自然交通场景中的车辆颜色识别

车辆颜色是重要的车辆信息之一,对其进行识别可为智能交通系统中的车辆识别环节提供更为精准丰富的信息.自然场景中光线的变化会对车辆颜色造成影响,致使难以根据RGB图像直接获得车辆的颜色类别.传统的机器学习方法用于车辆颜色识别时,通常依据经验筛选用于分类的图像特征,易导致分类效果有限等问题,且这些方法一般计算量较大,难以获得实时结果.针对自然场景中车辆颜色信息难以获取和描述这一问题,提出了一种基于多色彩空间信息的深度神经网络模型(MultiColor-Net),使用多个不同尺寸滤波器分别对输入图像在RGB颜色空间和HSV颜色空间上进行特征提取,再将上述不同颜色空间中获得的特征组合,通过全连接网络,获得自然交通场景中目标车辆的颜色分类结果.在真实的智能交通数据集上对比ResNet,Inception v3等深度神经网络模型和本文所提出的MultiColor-Net,结果表明,MultiColor-Net相比于单独识别HSV图像,准确率提高了2.45％左右;相比于单独识别RGB图像,准确率提高了0.8％左右.因此,MultiColor-Net模型能够在真实的交通图像数据上取得较高的识别准确率,同时保持较低的计算复杂度.     

基于Java+OpenCV技术对几何图像颜色与形状识别

通过Java调用OpenCV视觉库实现几何图像颜色、形状识别。将图像转化为HSV颜色空间,按各颜色H、S、V的取值范围分割图像,对分割图像进行滤波处理、灰度处理、二值化、轮廓提取、去除干扰轮廓、轮廓形状拟合、获取轮廓凸点个数、用凸点距离判断形状,从而实现对各种颜色的三角形、圆、矩形、正方形、多边形等几何图像颜色、形状的识别。该方法可应用于现实生活中,例如识别交通信号灯和信号转向灯等有颜色和形状识别的领域。     

融合RGB与灰度图像特征的行人再识别方法

针对行人再识别过程中相同身份行人图像颜色不一致,以及不同身份行人图像颜色相近问题,提出一种基于双分支残差网络的行人再识别方法。将RGB图像和灰度图像分别输入预训练的ResNet-50网络,获得RGB图像特征和灰度图像特征并对其进行融合,利用统一水平划分策略学习融合特征,同时将RGB特征、灰度特征和融合特征的拼接结果作为最终特征表示。在Market1501、DukeMTMC-ReID和CUHK03数据集上的实验结果表明,与PCB、Mancs等行人再识别方法相比,该方法的平均精度均值和首位命中率更高,且对于图像颜色变化具有更强的鲁棒性。     

基于FESTO自动化仓库系统工件的图像识别研究

针对德国FESTO公司自动化仓库系统的工件识别问题,采用图像识别技术识别工件的颜色和位置,实现仓库信息的实时反馈。运用MATLAB软件采用RGB算法提取仓储工件颜色特征,通过向量组合形成该图像特征值。对所有样本的图像特征输入BP神经网络进行训练,并将经过处理的实时图像数据存储在INFOR数组中。在自动化仓库系统运行中,利用INFOR数组和实时图像对比,实现对工件的颜色识别与位置识别。     

基于多生长时期模板匹配的玉米螟识别方法

玉米螟是玉米种植中的主要虫害之一。为了解决人工识别的劳动强度大,且识别不够准确、及时的问题,文中提出了一种在自然场景下基于多生长时期模板匹配的不同生长时期亚洲玉米螟的识别方法。该方法首先对获取到的图像进行数学形态学预处理;其次利用直方图反向映射法和多模板图像得到总的概率图像;然后利用约束空间的大津法对二值图像进行轮廓提取,并根据周长和面积特征进行初步筛选;最后结合基准轮廓,利用Hu矩等特征选出符合亚洲玉米螟特征的轮廓,进而得出识别结果并以三角形标记。实验和理论分析证明,在复杂自然场景图像中,该方法不仅时效性强,而且具有很好的识别准确度,能够有效降低不同生长时期的玉米螟颜色变化带来的影响。     

一种新的基于色彩的图像检索方法

在分析已有的基于色彩的图像检索方法存在问题的基础上 ,提出一种新的基于色彩的图像检索方法 .该方法对每个图像单独进行颜色量化 ,计算其颜色直方图并排序 ,根据颜色在图像中出现的频率和图像中各种颜色的对比强度确定图像之间的相似度 .使用的图像特征占用存储空间非常小 ,比较速度快 .测试了该方法识别图像和检索相似图像的能力 ,效果明显优于直方图距离方法     

