基于颜色直方图的颜色特征提取

本文首先介绍了几种常用的颜色空间,并说明了他们之间的转换方法,利用常用的HSV空间说明了几种常用的颜色特征的提取方法.     

基于反相灰度叠层的风景水墨画仿真算法

在艺术效果仿真算法中,中国水墨画的仿真是一个有挑战性的研究课题。为实现山水风景图像的水墨效果仿真生成,提出基于灰度层反相叠加的水墨画仿真算法。算法首先运用直方图规定化方法实现图像的8阶灰度转换,并将各灰度区域分解成层,在真实墨迹特征分析的基础上对各层"墨区"进行墨迹仿真,最后通过灰度层的反相叠加实现由远及近、由浅入深的水墨画逐层仿真模拟。实验证明,该方法生成的风景水墨图具备了水墨画应有的形态和特征,取得了一定的仿真效果。     

基于BP神经网络的数字识别研究

比较了各种数字识别方法,采用BP神经网络设计了一个数字识别系统。首先对数字图像进行二值化处理,构造输入向量矩阵;接着通过选取初始权值、隐层节点数和权值学习算法,创建BP神经网络,对样本数据进行训练;之后对加有噪声的样本再次进行训练,以提高网络的鲁棒性;最后制作了图形用户界面进行实验。测试结果表明,该系统对噪声系数小于0.85的字符识别率可达96%,且网络训练时间可以接受。     

基于直方图投影的交通标志特征提取算法

本文提出了一种基于直方图投影的交通标志特征提取方法。通过粗分类对捕获的标志进行筛选,再计算直方图,并分别从水平、垂直方向进行投影,组合特征向量,最后利用神经网络进行识别。该方法极大的减少了特征的维数,消除了大量冗余数据,并增强了神经网络的分类能力。经测试,对于3类常见交通标志,神经网络识别率有大幅提升。     

基于梯度方向直方图与高斯金字塔的车牌模糊汉字识别方法

针对现有车牌识别方法中对模糊车牌识别率不高的问题,提出一种结合高斯金字塔与梯度方向直方图(HOG)特征的车牌识别算法。利用金字塔模型多尺度表达的方法,首先对车牌模糊汉字图像建立两层高斯金字塔模型,第一层描述了模糊汉字的细节特征,通过对第一层作平滑处理并向下采样得到第二层,在描述模糊图像细节特征的基础上突出主体特征;然后对两层高斯金字塔模型提取HOG特征,拓展图像的特征维数,提高特征对模糊汉字的识别能力;最后采用BP神经网络分类器进行模糊且互为形近字间的汉字分类识别。仿真结果显示,在相同的样本空间下,与HOG特征法、K-L变换法相比,所提算法在识别率方面均有提高,能提高视频监控中对模糊汉字的有效识别率。     

基于小波概率神经网络的直方图模式识别

针对直方图各种模式的特点,提出了一种基于小波变换与概率神经网络结合的方式,用于直方图的模式识别。模拟仿真结果表明该模型识别精度高,收敛速度快,能满足直方图模式识别的需要。     

水墨画计算审美评估

近几年计算审美已成为一个活跃的研究方向,但现有工作主要以照片和油画作为研究对象.水墨画以水墨为主,以颜色为辅来表现物体,因而在视觉特征上与照片和油画有显著不同.提出一个水墨画的计算审美评估框架.该框架首先提取水墨画中的颜色、构图和纹理特征,然后用著名画家齐白石的60幅国画作品进行验证.具体先对这些作品进行人工审美评分,然后将计算的特征变量和人工审美评估数据回归得到一个计算审美评估模型.实验结果表明,该模型计算审美评估结果与人工审美评估结果之间的皮尔森相关系数达到0.949.该工作为水墨画作品审美评估提供了一个参考框架,而且有助于进一步探索人类审美与从水墨画中提取可计算视觉特征之间的关系.     

基于直方图矢量重心的PCNN图像目标识别新方法

对传统PCNN模型进行简化与改进,从适合图像处理的角度提出了赋时矩阵的概念;利用物理学相关概念定义了一种新的赋时矩阵图像直方图矢量不变特征,并将该特征运用在图像目标识别中;通过实验证明了算法的优越性。     

基于肤色与结构特征的人脸检测与跟踪

首先使用基于YCbCr色彩空间的肤色高斯概率模型，对彩色图像进行肤色分割，得到候选人脸区域，接着提取候选区域的几何结构特征形成特征向量，利用bp神经网络进行候选人脸的判决，以此获得人脸的初始跟踪位置；后续的跟踪使用帧间差分法来确定人脸的移动方向和位置。该方法提高了人脸的检测速度和正确率。     

颜色直方图与相似性度量的自然图像分类研究

主要研究一种面向自然图像的基于颜色特征的分类方法。通过介绍基于颜色特征的不同图像分类技术,分析基于颜色直方图与相似性度量的自然图像分类的可行性,并给出基于HSV颜色模型下的直方图相似性度量的计算方法,最终在包含628幅自然图像的图像库上进行实验。     

直方图均衡化与SURF重构的图像特征提取方法

针对SURF算法提取图像特征点较少的问题,提出了一种经直方图均衡化处理,重构SURF尺度空间（R-SURF）的图像特征提取方法。该方法能提高图像特征点检测数目,同时保持较高的匹配率,并且继承SURF算法的良好特性。将算法与SURF和C-SURF算法进行比较实验,结果表明R-SURF具有更好的特征检测能力。     

基于谱直方图和Kalman滤波的目标跟踪

为了提高背景混淆下的跟踪效果,提出了基于谱直方图和Kalman滤波的目标跟踪方法.通过将图像与滤波器组进行卷积计算获取图像的频率特征,统计获得图像的谱直方图.谱直方图将图像转移到频域进行统计,减少了颜色以及噪声等因素的干扰.为了提高跟踪效率,引入Kalman滤波运动估计,进行局部搜索运动目标,并详细探讨了Kalman参数的设置.实验结果表明,在背景混淆的场景下,相对于颜色直方图来说,该算法能够取得较好的跟踪效果.     

