基于照度图引导的低照度图像增强网络

在低照度环境下采集的图像,由于光照的不均匀性,存在能见度差、对比度低和颜色失真等问题.现有的大多数低照度图像增强方法存在过增强或欠增强的现象,影响视觉感知和后续目标检测任务.针对上述问题,提出一种基于照度图引导的低照度图像增强网络.首先根据低照度图像的灰度分布特点构造对应的照度图,度量低照度图像不同区域块的明暗程度;然后利用照度图作为网络增强的引导图,与低照度图像一起送入图像增强网络来获得增强后的图像.为了解决训练数据不足的问题,提出一种基于内循环和概率旋转的数据增强方法来扩充训练数据样本的数量和多样性;同时,针对目前图像增强方法中普遍存在照度不均匀的问题,基于直方图匹配的思想构建一种直方图损失函数,约束并指导网络的训练.在合成数据集LOL和真实图像上的实验结果表明,所提网络在低照度图像增强方面获得了更好的主观视觉效果;与经典的RetinexNet方法相比,所提方法在PSNR和SSIM客观定量指标上分别提高了7.905 dB和0.328;该网络对后续目标检测任务的检测率可提高10.17%~17.19%.

基于CHEBWO的多目标棉田图像增强算法

为了增强棉田图像的垄线特征、纹理清晰度以及棉田与垄线之间的对比度,以提高农机视觉导航图像的分割准确率与泛化能力,本文提出了一种多目标图像增强算法——混沌混合精英白鲸优化算法(Chaotic hybrid elite beluga whale optimization, CHEBWO)。该算法在AMSRCR算法和直方图均衡化的基础上设计了新的图像加权融合模型,并针对图像评价,设计了一种新的多目标加权评价函数。实验结果表明,与基于Retinex图像增强算法(如SSR、MSR、MSRCR、MSRCP)以及基于直方图均衡化增强算法(如HE、AHE、CLAHE)进行对比,CHEBWO算法在PSNR、AG、SD、IE、SSIM等指标上平均提高了6.18、42.38、40.41、0.89和0.22。因此,本文提出的棉田图像增强算法在增强棉田图像对比度、清晰度以及保持垄线纹理方面具有显著优势,有助于提高语义分割模型的性能和准确性。

基于改进YOLOv7的煤矿输送带异物识别算法

针对煤矿井下图像不清晰以及YOLOv7定位误差较大的问题,提出了一种改进YOLOv7模型。首先通过直方图均衡化提高图像目标的清晰度,然后在YOLOv7的主干网络中添加二阶通道注意力模块(SOCA),使其专注于更有益的信息,添加空洞空间卷积池化金字塔(ASPP)模块,以多尺度的方式捕获上下文信息。实验结果表明:应用于煤矿输送带异物识别时,改进YOLOv7优于YOLOv7、YOLOv5、YOLOv5-CBAM模型。

基于相关滤波的铁路异物侵限跟踪方法研究

针对铁路异物侵限频繁发生导致的列车运行安全问题,提出一种基于背景感知相关滤波器的铁路异物侵限跟踪方法。利用方向梯度直方图(HOG,Histogram of Oriented Gradient)特征提取铁路侵限异物自身特征,结合剪裁矩阵,以增加视频帧中实际背景的负样本;使用交替方向乘子法(ADMM,Alternating Direction Method of Multipliers)训练背景感知相关滤波器,减少计算复杂度,在保证跟踪速度的前提下,提升跟踪侵限异物的准确性,从而适应铁路沿线环境中由于侵限异物的形变、快速移动或天气等原因造成的目标丢失及跟踪框漂移等情况。实验结果表明,该方法对铁路侵限异物的跟踪精确度和AUC(Area Under Curve)值分别达到93%和71.9%,均高于SRDCF、KCF、ASLA和CSK等算法,具有更好的准确性。

