基于二阶局部二值模式的图像纹理提取技术探讨

人脸特征提取,是人脸识别技术过程中必不可缺,也是非常关键的步骤之一,目前常见的方法有基于面部器官的特征提取、基于模板的特征提取、基于代数方法的特征提取、基于弹性匹配法的特征提取等多种方法,T．Ojala等人提出了局部二值模式（LocalBinaryPattern,LBP）方法,利用它来进行图像的纹理特征提取。本文利用局部二值模式算子验证了二阶局部二值模式方法更有利于提高图像的识别效果,方法简单易行,计算量小,如能与其它的方法一起配合使用,则能大大提高图像的识别率。     

基于四元数模型的密集人群视频特征提取

密集人群场景下的视频异常事件检测是当今智能监控技术研究中的一个热点。本文针对如何合理提取面向密集人群场景视频的时空特征、以及提高密集人群异常检测的效率进行研究,结合人类视觉感知系统相关知识,分析了将视频的时间特征和空间特征相融合的四元数傅里叶变换,提出了一种新的适用于密集人群场景的特征提取方法。最后通过实验证明,本文所提出的特征能够较为全面准确地描述密集人群视频场景中的特征,并取得了良好的异常检测效果。     

基于改进完全局部二值模式火焰特征提取的转炉炼钢终点碳含量预测

转炉炼钢火焰图像特征的准确提取是预测终点碳含量的关键,针对于火焰图像相似性高进而难以区分碳含量相近的火焰图像,导致无法准确精准预测碳含量的问题,提出一种改进完全局部二值模式(improved complete local binary pattern,ICLBP)的彩色纹理特征提取方法,用于提取不同碳含量下更具区分性的...     

基于姿势估计和特征融合的行人重识别算法

行人重识别在交通管理、寻找走失人口等范畴用途较广。现有算法难以处理人体姿势改变、遮挡和特征不对齐的问题,提出一种姿势引导和特征融合的行人重识别算法。所提出的算法包括3个分支,包括全局分支、基于姿势估计引导的全局分支、局部对齐分支。全局分支提取行人的全局特征,可以捕捉行人的粗粒度信息以及整体的上下文关系。基于姿势估计引导的全局分支利用姿势估计网络引导模型关注行人的全局可见区域,降低遮挡物对行人识别的干扰。局部对齐分支利用姿势估计算法构成对齐的局部特征,同时区分可见的局部区域,以降低遮挡以及姿势变化的影响。通过多分支结构,将局部特征和全局特征融合,以加强特征的多元化,增强模型的鲁棒性。最终,利用交叉熵和软边界三元损失进行模型训练。Market-1501和DukeMTMC-ReID数据集上的测试结果效验了所提算法的可行性,其间,DukeMTMC-ReID数据集的Rank-1、mAP各达成了91.2%、81.8%,具有较佳的实用性。     

基于核典型相关分析融合的XLPE电缆局部放电模式识别

提出使用核典型相关分析方法提取XLPE电缆接头局部放电信号PRPD图谱特征信息,并使用K最近邻分类算法实现不同绝缘缺陷模式的高准确率识别。利用YJV-26/35 k V型电缆及其附件设计了4种典型绝缘缺陷,使用脉冲电流检测获取局部放电样本信息,绘制了PRPD图谱并应用于样本数据,研究不同特征向量下的识别效果,在适合维数最终获得较高识别正确率。相对于传统电力设备模式识别方法,不但可以有效反映信号非线性特征,并可以将多种特征进行有效融合,消除冗余特征。     

基于非高斯分布的四元数小波图像去噪

图像去噪一直是图像处理的经典问题之一.四元数小波变换是一种新的多尺度分析图像处理工具,图像通过四元数小波变换后的小波系数尺度间具有一定的相关性,而广义高斯分布不能体现这个特性.本文首先采用非高斯二元分布的贝叶斯统计模型来模拟四元数小波系数的统计分布,然后运用最大后验概率估计从带噪声图中的小波系数估计原图的小波系数,从而达到去除噪声的目的.实验表明;该方法不仅可以达到明显的去除噪声的效果,而且在峰值信噪比上也要优于目前的许多算法.     