基于申威众核处理器的HOG特征提取算法并行加速

HOG特征是一种简单高效的常用来进行物体检测的特征描述子,广泛应用于行人检测等领域,然而在处理海量图片时却面临着严峻的性能挑战。解决方法之一就是通过使用"神威太湖之光"超级计算机的处理器节点对海量图像背景下的行人检测算法进行加速。主要采用了两种并行方案:一种是一个处理器同时处理4张图片,另一种是同时处理256张图片。大量的串行和并行处理的实验测试结果表明,对高分辨率多幅图像的并行处理可采用第一种方案,加速比可达83倍;对低分辨率图像可采用第二种方案,加速比最高可达到95。两种并行设计方案在"神威太湖之光"的多处理器节点上具有很好的可扩展性能。     

基于改进型BP神经网络在列车异物检测中的研究

提出了B P神经网络学习算法上存在收敛速度慢,容易陷入局部极小的问题,现通过惯性校正方法及重新构造响应函数法来克服这两个问题,对B P网络学习算法进行了改进。利用小波多尺度边缘检测对列车异物图像进行分割和特征提取,并将列车异物特征向量作为训练样本对改进后的B P网络进行反复训练,直到获得最佳的映射结果,提高识别的精确度,提高了列车异物自动识别的速度,为实际的异物检测应用奠定了重要的参考价值理论与实验基础。     

融合空间及邻域信息的色彩直方图检索方法

针对直方图无法反映色彩分布的空间信息这一缺陷,提出一种融合了空间及邻域信息的色彩直方图检索方法。以同一色彩构成的最大连通区域及其边缘区域的颜色粗糙度来反映同一颜色像素形成的区域特点及邻域信息,从而降低检索结果对色彩的绝对依赖,提高了检索的准确性。     

基于生成式对抗网络的中文字体风格迁移

风格多样的中文字体是一种重要的中国文化符号,它的设计和操作是一项需要大量专业知识的艰巨工作。因此,针对这项工作提出一种基于生成式对抗网络的中文字体风格迁移的新方法。实验中,使用基于残差网络结构的生成式模型,在均方误差约束下,进行生成式模型与判别式模型之间的对抗训练,最后使用训练所得的生成式模型实现不同中文字体间一对一和多对多的风格迁移。实验表明,与之前常用的基于◢l◣▼1▽正则化方法相比,使用这种方法在字体细节生成上有更出色的表现,简化了中文字体的建模方式,提高了生成图像的逼真度,并具有更好的灵活性和通用性。     

基于神经网络的印刷体数学公式抽取方法*

在分析中文印刷文档版式及字符特征的基础上,提出了一种将决策树与BP神经网络相结合的数学公式抽取方法。采用决策树方法将孤立公式从文档中抽取出来,采用BP神经网络方法定位内嵌公式。实验表明,该抽取方法对中文文档的公式抽取具有较高的正确率、容错率和速率。     

新型融合方法的医学图像预处理和分类

为在尿沉渣的复杂环境中提取适合神经网络识别的图像信息,满足医学检测和分类的准确性要求,提出一种改进型卷积网络(improved convolution neural networks,ICNNs)的图像融合预处理方法。经过融合与重构,得到符合R、G、B要求的高质量射频多光谱信息图像。对比其它预处理方法与神经网络集成的识别分类数据可知,多种尿沉渣成分的识别率得到了显著提高,由聚堆问题引起的识别分类干扰持续下降。ICNNs与BPNNs (back propagation neural networks)集成方法的仿真实验结果表明了ICNNs图像融合预处理方法的先进性,以及ICNNs与BP识别神经网络集成的有效性和鲁棒性。     

基于CS和神经网络的传感器网络模式识别研究

当前,传感器网络快速地发展,其节点不断增多,需要传输和储存的数据量也就不断增大,同时现有传感器节点尺寸与复杂度限制了传感器网络的数据存储、数据的计算速度及频宽.针对此类问题,将压缩感知技术应用于传感器网络,对传感器网络中传输的数据进行压缩,降低传输数据量,然后在接收端重构数据,将该数据样本作为BP网络的输入进行识别.实...     

基于人工神经网络对sEMG信号的手势动作识别

针对利用表面肌电信号(sEMG)对手势动作的肌电信号的研究较少和sEMG信号处理过于复杂的问题,提出了利用人工神经网络和sEMG信号对人的手势动作进行识别研究,引入了MYO硬件设备对新的手势动作sEMG信号采集.利用MYO从手臂上获取每一个手势动作的sEMG信号,提取信号特征值,作为算法的训练数据和测试数据.采用人工神经网络中的反向传递神经网络算法来进行对4种不同手势动作分类,对应目标手指识别率在90.35%.研究结果可以被用来做临床诊断和生物医学的应用以及用于现代硬件的发展和更现代化的人机交互的发展.