基于像斑直方图G统计量的遥感影像分类

为了充分利用像斑的光谱特征,提出一种基于像斑直方图G统计量的影像分类方法。通过多尺度影像分割获取像斑,选择合适的训练样本像斑;依据像斑的光谱属性,自适应地设定光谱直方图的灰度级,提取像斑的光谱直方图;采用G统计量度量测试像斑与各训练样本像斑光谱直方图间的距离,用来表达像斑光谱特征的异质性;利用最小距离分类器获得影像分类结果。遥感影像分类实验结果表明,该方法能有效提高影像的分类精度。

基于CamShift的目标跟踪算法

CamShift是一种应用颜色信息的跟踪算法,在跟踪过程中,CamShift利用目标的颜色直方图模型得到每帧图像的颜色投影图,并根据上一帧跟踪的结果自适应调整搜索窗口的位置和大小,从而得到当前图像中目标的尺寸和中心位置。在CamShift算法基础上对搜索窗口进行简单运动预测,并增加二次搜索方法,提高跟踪的稳定性。实验结果表明,在图像背景复杂且目标不规则运动的情形下,仍能有效地跟踪到目标。

融合空间关系的遥感图像分类

针对光谱纹理特征分类方法的不足,提出了一种融合空间关系的遥感图像分类方法。利用直方图提取像斑特征,采用G统计量构建单像斑概率,通过迭代统计方法计算地物类别邻接概率,利用地物类别邻接概率表达像斑邻域概率,加权组合单像斑概率与像斑邻域概率构建像斑联合概率,依据最大后验概率准则获取图像分类结果。在QucikBird图像上的试验结果表明:与传统的光谱纹理分类方法相比,该方法能够提高图像分类的精度;整体分类精度与Kappa系数分别提高了1.5%和2.1%。

一种改进的基于颜色直方图的实时目标跟踪算法

基于颜色直方图的目标跟踪算法主要是利用彩色图像的颜色直方图信息 ,在获得颜色直方图水平投影和垂直投影的基础上 ,综合考虑运动预测和帧间的相似性 ,确定目标的位置 ,并结合模板更新的思想不断自适应地调整被跟踪目标的模板 ,从而实现对目标的跟踪。本文提出的算法在原有的基于颜色直方图的目标跟踪算法的基础上 ,进行了两个方面的改进 :(1)提出一种改进的直方图定义 ,使本算法能更好地实现对小目标物体的跟踪 ;(2 )采用双模板更新与匹配的方法 ,使本算法对突变情况具有更强的鲁棒性。实验证明 ,本算法在保证跟踪准确度的同时 。

梯度特征稀疏表示目标跟踪

传统的压缩感知目标跟踪算法在光照变化剧烈、目标与背景存在一定相似性的情况下容易产生跟踪偏差,故本文提出了一种基于梯度方向直方图特征进行压缩感知跟踪方法。该方法用梯度方向直方图特征替换原来的广义类Haar特征进行压缩感知跟踪。首先,将梯度方向直方图作为原始特征,并利用压缩感知理论得到稀疏表示的特征子空间;然后,在后续帧中用朴素贝叶斯分类器进行目标位置的搜索;最后,对分类器进行在线更新。由于梯度特征能更稳定地表示目标,所以这种跟踪方法具有更好的鲁棒性;另外在计算时采用了积分直方图技术,有效克服了计算量大的问题。对不同视频的实验结果表明,该方法在实验环境Intel Core2 2.93GHz,matlab R2010a,图像大小320×240下,跟踪速率可达到10frame/s。在目标姿态、环境光照变化剧烈,背景中存在与目标有一定相似性的物体等情况下跟踪准确。

