基于兴趣点方向梯度直方图的图像检索方法

提出了一种基于图像兴趣点方向梯度直方图的检索方法.为了提高检索准确度,首先采用直方图均衡化增强图像对比度,然后利用SURF(Speeded Up Robust Features)检测子检测图像中的兴趣点,以兴趣点为中心,对兴趣点邻域内分块方向梯度直方图进行图像特征描述,最后进行相似性度量.该算法通过直方图均衡化,提取到图像中更丰富的细节信息尤其对于颜色单一与颜色较深的图像,而且算法中充分利用了图像中包含信息量较多的图像兴趣点.实验证明,该算法提高了图像检索的准确度,相比其他算法取得了更好的检索结果.     

基于梯度算子的线检测算法及其Matlab实现

为对图像特征准确识别提供数据分析,提出了一种基于梯度算子的线检测算法。算法首先对转化为灰度图的图像进行边缘检测,经过高斯滤波去除噪声等处理后利用线检测模版求出各像素的梯度值,从而求出图像的灰度直方图及梯度向量直方图。最后基于Matlab进行仿真模拟,仿真结果表明:方法具有较好的抗干扰性和定位准确性。     

基于统计信息的织物瑕疵自适应检测

在使用模板匹配方法检测织物瑕疵的过程中,通过实时采集、分析织物的灰度图像,获得织物纹理的统计信息,并从中提取出正常纹理的特征.在此基础上,生成自适应更新的匹配模板和自适应变化的瑕疵判决阈值,使模板和判决阈值不需要人为干预,能够随织物的实际纹理自适应的变化,提高了算法的灵活性和通用性.实验结果验证了该方法的有效性.     

多特征融合的自适应加权采样上下文感知相关滤波跟踪算法

针对传统相关滤波器使用特征单一、背景信息不足等缺点,提出一种多特征融合的自适应加权采样的上下文感知相关滤波算法.首先,对于灰度图像序列,采用方向梯度直方图(FHOG)特征、局部二值模式(LBP)特征以及灰度特征相融合;对于彩色图像序列,则采用方向梯度直方图(FHOG)特征、局部二值模式(LBP)特征以及颜色(CN)特征...     

曲率-HOG目标检测算法研究

HOG特征描述子充分利用梯度方向与幅值分布信息,在行人、车辆等特定目标检测定位中得到广泛应用,针对如何在HOG特征中融合梯度信息和曲率信息,本文提出基于HOG的梯度曲率相结合的目标检测算法并将其应用于目标检测问题中。算法首先计算图像的曲率信息和梯度信息,利用梯度的幅值和方向作为约束条件,统计曲率的分布直方图;然后将曲率直方图特征与HOG特征相连接,构成新的更具有区分性的特征描述子,最后将这一特征描述子用于检测实验。在ETZH形状数据库和INRIA马匹数据库上的实验结果表明,本文算法能够更好地检测目标并获得较高的精度。      

HOG特征及其应用研究

图像特征在目标检测及识别中扮演着重要的角色。基于方向梯度直方图(Histograms of Oriented Gradient,HOG)特征的目标检测方法以其良好的检测效果得到很多研究者的广泛关注。文章重点研究HOG特征及其应用,详细分析了HOG特征的提取过程,并引入积分直方图对其计算进行加速处理。在基于HOG特征提取算法的基础上,重点探讨了基于HOG特征的行人检测,并简要介绍其在车辆检测以及目标跟踪方面的应用。     

基于视觉显著性和提升框架的场景文字背景抑制方法

为解决复杂背景对场景文字自动定位算法干扰的问题,该文利用视觉显著性抑制背景且突出前景的特点,以方向梯度直方图特征、方向梯度直方图统计特征、梯度幅度特征和梯度曲线特征的弱分类器,结合提升框架提出一种背景抑制算法。该文算法的目标是抑制自然图像中复杂背景且突出前景文字,作为场景文字自动定位算法的预处理阶段增强算法效果。在ICDAR2011场景文字定位竞赛数据库和实验室场景中文数据库中实验结果表明,该文算法较好地抑制自然场景中复杂背景,并有效提升场景文字自动定位算法的性能。     

梯度直方图和光流特征融合的视频图像异常行为检测算法

异常行为检测在智能监控系统领域中有广泛的应用前景。本文针对此应用领域,提出了一种结合光流特征和梯度直方图特征的视频异常行为检测及定位方法。首先利用视频背景提取算法进行前景提取和标注,实现对前景信息的分割。然后利用光流和梯度直方图特征提取算法对前景图像分别提取光流和梯度直方图特征,其次,使用支持向量机对数据进行训练和测试。最后结合光流幅度信息与前景标记信息对判断出来的异常行为进行定位。实验结果表明,与先前算法相比,本文算法可以检测出异常行为,并且能够对异常帧进行异常行为定位。      

