结合Gibbs随机场的加权模糊C均值图像分割算法

加权模糊C均值(WFCM)算法是在模糊C均值(fuzzy C-Means,FCM)算法的基础上提出的,它为不同的样本添加了不同的权值,从而改善了聚类效果.然而传统的加权模糊C均值算法具有对噪声非常敏感的缺陷,于是本文提出了一种结合Gibbs随机场的改进的WFCM算法(G-WFCM).根据Gibbs随机场概率分布构造了一个Gibbs空间约束场,通过用Gibbs空间约束场为WFCM施加空间约束的方法来减小噪声对分割结果的影响.文中给出的人脑MRI图像分割实验证明,本文提出的G-WFCM算法具有比原WFCM算法更强的抗椒盐噪声能力.     

基于显著特征区域和条件随机场的目标跟踪

针对目标跟踪中的遮挡问题,提出一种基于局部显著特征区域和条件随机场模型(CRF)的跟踪算法。利用目标区域中的显著特征区域相互之间的空间位置关系以及时间域上相邻区域的影响,并结合各个显著特征区域自身的局部信息建立目标的CRF模型;利用CRF模型对 Mean Shift算法的跟踪结果进行概率推断,融合各个显著特征区域的权重,精确定位运动目标的最终位置。在多个视频序列上的实验结果表明,与改进的 MS算法、粒子滤波算法以及分块跟踪方法相比,文中算法具有较高的跟踪精度;尤其是当目标被遮挡时,该算法具有较好的跟踪鲁棒性。该算法充分利用了显著特征区域自身的局部特征和区域之间的空间结构信息以及各个显著特征区域在时间域上的约束条件,能够实现复杂情况下的运动目标的鲁棒跟踪。     

VGG网络与多特征融合的遮挡人脸检测

实际生活中的人脸图像大部分带有遮挡,常常导致待检测人脸的关键信息丢失。针对人脸识别过程中由于遮挡所导致的人脸特征难以提取的问题,本文设计了一种基于VGGNet和多特征点融合的遮挡人脸检测算法。该方法以VGG-16框架为特征提取的骨干网络,在传统VGG网络的全连接层输入前增加遮挡处理单元OCC-Net（Occlusion-Net）。在该层中首先采用多特征融合的方法,增强网络对人脸特征的提取;然后利用尺度不变特征转换（SIFT）算法,扩大网络中小尺度特征图,得到更为丰富的互补信息,改善了传统VGG网络由于多次卷积、池化操作后所导致的小尺度特征损失严重的问题;最后改进回归框参数以降低损失函数对遮挡区域的敏感度,通过边框回归得到遮挡区域的位置信息,提升了有遮挡情况下的人脸检测精度。实验结果表明,相较于PCANet、Faster RCNN及未添加OCCNet的传统VGGNet等常用算法,本文算法在常用的FDDB以及RMFD等遮挡数据集上,均能更精确地定位被遮挡的人脸,证实了该算法的有效性和鲁棒性。     

基于遗传神经网络的低识别度图像分割算法

针对目前的图像分割算法无法考虑到低识别度图像下,对边缘细节和轮廓信息实现精确分割,提出一种基于遗传神经网络的低识别度图像分割算法.利用马尔科夫随机场(MRF),建立初始图像的分割概率模型,然后使用低通滤波器将低识别度图像分解成高频层和低频层,对包含高频层的图像信息进行傅里叶域上的预处理后,送入预先设计好的的遗传神经网络...     

基于肤色分割与AdaBoost算法的人脸检测

提出了一种将肤色分割与AdaBoost算法相结合的人脸检测方法。该方法利用肤色的聚类特性在YCbCr色彩空间中建立肤色高斯模型,通过形态学处理完成图像肤色区域的筛选;然后利用AdaBoost算法训练弱分类器并构成强分类器,对强分类器进行组合,形成级联分类器并对候选区域进行人脸检测,排除非人脸肤色区域,实现对不同角度人脸的正确检测。该方法可同时解决肤色分割方法对复杂背景图像的高误检率与AdaBoost算法对多姿态人脸图像的低检测率的问题。仿真实验表明,该方法具有检测率高、误检率低、适应性好及鲁棒性强的优点,对具有多姿态、多人脸和复杂背景信息的图像具有较好的检测效果,实用性得到增强。     

基于MobileNetV3多尺度特征融合的人脸表情识别

针对人脸表情识别中普通卷积神经网络特征提取能力不足且识别效率低下的情况,本文提出了一种基于MobileNetV3多尺度特征融合的人脸表情识别。首先利用MobileNetV3进行特征提取以获得高层次情感信息;其次在骨干网络中借鉴DenseNet结构,增强特征复用并提升网络重要面部特征表达能力;然后利用特征金字塔模块充分获取人脸图像的深层和浅层多尺度融合特征,从而提高了MobileNetV3的特征提取能力和实时性;最后利用全连接层构建分类器对表情进行分类,从而完成了人脸表情识别。通过实验验证,结果表明,在CK+和FERPlus数据集上识别准确率可以达到88.3%和98.8%,与现有方法相比分别提高了2.3%和1.5%,表明了所提方法识别效果好,泛化能力强。     

基于条件约束的区域生长法耳蜗MR图像分割

在传统区域生长算法中,由于生长判定规则具有局限性,所以在分割医学图片时很容易产生过分割现象.为了解决过分割问题,提出了一种基于距离约束、多种子点加权的区域生长法对颞骨MR图像中的耳蜗区域进行分割.首先在区域生长法中添加一个距离约束条件,用于解决原始算法中存在的过分割问题;然后又进一步引入动态多种子加权生长规则,降低了因...     