一种基于直方图模式的运动目标实时跟踪算法

动态图像的分析和理解是当前研究的热点之一,基于视觉的目标跟踪技术有着广泛的实用价值。目标跟踪的难点在于完成帧与帧之间的快速且稳定的目标匹配。该文给出了一种运动目标的跟踪算法,它与云台设备控制相结合,可使被跟踪目标始终位于图像的中心区域。直方图具有较好稳定性,可以不受目标的外形和比例变化的影响;而均值平移(MeanShift)算法可以得到局部最优解,并具有快速和有效的特点。因此,该文以直方图为模式特征,以均值平移算法为跟踪核心算法。对候选目标进行运动检验,过滤了伪目标,保证了跟踪的可靠性。在搜索过程中,通过Kalman滤波器的运动预测,减少模式匹配的搜索范围,提高了处理速度。最后,该文给出了实地测试结果,验证了跟踪算法的实用性和有效性。

基于投影直方图匹配的双目视觉跟踪算法

为了在机器人机械手双目视觉伺服系统中跟踪并精确定位目标的空间位置,提出了一种利用投影直方图匹配和极线几何约束的目标跟踪方法。分别在2个视觉中人工标定目标,并提取目标在多颜色空间的水平、垂直投影直方图作为匹配模板;在一个视觉中利用目标的运动一致性原则和投影直方图匹配搜索并跟踪目标;在另一个视觉中依据双目视觉系统的极线几何原理限定目标搜索范围,搜索并定位目标。该方法利用水平、垂直投影直方图描述目标的结构信息,同时完成了双目视觉系统中的目标跟踪与配准功能,有利于目标的精确定位和视觉测量。实验结果表明,该方法可在双目视觉系统中有效跟踪目标,运算效率高,鲁棒性强。

基于HOG的目标分类特征深度学习模型

为提高低配置计算环境中的视觉目标实时在线分类特征提取的时效性和分类准确率,提出一种新的目标分类特征深度学习模型。根据高时效性要求,选用分类器模型离线深度学习的策略,以节约在线训练时间。针对网络深度受限和高识别率要求,提取图像的局部方向梯度直方图(HOG)特征,构建稀疏自编码器栈对HOG特征进行深层次编码,设计Softmax多分类器对所抽取的特征进行分类。在深度神经网络模型学习过程中,引入最小化各层结构风险和微调全网参数的二阶段最优化策略。利用场景图像库Caltech101和手写数字库MNIST的训练样本与测试样本进行对比实验,结果表明,该模型在局部特征提取方面的时效优于单层卷积神经网络(CNN)模型,分类准确率高于CNN、栈式自编码器等对比模型。

一种改进的运动目标跟踪算法

为了进一步增加均值平移算法用于目标跟踪的准确性和鲁棒性,提出了加入目标位置的预测、对大目标间断采样、联合颜色信息与边缘信息建立直方图、采用多个候选目标优选与验证等4种改进方法,减小算法的计算量,提高算法的匹配速度,增强算法的适应性。使用Edinburgh大学提供的Workshop 1 front图像序列进行测试,分别得到了原算法与改进算法的Bhattacharyya距离,通过比较其平均值和标准偏差,说明了改进算法中最优匹配比原算法准确。使用自拍摄的复杂背景图像测试后,说明了改进算法的适应性。实验结果表明,改进后的均值平移算法对运动目标跟踪效果良好。

基于直方图的Snake视频对象跟踪算法

提出了一种基于直方图的Snake视频跟踪算法。该算法是基于相邻帧中对象在直方图信息上的一致性前提条件下,采用LevelSet曲线演化算法来实现的。由于它在Snake能量函数中引入了全局统计特性———直方图信息,从而克服了过去采用均值、方差或运动矢量等局部特征的Snake跟踪算法中的局限性。通过此算法与基于局部特性的Snake跟踪算法的对比实验可以看出,该算法在实际跟踪效果方面有很好的改善。

基于CKPCA-HOG和支持向量机的运动目标分类算法

为了准确地对监控场景中的运动目标进行语义上的分类,提出了一种基于聚类的核主成分分析梯度方向直方图和二叉决策树支持向量机的运动目标分类算法.利用背景减法提取运动目标前景区域,并识别出潜在候选运动目标.利用提出的基于聚类的核主成分分析的梯度直方图描述子提取候选运动目标的特征,以较低维数的数据有效地描述运动目标的有效特征.将提取的运动目标特征输入二叉决策树支持向量机,实现多类目标的准确分类.通过在不同视频序列上的实验验证,提出的算法对运动目标进行较好地分类,而且在运算速度方面较传统目标分类方法有了明显的提高.实验结果证明了算法对运动目标分类具有较好的准确性、可靠性和鲁棒性.

