基于有向复杂网络模型的形状描述与识别

针对传统复杂网络方法对形状的非刚性变形较为敏感等问题,在形状内部距离的基础上利用有向复杂网络进行形状分析.首先提取形状边界点作为复杂网络的节点,以形状边界点之间的内部距离作为复杂网络中节点之间的边权值构建初始网络;然后对初始复杂网络进行k近邻演化,得到不同演化时刻的有向子网络;最后提取各有向子网络的特征来实现复杂网络的特征描述,进而实现形状的特征表示.实验结果表明,该方法对常见的形状变形具有更强的鲁棒性;与传统的无向网络模型相比,具有更高的检索和分类精度.     

改进复杂网络模型的形状特征提取

目的 传统的基于欧氏距离的复杂网络表示方法容易受形状的非刚性变形影响。鉴于此,提出一种基于复杂网络模型与相对一致性距离相结合的形状特征提取方法。方法 首先,提取形状的边界轮廓点作为网络的节点,利用节点间的相对一致性距离作为边的权值构建初始的复杂网络模型;然后,利用阈值演化方法对初始网络模型进行动态演化,得到一系列子网络;最后,提取不同演化阶段下子网络的拓扑特征,实现对形状特征的提取。结果 分类和检索实验结果表明,相比于传统的复杂网络描述方法,本文方法对形状图像具有更强的描述和识别能力。结论 相比于传统的距离度量,相对一致性距离对形状的非刚性变形具有更强的稳定性。     

复杂环境下基于角点回归的全卷积神经网络的车牌定位

车牌定位是车牌识别系统中核心部分,具有较高的研究和应用价值。尽管近些年来该研究取得了很大的进展,但仍无法很好地解决低亮度、低分辨率和车辆倾斜等环境下的定位问题。本文提出了一种新的全卷积神经网络,通过回归车牌角点的方式准确地进行车牌定位。为了保证训练的有效性,对45 000幅含有车牌的图像进行人工标注。同时,对标注的图像随机进行平移、缩放、旋转和加噪,提高训练样本的数量和多样性。在本文构建的卡口图像数据集和复杂环境数据集上与两种方法进行了比较,验证了本文方法的有效性。     

基于TMS320 DM8168平台的快速运动目标检测研究

研究如何在嵌入式平台上对高清视频中的运动目标进行快速、鲁棒的检测。采用德州仪器最新的达芬奇架构TMS320DM8168为平台,在高清1080P视频上实现运动目标的快速检测。采用对噪声较为鲁棒的ViBe算法进行目标检测,并将该算法移植到该平台的MCFW框架中。同时,为了提高算法性能及效率,对算法进行相关优化,包括编译器选项优化、内存相关优化、标准内联函数优化、循环优化以及DMA等。最终实现在嵌入式平台上的实时高清运动目标检测。实验结果验证了该方法的有效性。     

基于保边滤波的显著目标快速分割方法

在视频中自动发掘目标并对其进行精确分割是一个非常有挑战性的计算机视觉问题。本文提出了一种基于保边滤波的显著目标快速分割方法。首先,通过融合外观特征与运动特征,将视频中的显著目标发掘转为能量函数最小化问题进行求解。其次,为了更精确地进行分割目标,融合外观的高斯混合外观模型(Gaussian mixture mode,GMM)、位置先验以及时空平滑约束构建马尔科夫随机场(Markov random field,MRF)模型,并使用图割算法进行求解。本文提出的基于保边滤波的显著目标快速分割方法,在牺牲较少的精度下,极大地提高了分割效率。最后在两个数据集上进行了对比实验,实验结果表明,本文算法的分割精度超过了其他5种目标分割方法,且加速算法在损失少量精度的情况下提高了2倍分割效率。     

达芬奇平台下的运动目标检测算法的应用研究

本文介绍一种适用于TI推出的达芬奇双核(ARM+DSP)处理芯片TMS320DM6446的运动目标检测算法。首先通过对算法进行仿真实验验证算法的可行性,在验证算法可行性之后,以TMS320DM6446作为核心处理器,基于codec engine机制实现了检测算法封装和移植,并在此基础上进行了一定程度的算法的优化以提高算法的效率。测试结果表明,对于720x576大小的视频序列,本文的运动目标检测算法是可行的,在TMS320DM6446平台上运行可以达到10fps左右,为进一步实现智能视频分析的嵌入式产品积累了丰富的经验。     

视频监控系统中行人的自动分割算法

视频监控系统在智能安防等众多领域有着广泛的应用空间,是近年来研究的热点之一。行人的分割在视频监控系统中极其重要,其分割的有效性直接影响目标识别、行为理解等。本文提出一种自动的行人分割算法,使用基于HOG特征的行人检测算法对目标进行定位,获得粗略的前景和背景信息,把获得的预分割信息作为GrabCut算法的先验知识,无需交互式操作,自动地对行人进行精确分割。实验证明该算法不仅有效,而且能满足应用需求。     

基于改进的JSEG算法的图像分割

针对JSEG算法在图像分割中出现的明显过分割现象,提出一种基于边缘信息的JSEG[1]改进方法。该方法首先将图像的颜色空间转换为LUV颜色空间,用PGF（Peer Group Filtering）[2]算法对图像进行平滑去噪,用分裂算法确定图像的类数,用GLA（Generalized Lloyd Algorithm）[3]算法完成量化,生成＂类图＂。然后计算每个像素的J值,并利用Canny算子检测的边缘信息,对J值进行修正,计算每个像素的局部相似程度,并在不同的尺寸下构建J图像,这样就能反映出最有可能的边界位置。最后在J图像上进行种子区域增长,直到获得最终的分割结果。实验结果表明该方法可以有效地改善JSEG算法在图像分割中存在的过分割现象。     

基于结构图的手绘草图检索

提出一种基于结构图的草图检索方法,在保持图像大致形状的基础上对图像的轮廓数据进行有效的降维处理,解决了轮廓的起点选择、旋转、平移以及缩放等不变性,形成了图像的标准化形状描述子,并生成相应的结构图,提取结构图的四种特征,分别进行形似性度量.实验表明文中方法能够用来有效地进行草图检索.     

一种人脸皮肤图像诊断方法

在皮肤病诊断、化妆品功效判定和皮肤评价中都需要精确地检测和提取色斑、皱纹和毛孔。在人脸皮肤图像中截取一块矩形区域,设计了一个滤波器组对该区域图像进行诊断。该滤波器组包括一个小波同态滤波器和一个ε-滤波器组。一方面,把区域图像用小波同态滤波器滤波,进而检测出色斑。另一方面,把区域图像用ε-滤波器组滤波,进而检测出皱纹和毛孔。结合它们各自的特点和一些形态学图像处理算法分别对它们进行了提取。根据实验结果进行了分析,验证了方法的准确性。