光照健壮人脸识别的低秩相对梯度直方图特征

为了进一步提升人脸梯度特征的光照健壮性,本文结合低秩分解能有效分离图像本质特征和噪声的特性,提出了一种光照健壮的低秩相对梯度直方图特征提取方法。首先,通过对人脸图像进行相对梯度运算获得了图像的相对梯度幅值图像和各像素的梯度方向信息。然后,为了去除相对梯度图像中由于非均匀光照而引入的光照边缘误差,利用低秩分解将相对梯度图像分解为低秩分量和稀疏噪声分量之和。最后,结合人脸图像的梯度方向信息对相对梯度图像的低秩分量进行离散化、滤波和局部二值模式编码形成了人脸的低秩相对梯度直方图特征。在经典的FE-RET子集以及具有代表性的YaleB和PIE光照子集上的实验显示：低秩相对梯度直方图特征的人脸识别性能显著优于相对梯度直方图特征、方向梯度幅值模式特征和图像低秩特征等方法的性能;在YaleB子集上,低秩相对梯度直方图特征的人脸识别精度比相对梯度直方图特征的人脸识别精度高至少4％。实验结果证明,低秩相对梯度直方图特征对光照变化,尤其是非均匀光照变化的人脸识别具有很强的健壮性。     

基于HOG和SVM的通信设备工具板检测方法

针对通信装备测试中对工具板的定位、识别问题,提出一种利用方向梯度直方图特征与支持向量机结合的方法检测工具板。首先利用平板电脑拍摄通信装备及工具板,然后从图片中剪裁出正负样本,提取样本方向梯度直方图特征。训练样本特征得到检测器并检测图片,最后将待检测的工具板定位在图像中供进一步检测,结果表明,该方法可以很好地完成对工具板的识别和定位,具有可行性。     

基于俯仰角修正的HOG特征快速行人检测算法

传统的HOG特征对正视或侧视行人有较好的识别率,但是对俯视行人的识别率仍有所欠缺。对检测图像的HOG特征根据不同的俯仰角进行了转换,同时优化了SVM分类器训练过程,提出了一种改进的快速行人检测算法。测试结果表明,该算法优于基于传统HOG特征的检测方法,有效提高了不同俯仰角视频中行人检测的准确性。     

基于均值hash的图案织物疵点检测

图案织物的疵点检测是织物瑕疵自动化检测的难 点,论文提出以均值hash特征描述子表示图案织 物的均值hash特征和灰度特征,实现了图案织物的疵点检测。首先,基于图案织物的周期性 ,构建了无疵 点织物的均值hash特征词典;然后,提取测试织物图像块中的均值hash特征和灰度特征;通 过图像块的 均值hash特征与词典进行匹配,利用汉明距离表示差异度,获得了结构显著图;将图像块的 灰度特征与全 局灰度平均值比较,得到灰度显著图;最后,融合显著图,定位了缺陷位置。大量图案织物 的实验结果表 明,均值hash特征描述子能有效地表示周期性图案织物的结构特征,算法结合灰度特征,提 高了织物疵点检测的成功率,并具有良好的视觉效果。     

基于SLPP-SHOG的红外图像车辆检测方法

针对红外图像的车辆检测,结合梯度方向直方图(HOG)特征与监督保局投影(SLPP),提出单帧图像车辆检测算法。首先,为增强特征描述能力、提高检测性能,在不增加特征维数的情况下,利用图像分割将区域的轮廓信息、灰度信息融入HOG特征中;其次,针对传统HOG特征维度过高,影响车辆检测效率以及准确率的问题,采用SLPP对提取的SHOG特征进行降维;最后,利用极限学习机(ELM)对样本图像的低维特征进行训练得到ELM分类器,实现车辆检测。本文以实拍红外图像作为实验数据,实验结果显示:针对红外图像的车辆检测,本文算法的检测性能较好,与原始HOG特征相比,本文所提SLPP-SHOG特征的特征维数由1764降至30,检测准确率升高16.03%,F1-measure提高了8.79%,检测时间由5.7 ms降至2.6 ms。     

基于支持向量机的金属表面缺陷检测

针对人工检测金属表面缺陷效率低、主观意识强、无法长时间工作等缺点,提出一种基于支持向量机监督检测、分类以及测量的金属表面缺陷的方法,并使用Matlab软件设计一个图形用户界面(GUI),便于检测人员使用。研究中先对工厂采集的图像进行Gabor滤波和对比度增强的前处理。然后使用方向梯度直方图(HOG)和灰度共生矩阵(GLCM)进行特征提取,为后续提高检测准确率打下基础。最后对于每种缺陷类型都采用270张图片进行模型训练,利用训练好的模型对测试图片进行测试。实验结果表明,最终3种缺陷类型的总正确率为88.9%,该检测方法能够有效地检测出金属表面缺陷。     