基于HSI颜色空间统计直方图的图像检索

给出了一种对图像的特征进行提取、分析并识别出一定形状及色彩差别的方法,主要目的是提取图像的颜色变化。首先是对采集到的彩色图像进行预处理,包括:图像的滤波、目标图像的定位等;然后采取了相应的图像颜色空间和识别算法,包括:图像颜色空间的变换、颜色量化、图像特征提取、识别算法。计算机仿真结果表明,该算法可行,并取得了较好的效果。     

基于HSI颜色空间统计直方图的图像检索

给出了一种对图像的特征进行提取、分析并识别出一定形状及色彩差别的方法,主要目的是提取图像的颜色变化。首先是对采集到的彩色图像进行预处理．包括：图像的滤波、目标图像的定位等;然后采取了相应的图像颜色空间和识别算法,包括：图像颜色空间的变换、颜色量化、图像特征提取、识别算法。计算机仿真结果表明,该算法可行,并取得了较好的效果。     

一处新的基于色彩的图像检索方法

在分析已有的基于色彩的图像检索方法存在问题的基础上，提出一种新的基于色彩的图像检索方法，该方法对每个图像单独进行颜色量化，计算其颜色直方图并排序，根据颜色在图像中出现的频率和图像中各种颜色的对比强度确定图象之间的相似度，使用的图像特征占用存储空间非常小，比较速度快，测试了该方法识别图像和检索相似图像的能力，效果明显优于直方图距离方法。     

一种分级的车牌颜色识别方法

针对复杂环境中车牌颜色识别率不高的问题,提出了一种分级的车牌颜色识别方法。首先将原始彩色图像投影到HSI空间,根据不同牌照在HSI空间的不同分布进行初步识别,接着提取出牌照的前景和背景,并根据各自的颜色信息再次进行识别,最后综合上述两个步骤得到最终的识别结果。大量实验结果表明,该方法颜色识别准确率高、适应性强。     

Face recognition under varying illumination

To eliminate the effects of illumination variation, the conventional approaches firstly produce a compensation-based face image under standard illumination from the input image and then match the image with the face templates in a database. This method is not inapplicable to the input image with large illumination variation. Therefore, a novel method for varying illumination conditions is proposed. Firstly, the quotient image method is improved. Then, the nine basis images of each subject are generated by the improved quotient image method. Thirdly, one new image of each subject under the same lighting conditions with an input image is synthesized by the corresponding basis images. Finally, the synthetic images and the input image are projected to PCA plane to fulfill the recognition task. The experimental results show that the proposed approach can eliminate the effects of illumination variation and have a high recognition rate in the illumination conditions with remarkable changes.     

一种人脸标准光照图像的线性重构方法

基于相同光照下不同人脸图像与其标准光照图像之间的稳定关系,文中提出一种人脸标准光照图像重构方法。首先,为消除人脸结构影响,引入人脸三维变形,实现图像像素级对齐。其次,根据图像明暗变化,给出一种基于图像分块的光照分类方法。最后,对于形状对齐后的不同光照类别样本,训练出基于子空间的线性重构模型。该方法有效避免传统预处理方法带来的重构图像纹理丢失和子空间方法引起的图像失真。Extended Yale B数据库上实验表明,该方法对图像真实度与人脸识别率的提升,也验证文中人脸对齐和光照分类方法的有效性。     

DenseNet生成对抗网络低照度图像增强方法

针对低照度环境下采集图像存在低信噪比、低分辨率和低照度的问题,提出了一种基于稠密连接网络（DenseNet）生成对抗网络的低照度图像增强方法。利用DenseNet框架建立生成器网络,并将PatchGAN作为判别器网络;将低照度图像传入生成器网络生成照度增强图像,同时利用判别器网络负责监督生成器对低照度图像的增强效果,通过生成器和判别器二者间的博弈不断优化网络权重,最终使得生成器对低照度图像具有较好的增强效果。实验结果表明,该方法与现有主流方法相比较,不仅在对低照度图像亮度增强、清晰度还原等方面优势明显,且在峰值信噪比和结构相似度等图像质量客观评价指标方面也具有显著的优势。     