基于四元数卡尔曼滤波的四旋翼姿态测量系统设计与实现

在嵌入式微小型四旋翼姿态测量系统中,姿态算法、系统冗余、硬件方案等直接影响了测量系统的性能和实用性。针对上述问题构建了一种兼具实用性、鲁棒性以及准确性的姿态测量系统。系统使用四元数卡尔曼滤波对微机电陀螺仪、微机电加速度计以及微机电磁力计进行数据融合处理,在硬件设计中采用双加速度计,并同时采用不同采样频率对其采样以增强系统的冗余性。仿真结果表明该数据融合方法的稳定性以及准确性,同时仿真数据表明系统的测量误差在0.5°以内,能够满足微小型四轴飞行器控制系统所需的姿态测量要求。     

基于局部细化多分支与全局特征共享的无监督行人重识别方法

无监督行人重识别因其在真实监控场景中具备良好的可扩展性而备受关注。现有的无监督行人重识别方法主要通过基础骨干网络获取粗略的全局特征来训练网络,很少利用局部细化分支与全局特征共享来形成更具有鉴别性的特征描述符。本文提出一种基于局部细化多分支与全局特征共享的特征提取网络,该网络融合了粗略的全局特征和局部细化分支中的细腻特征来获取行人多样化的特征表达。另外,为了提升分支网络对潜在关键区域信息的捕获能力,在分支操作前放置通道细化信息融合的注意力块来增强网络对行人特征的关注力度,执行细化特征的专注学习。通过在Market-1501、DukeMTMC-reID和MSMT17数据集上的实验结果验证了所提方法的有效性,平均精度(mAP)分别提升了4.4%、3.2%、6.4%,其中在Market-1501数据集上的平均精度达到了83.3%。     

识别局部放电的新特征量——分维数的研究

用分形理论提取了局部放电信号的分维数 ,将其作为特征量进行局部放电信号的识别。研究表明 ,分形维数作为识别局部放电的特征量具有广阔的应用前景     

基于GLCM和LBP的局部放电灰度图像特征提取

针对变压器局部放电模式识别中传统统计谱图特征提取维数高、识别率差等问题,提出基于灰度共生矩阵和局部二值模式的局部放电灰度图像纹理特征提取方法。该方法从宏观角度将灰度图像转化为灰度共生矩阵并获取其8维特征,从微观角度计算邻域像素相对灰度响应并获取其10维特征量。搭建四种局部放电实验模型,通过脉冲电流法采集局部放电信号;结合两类特征,以支持向量机作为分类器来识别放电类型并用传统特征提取方法作为对比。结果表明利用该方法提取灰度图像特征在避免特征灾难的同时仍有较高识别率,能有效识别四种放电模型,验证了该方法的有效性。     

基于区域NSBP特征的加权证据融合表情识别

为了提取鲁棒性强的人脸纹理特征并提高区域特征决策融合的性能,提出一种基于邻近平滑二值模式(neighbor smooth binary pattern, NSBP)特征描述子和加权证据融合(weighted evidence fusion, WEF)的表情识别新方法。首先,提出了一种NSBP描述子,通过判定水平、垂直及对角线方向上的"中心"像素点灰度值是否在各梯度方向上两邻域的灰度值范围内来对图像进行编码;然后基于提取的眉毛、眼睛和嘴巴区域的NSBP纹理特征来构造证据的初始基本概率分配(basic probability assignment, BPA);最后针对登普斯特-谢弗(Dempster-Shafer, D-S)证据理论在证据之间存在冲突时进行融合的不足,提出一种加权证据修正的合成方法,以完成3个区域证据的决策融合。实验结果表明,该方法在CK(Cohn-Kanade)数据库上的平均表情识别率和识别时间分别为95.25%、765 ms,与其他相关方法的比较也验证了其有效性。     

局部二进制特征描述算法综述

为引起更多机器人视觉领域的研究者对局部二进制特征描述算法进行探索和讨论,并推动局部二进制特征描述算法在图像匹配、目标识别和机器人导航等领域的应用,系统的综述局部二进制特征描述算法的发展过程以及研究进展。首先简要概述浮点型的特征描述算法,并指出研究局部二进制描述算法的必要性;然后详细的介绍基于手动设置的经典二进制描述算法及其改进方案,深入分析基于优化学习的二进制特征描述算法的优势和缺陷;最后对局部二进制特征描述算法存在的问题进行讨论,强调将当前深度学习理论与局部二进制特征描述原理相结合的重要性,同时随着深度学习理论的引入,局部二进制特征描述算法必然会更加适合机器人系统开展反恐防爆、核电安全、太空探索等特殊环境下的图像匹配和目标识别任务。     

基于FAST检测器和SURF描述子的聚合图像人脸识别

本文提出了基于聚合图像的人脸识别方法。将多张人脸图像通叠加的方式形成一幅聚合图像,并将其作为训练图像进行特征检测和描述,最后与测试图像提取到的特征进行匹配。通过与其他人脸识别方法对比,实验结果表明,本文方法在识别率方面有明显的优势,即使使用单张人脸图像依旧能够获得较高的识别率;使用聚合图像时,随着聚合图像使用的人脸图像数量的增加,提取到的特征点的数量也不断增加,使测试图像在训练图像中匹配到更合适的特征点,提高其识别率。     

