法

针对PHOG特征在描述人脸形状时容易受到梯度强度突变及噪声干扰的缺点,提出了一种基于改进PHOG特征的人脸识别算法。首先对仅适用于描述清晰人脸轮廓形状的PHOG特征进行了改进,使其对人脸局部结构描述更加精细化,并通过改进的归一化方法达到对噪声的抑制,最后通过KPCA变换将改进的PHOG特征非线性映射到高维核空间中,进一步选择区分能力较强的特征分量,用最近邻分类器进行分类。在ORL、FERET和YALE人脸库中做了多组实验分别取得了98%、95%及98.67%的识别率,实验证明:该算法在抑制轮廓噪声提高识别率方面达到了较好的效果。

基于量子力学和拉普拉斯金字塔的图像融合方法

针对数字图像的融合问题,研究一种基于量子力学理论的图像分解方法,并将其结合拉普拉斯金字塔变换,提出一种新的图像融合方法。先把2幅灰度图像表示成量子比特的形式,然后把每幅图像分解成4幅特征子图,根据分解后特征子图的不同含义,使用不同的融合策略分别对子图进行融合。其中一幅子图使用拉普拉斯金字塔变换进行融合,另外3幅子图使用区域梯度取大法进行融合,最后通过重构得到融合图像。仿真实验表明该方法融合效果较好,在主观视觉感受和客观评价指标上均优于传统的图像融合方法。

基于投影变换的图像自动配准

在阐述图像的投影变换与图像配准的关系的基础上 ,提出了一种基于投影变换的图像自动配准算法 ,在算法中结合运用了图像的Laplacian塔技术。在微机上编程实现了本算法 。

基于特征脸的Adaboost检测算法与识别应用研究

随着人工智能理论与技术的发展,人脸检测与识别作为计算机视觉重要的分支,近年来成为学术界研究的重点。研究和实现了Adaboost人脸检测算法和基于特征脸的人脸识别算法。利用结合Adaboost检测器级联的特性,引入基于梯度方向金字塔和支持向量机的人脸分类算法,去除了部分误检测的结果;引入基于肤色模型的分割算法,对人脸区域进行精确定位,并对第二代身份证、Feret人脸数据库以及互联网图片资源进行人脸识别实验。结果表明,算法对正面人脸效果显著,识别速度快,准确率高。

一种面向多光谱遥感图像的动态尺度梯度调制融合算法

针对多光谱遥感图像,提出一种新的动态尺度梯度调制融合算法;该算法首先根据需求选取不同波段上的光谱图像,然后在多尺度梯度塔形分解数据结构下,分析、选择合适尺度上的一幅梯度图像作为融合的引导,再经过动态的阈值选取和二值化得到调制因子,对另一幅光谱图像进行调制,获得最终的融合图像;实验结果表明,与传统的对比度调制算法和多尺度调制融合算法相比,该算法能够有效地保留、增强各个波段光谱图像中最显著的地貌特征。

基于规范化特征的月球撞击坑探测方法

提出用多阀值分类和属性形态学对月球图像进行层次性和选择性预处理,使高对比阴阳月牙对和低灰度弱边界椭圆形撞击坑具备基本规范和稳定的Haar和PHOG特征。文中探讨了这些预处理方法对局部区域的小波Haar特征和塔式梯度方向直方图PHOG特征的稳定性的影响与作用,然后研究了AdaBoost和SVM这两种分类算法在月球撞击坑探测中的作用,并研究了将Haar和PHOG特征与AdaBoost和SVM相结合对撞击坑候选区域进行精确和高效定位的集成方法。结果表明利用属性形态学的柔性结构滤波和分类方法的集成应用能够使撞击坑的识别率较传统方法提高2%-5%。