面向对象变化向量分析的遥感影像变化检测

为了解决基于像元的变化向量分析法在高分辨率遥感影像变化检测中精度低的问题,提出了一种面向对象变化向量分析的遥感影像变化检测方法。综合2个时期的遥感影像,首先通过影像分割获取像斑,其次提取直方图作为像斑的特征向量,再次采用直方图相交法度量2个时期像斑直方图之间的距离,构建像斑的变化向量,然后利用加权组合的方法计算像斑变化向量的模,最后依据最大熵原理获取变化检测阈值,对像斑进行变化/未变化判别。在QuickBird及Ikonos遥感影像上的实验表明:在高分辨率遥感影像变化检测中,与基于像元的变化向量分析法相比,该方法变化检测的精度较优,变化检测的正确率分别达到了0.92与0.90。

一种基于综合特征评估的运动目标跟踪算法

提出一种基于在线综合直方图特征评估的运动目标跟踪算法.首先,通过融合颜色直方图和梯度方向直方图,形成一种新的综合直方图特征集,在物体的表达过程中有效融合和强化物体的颜色和轮廓描述;其次,为了实现长时间的稳定跟踪以及适应跟踪过程中物体和背景的连续变化,提出了一种新的跟踪物体权值评估算法,使可信特征在跟踪中起到更大的作用.复杂背景下的实验验证了该算法的有效性.

融合光谱及纹理异质度的遥感影像变化检测

为解决矢量数据与遥感影像的变化检测难题,提出了一种融合光谱异质度与纹理异质度的变化检测方法。以矢量数据为约束,对遥感影像进行分割获取像斑;提取像斑的光谱直方图与局部二值模式(LBP)纹理直方图;采用G统计量度量直方图的距离,利用像斑与其他同类像斑特征距离的平均值分别构建像斑的光谱异质度与纹理异质度,加权组合光谱异质度与纹理异质度构建像斑异质度;利用大津法获取各地物类别的异质度阈值,比较像斑的异质度与对应类别的异质度阈值,对像斑进行变化/未变化判别。在IKONOS遥感影像上的试验验证了本文方法的有效性。

一种基于协方差估计的均值偏移对象跟踪算法

针对现有运动目标跟踪算法对目标大小、形状变化的适应能力较差,且不能对目标的旋转进行跟踪的问题,提出一种改进的目标跟踪算法。该算法是均值偏移算法的进一步扩展和延伸,在估计目标位置的同时用协方差矩阵来描述目标形状,结合色彩直方图,处理对象的角度和形状、大小发生变化时的跟踪问题。实验结果表明:改进的算法在不同环境下跟踪目标的鲁棒性很好,极大地提高了跟踪精度,具有很强的实用性。

一种基于粒子滤波的自适应运动目标跟踪方法

该文提出了一种基于粒子滤波的自适应运动目标跟踪方法。均值漂移算法是一种最优梯度下降法,通过迭代来搜索目标,从而实现对运动目标的跟踪。而粒子滤波是一种在非线性和非高斯情形下进行跟踪的强有力方法。该文首先对图像的直方图进行改进,提出了一种基于统计直方图分布的目标模型,然后通过这个模型将这两种方法有效地结合起来。根据跟踪的过程,自适应地调整参数,能够较好地处理图像序列中由于光线变化或遮挡所带来的影响。实验证明,该文所提出的方法与均值漂移方法相比,即使在复杂的情形下,也能够准确地对目标进行跟踪。