基于K均值聚类的光伏电站运行状态模式识别研究

在阐述光伏电站运行状态模式识别意义的基础上,提取了表征光伏电站运行状态的相关特征参量。基于K-means聚类原理,对广东佛山某光伏电站的实际运行数据进行相关数据处理得到相应的特征矩阵。利用K均值算法进行聚类分析,结果表明K均值聚类算法在光伏电站运行状态的模式识别上具有良好的聚类综合能力,可有效解决光伏电站运行状态模式分类处理的复杂性问题,具有重要的理论和应用价值。     

局部梯度DT-CWT主方向模式的表情识别

提出一种采用局部梯度双树复小波变换(dual-tree complex wavelet transform,DT-CWT)主方向模式(dominant direction pattern,DDP)的人脸表情识别方法。首先,对归一化后的表情图像进行4层DT-CWT,每一层得到8个方向的DT-CWT特征图像,其中包括6个高频方向和2个低频方向,构建一种新的主方向模式(IDDP)对每个DT-CWT特征图像进行编码;然后按照基于梯度方向的融合规则将每一层上IDDP编码特征图融合到一起,将融合图进一步划分为若干个不重叠且大小相等的子块,分别计算每个子块区域的直方图分布,将其联合起来得到人脸表情图像的特征;最后,采用基于Fisher加权的Chi平方概率统计最近邻方法进行分类识别。大量实验表明,算法在识别率和识别时间上都体现出了一定的优势。     

基于背景减除和特征提取的跌倒识别方法

为了有效监测老年人是否跌倒,提出一种结合背景减除及人体边界的外部轮廓特征提取方法对人体动作行为进行识 别。 首先,利用背景减除法从视频中提取运动的对象,对提取的运动对象进行预处理;然后利用最小外接矩形和重心检测的方 法对运动目标进行特征提取,得到老人整体外部轮廓和重心位置等运动特征;最后根据人体不同姿态,建立运动模型,有效辨识 被监护对象的行走、跌倒等动作。 实验结果表明,提出的方法可对实际的视频进行有效处理,对人体行为识别的准确性能达 到 94. 3%。     

几种模式识别方法在源相机辨识中的分析比较

为了重新衡量模式识别方法在整个源相机辨识过程中所起的作用,对在源相机辨识中使用比较普遍的几种模式识别的方法,包括支持向量机、BP神经网络以及Simple Stump Adaboost,进行了分析比较.通过对提取到的300张照片的特征数据分别采用了分析实验,根据得到的实验结果,在通用性、效率、推广能力和分类效果方面对各种算法进行分析与比较,最后得出每种方法的优缺点和适用性,为源相机辨识的实际应用提供有利的信息.     

基于惯性传感的人员行进动作识别方法

人员行进动作的识别对于行人航位推算(PDR)的计算精度有至关重要的影响。将连续的行进过程依据零速率修正点(ZUPT)划分为单步动作后,准确的动作识别是PDR系统的难题之一。将惯性测量单元IMU固连在胫骨中间外侧位置,采集了大量人员行进过程胫骨运动的加速度和角速度,建立了用于行进动作识别的惯性传感数据库。通过对人员的平地行走、上楼梯和下楼梯的惯性传感数据的分析,建议了一种结合运动特性寻找行进过程中零速率修正ZUPT点的方法。在完成单步步态划分的基础上,提出了一种基于支持向量机(SVM)理论,并采用惯性传感数据作为特征的SVM行进动作分类器。经大量人员行进实验验证,所建议的动作识别方法对于区分行走、上楼梯和行走、下楼梯,精度分别达到96%和85%。     

基于模式识别的配电网故障区段定位

提出了一种用电压暂降模式识别定位配电网故障区段的方法.首先用故障分析建立电压暂降数据库.当短路故障发生时,将测量点的电压暂降与数据库中的电压暂降匹配,找到所有可能的故障区段.然后,对所有可能的故障区段进行降序排序,然后根据排序依次检验是否为故障区段.通过对一个11kV典型测试配电网进行单相接地短路故障仿真,结果验证了本文所提方法的有效性和准确性.     

基于改进KNN算法的新能源发电单元运行状态识别

目前识别发电单元运行状态的研究较少,数据来源以数据采集与监控系统为主,采集速度较慢。为此,提出了一种基于发电单元机端电气量数据并融合改进k近邻(KNN)算法的新能源发电单元状态识别方法,直接采集机端电气量数据用于快速判断发电单元状态。提出KNN算法的改进策略,克服了传统KNN算法准确度低、识别速度慢的缺点。利用电力系统分析综合程序获取用于状态识别的发电单元机端电气量数据,利用改进策略对数据进行预处理,并对比传统KNN算法、逐条使用改进策略的KNN算法对新能源发电单元状态识别的耗时与准确度。结果表明所提算法较传统算法的识别准确度和速度明显提升,能满足稳定控制过程中对新能源发电单元的状态感知需求。