基于MSER和SVM的快速交通标志检测

为解决传统的基于机器学习的交通标志检测(TSD) 方法需要对每一个待检测子窗口进行处理而导致算法实时性不高的问 题,提出了一种基于感兴趣区域(ROI)提取和机器学习的快速TSD 算法。针对传统基于颜色阈值的ROI提取方法具 有对光照变化较敏感等缺点,设计了一种颜色增强下的最大稳定极值区域(MSER)方法 ,根据标志的颜色进行 颜色增强,对颜色增强图像提取MSER得到交通标志ROI;然后在图像的多尺度滑动遍历检测 过程中,仅对包含ROI的滑 动窗口进行方向梯度直方图(HOG)特征的提取,并通过支持向量机(SVM)进 行分类判别。实验结果表明,本文改进的TSD方法在运算速度上有较大提升,具有很好的鲁 棒性,且获得了96.42%的检测率以及较低的误检数。     

基于链码的织物疵点图像形态特征提取

在织物疵点的检测与识别过程中,疵点特征值的提取是关键。探讨了一种新的织物疵点图像形态特征提取方法,对织物疵点图像经迭代阈值分割、图像去噪、Sobel算子边缘检测后,对图像进行边缘跟踪,求取其链码表示,从而计算得到疵点的各项形态特征参数。该特征参数可作为疵点合理分类的重要依据。实验证明该方法便捷快速,应用性强。     

基于视频图像的输变电设备外部缺陷检测技术及其应用现状

基于视频图像的电力设备缺陷检测技术是实现电力智慧运维的关键技术之一,可解决电力设备故障自动诊断、主动预警和在线运维中存在的外部缺陷智能识别问题,减少人力资源浪费,提高电力系统巡检智能运维的频率与效率,从而弥补传统输变电设备巡检运维方式的不足。该文详细综述了当前典型的基于视频图像的输变电设备缺陷检测算法及图像处理技术,分析了传统图像处理方法及深度学习方法在电力设备缺陷检测领域应用的优缺点,总结了当前算法应用及开发平台的现状,指出了基于视频图像的输变电设备缺陷检测技术存在的问题,并展望了未来发展方向。     

Image forgery detection algorithm based on U-shaped detection network

Aiming at the defects of traditional image tampering detection algorithm relying on single image attribute,low applicability and current high time-complexity detection algorithm based on deep learning,an U-shaped detection network image forgery detection algorithm was proposed.Firstly,the multi-stage feature information in the image by using the continuous convolution layers and the max-pooling layers was extracted by U-shaped detection network,and then the obtained feature information to the resolution of the input image through the upsampling operation was restored.At the same time,in order to ensure higher detection accuracy while extracting high-level semantic information of the image,the output features of each stage in U-shaped detection network would be merged with the corresponding output features through the upsampling layer.Further the hidden feature information between tampered and un-tampered regions in the image upon the characteristics of the general network was explored by U-shaped detection network,which could be realized quickly by using its end-to-end network structure and extracting the attributes of strong correlation information among image contexts that could ensure high-precision detection results.Finally,the conditional random field was used to optimize the output of the U-shaped detection network to obtain a more exact detection results.The experimental results show that the proposed algorithm outperforms those traditional forgery detection algorithms based on single image attribute and the current deep learning-based detection algorithm,and has good robustness.     

基于CSLBP模糊图像特征提取与检测方法研究

图像作为记录生活和储存信息的重要途径之一, 是人对视觉感知的物质的一种再现, 同时也是对现实场景的一种真实写照。面对海量的图像数据,如何准确高效的提取图像特征 ,获取有用信息,将信息转化为所需特征,是需要解决的问题。针对这一问 题,本文提出的基于CSLBP模糊图像特征提取与检测方法很好的解决了这一问题。同时结合H OG特征提取与检测、Haar特征提取与检测以及基于深度学习的人脸特征检测方法与本文算法 进行比较,对各类方法的基本原理 、步骤、应用等进行分析。其次,将对近年来出现的方法予以介绍,从解决问题的角度对经 典方法和新方法进行分析比较,对于存在的问题进行对比、归纳总结,并得出结论。结果得 知,本文提出的模糊图像特征匹配算法较经典算法与深度学习算法而言有一定的优势,但均 有改进之处。例如如何控制高噪声情况下的特征提取率,以及如何提高在光照强度下的稳定性,是今后研究的重点问题。     

基于Blob算法的织物疵点检测算法的研究

针对布匹疵点检测算法高效性和准确性要求的不断提高的要求,提出了利用基于Blob分析算法对采集的织物图像进行疵点识别的方法。对图像中的目标疵点区域进行降噪、开闭运算、标记目标区域及二值化等大量仿真实验,得到相关疵点有效特征值,实验充分证明了Blob算法在疵点检测中实时性和准确性。