HSV变换和同态滤波的彩色图像光照补偿

为了有效消除光照对彩色图像的影响,提出应用HSV变换和同态滤波的光照补偿方法。首先将图像从RGB色彩空间变换至HSV色彩空间,然后将高斯高通滤波传递函数引入同态滤波中,设计出一种新的动态高斯同态滤波器,在频域内对图像亮度分量进行增强,并保持色调和饱和度不变,在增强图像细节的同时,削减图像低频分量,弥补因光照不足引起的图像质量下降,实现对彩色图像的光照补偿。实验分析表明,所提出方法能够弱化光照影响,提高彩色图像质量,是一种比传统高斯高通滤波和Gamma矫正更有效的光照补偿方法。     

一种人脸识别中的光照补偿方法

为了消除光照变化对人脸识别率的影响,提出了一种新的基于双边滤波器的Retinex方法,该方法用双边滤波器来估计光照,并应用Retinex理论来获得光照无关的人脸反射图像.仿真实验表明了这种方法能有效消除人脸中的光照影响.     

小波变换在图像照度不均校正中的应用

数字图像中照度不均匀影响了图像分割的质量,本文研究图像照度不均匀的校正。讨论几种现有数字图像照度不均匀的校正技术,分析这些方法在计算误差上面的原因及缺点,在此基础上提出基于小波变换的数字图像照度不均匀校正技术。小波变换兼顾了空域和频域,对光照不均匀数字图像做校正,这对后期图像分割非常重要。图像对比实验表明,该方法与其他方法相比较,具有速度快,所得图像区分度高、背景噪声小的特点。     

基于有效光照估计的复杂光照人脸识别

基于光照估计的光照不变量提取是提高复杂光照人脸识别性能的一种有效方法。以往算法仅考虑光照缓慢变化特性从人脸图像中估计光照,无法获取准确的光照和光照不变量。综合考虑图像的成像原理、光照缓慢变化特性和复杂照明环境,结合图像融合和平滑滤波,提出一种有效的人脸图像光照估计、光照不变量提取方法。所提算法能较好地处理阴影边缘问题,提取含有丰富面部细节特征、更接近于人脸本征的光照不变量。复杂光照Yale B+和CAS-PEAL-R1人脸库上的实验结果表明所提算法具有高效性。     

基于对称双线性模型的光照鲁棒性人脸表情识别

针对传统的光照预处理方法降低原始图像质量、丢失部分有效辨识信息的缺点,提出一种新颖的应用对称双线性模型来对人脸表情图像进行光照预处理的光照鲁棒性人脸表情识别方法.首先通过对称双线性模型将训练集图像分解为相互独立的光照因子和表情因子,并提取其光照因子.接下来提取含有未知光照的测试集表情图像的表情因子,并将其转换到训练集的若干个已知光照上,这样处理能够将任意光照的测试图像转换到相同的光照平台上,令所有测试图像的特征具有归一化特性.实验结果表明, 本文所提光照预处理方 法在识别性能上优于传统的光照预处理方法,应用在光照处理后的JAFFE表情库上识别率达到92.37%, 表明其适用于光照鲁棒性人脸表情识别.     

自适应同态对数光照补偿

人脸检测有广泛的应用前景,但目前的许多人脸检测算法对光照有一定的要求,过亮过暗偏光图像使检测率急剧下降。提出一种自适应同态对数光照补偿方法,用对数函数作为基函数,使变换后的图像符合人的视觉特点;设置对数函数的平移系数,使变换对各种程度过暗过亮偏光阴影图像都可以进行有效的补偿;引入同态补偿公式来补偿光照的同时增强图像细节,使变换后的图像更清晰。实验结果表明,该方法对过暗过亮的人脸图像都可以进行有效的光照补偿,有助于提高人脸检测率。     

变化光照目标图像合成的球调和方法

光照是真实感绘制技术中的一个关键因素。研究了朗伯反射的球调和表示，提出了一种基于球调和函数的任意光照目标图像生成方法。该方法在给定目标基图像及其对应光照属性的基础上，通过基图像数据矩阵的奇异值分解（SVD）分离场景环境光分量、反演计算场景反射率和表面法向量等。新光照条件下绘制图像时，采用四阶球调和函数拟合入射光和朗伯反射核计算直接光照；间接光照采用分离出的基图像环境光分量拟合。实验表明：该方法能够保证绘制精确度，适合复杂光照条件下的目标图像生成。