首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到10条相似文献,搜索用时 111 毫秒
1.
2.
在视频监控及智能交通等领域,雾、雨、雪等恶劣天气会严重影响视频图像能见度,因此快速识别出当前的天气情况,并自适应地对监控视频进行清晰化处理极为重要。针对传统天气识别方法效果差以及天气图像数据集缺乏的问题,构建了一个多类别天气图像分块数据集,并提出了一种基于图像分块与特征融合的天气识别算法。该算法基于传统方法提取平均梯度、对比度、饱和度、暗通道4种特征作为天气图像的浅层特征,基于迁移学习对VGG16预训练模型进行微调,提取微调模型的全连接层特征作为天气图像的深层特征,将天气图像浅层特征与深层特征融合作为最终特征用于训练Softmax分类器,实现对雾、雨、雪、晴4类天气图像的识别。实验结果表明,所提算法能达到99.26%的识别准确率,并且可作为天气识别模块应用于自适应视频图像清晰化处理系统。  相似文献   

3.
传统的基于物理信号的火焰识别方法易被外部环境干扰,且现有火焰图像特征提取方法对于火焰和场景的区分度较低,从而导致火焰种类或场景改变时识别精度降低。针对这一问题,提出一种基于局部特征过滤和极限学习机的快速火焰识别方法,将颜色空间信息引入尺度不变特征变换(SIFT)算法。首先,将视频文件转化成帧图像,利用SIFT算法对所有图像提取特征描述符;其次,通过火焰在颜色空间上的信息特性进一步过滤局部噪声特征点,并借助关键点词袋(BOK)方法,将特征描述符转换成对应的特征向量;最后放入极限学习机进行训练,从而快速得到火焰识别模型。在火焰公开数据集及真实火灾场景图像进行的实验结果表明:所提方法对不同场景和火焰类型均具有较高的识别率和较快的检测速度,实验识别精度达97%以上;对于包含4301张图片数据的测试集,模型识别时间仅需2.19 s;与基于信息熵、纹理特征、火焰蔓延率的支持向量机模型,基于SIFT、火焰颜色空间特性的支持向量机模型,基于SIFT的极限学习机模型三种方法相比,所提方法在测试集精度、模型构建时间上均占有优势。  相似文献   

4.
由于正交矩对噪声鲁棒性强、重建效果好,因此被广泛应用于目标识别与分类中,但是正交矩本质上缺乏尺度变换不变性,而且必要的图像二值化与规一化过程会引入重采样与重量化误差。为此,在研究现有正交矩的基础上,提出了一种基于Radon变换和解析FourierMellin变换的尺度与旋转不变的目标识别算法。该算法首先直接对目标灰度图像进行Radon变换,然后对Radon变换结果进行进一步解析,通过FourierMellin变换将原图像的旋转变化转化为相位变化,将原图像的尺度变化转化为幅度变化;最后,通过定义一旋转与尺度不变函数,同时利用不变函数的4种特征,再应用k近邻法实现分类。理论与实验结果表明,由于避免了正交矩方法存在的重采样与重量化误差,该算法的分类精度高于基于正交矩的分类方法,而且对白噪声的鲁棒性也显著高于基于正交矩的识别与分类方法。  相似文献   

5.
6.
7.
8.
9.
由于正交矩对噪声鲁棒性强、重建效果好,因此被广泛应用于目标识别与分类中,但是正交矩本质上缺乏尺度变换不变性,而且必要的图像二值化与规一化过程会引入重采样与重量化误差。为此,在研究现有正交矩的基础上,提出了一种基于Radon变换和解析Fourier-Mellin变换的尺度与旋转不变的目标识别算法。该算法首先直接对目标灰度图像进行Radon变换,然后对Radon变换结果进行进一步解析,通过Fourier-Mellin变换将原图像的旋转变化转化为相位变化,将原图像的尺度变化转化为幅度变化;最后,通过定义一旋转与尺度不变函数,同时利用不变函数的4种特征,再应用k-近邻法实现分类。理论与实验结果表明,由于避免了正交矩方法存在的重采样与重量化误差,该算法的分类精度高于基于正交矩的分类方法,而且对白噪声的鲁棒性也显著高于基于正交矩的识别与分类方法。  相似文献   

10.
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号