一种基于随机场多运动目标跟踪算法

多运动目标跟踪是智能视频监控系统的重要内容。由于目标数量众多且目标之间相互遮挡,会造成跟踪轨迹不连续,这是多目标跟踪问题的难点,也是当前流行算法无法解决的研究的问题。利用目标对相互之间的位置信息受到外界干扰较少的特点,提出基于条件随机场多目标跟踪。与以前针对所有目标的外形特征不同,算法对跟踪子对进行标示。采用分层结构,由低阶状态作为输入序列到高阶,通过代价函数最小化,从而得到最终连续跟踪轨迹。能有效解决复杂环境下多目标不连续的问题。算法对于外形类似的被跟踪目标以及相互遮挡严重的情况有比较明显的优势,与当前优秀的算法相比,实验表明本文算法在定量分析和定性分析上均有较好的结果。     

基于DSP的人脸检测系统

从实际应用角度出发,以TMS320DM642芯片为核心构建基于DSP的人脸检测系统,先选用运算量小快速稳定的肤色检测法进行图像分割,再通过数学形态学运算改善分割图质量,之后为保证误检率尽量小进行了多重验证。实验结果表明,该系统能在一定的复杂环境下较为准确、速度地检测出人脸。本文具有一定的实用价值。     

基于改进 U-Net 的高压电缆绝缘层图像分割研究

针对目前高压电缆绝缘层检测操作繁琐、效率低、重复测量差异大等问题,设计了一种新型电缆绝缘层检测装置,提出 了一种基于改进 U-Net 的高压电缆绝缘层图像分割方法。 首先替换主干特征提取网络为 VGG16 网络,结合迁移学习将 VGG16 在 Pascal VOC2012 数据集中训练的权重作为预训练权重,利用通道注意力模块在跳跃连接处融入自适应特征加权机制,在上 采样过程中添加分组卷积,提高了语义分割精度;然后利用训练的最优权重进行绝缘层图像分割,提取轮廓区域特征并进行二 值化处理,使用连通区域算法对轮廓区域进行填充;最后,融合原始图像和分割区域生成完整绝缘层分割图像。 实验结果表明, 平均交并比和平均像素准确率达到 99. 56%和 99. 81%,较原网络效果提升明显,验证了该方法在高压电缆绝缘层分割上的 有效性。     

基于多残差和多重特征融合的去雾算法

针对目前大多数图像去雾算法由于细节丢失导致去雾后的图像颜色失真,雾霾残留以及纹理细节模糊等问题,提出 一种基于多残差和多重特征融合端到端的去雾算法。首先通过设计浅层特征提取模块,为深层网络提高丰富信息的特征图; 其次设计多残差级联模块,提取多层次特征,帮助模型学习更加复杂的特征表示;然后设计局部-全局特征融合模块,捕获从最 细微到最广泛的特征;最后设计结合残差注意力的跨层特征融合模块,避免上下采样后的细节缺失,更好地提取图像中的局 部与全局信息特征。实验结果表明,所提算法在 SOTS 室内、室外测试集上峰值信噪比(PSNR) 分别取得了33.12、31.07 dB, 结构相似性(SSIM) 分别取得0.986、0.983,与当前大多数主流算法相比得到了明显的提升,且在合成雾图像和真实雾霾图像 均取得了不错的去雾效果,复原图像细节更加清晰,更符合人类视觉感知。     

Performance evaluation of face recognition using feature feedback over a number of Fisherfaces

In this paper, we present a performance evaluation of face recognition using feature feedback over the number of Fisherfaces and propose a guideline to determine an appropriate number of Fisherfaces. Feature‐feedback‐based pattern recognition has been proposed to distinguish the important part from the whole dataset. The selected data by feature feedback is applied to extract features for classification and consequently enhance the performance of the classification. However, some parameters should be adjusted when using the feature feedback for pattern recognition depending on the applications. The number of Fisherfaces is one of the most important parameters that affect the recognition rates. In this paper, we propose a method to determine the number of Fisherfaces when using feature feedback for face recognition. Experimental results show that the proposed method is useful in the effective application of feature feedback for the improvement of the recognition performance. © 2013 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

基于I-DCV的人脸识别方法

在人脸识别的过程中,利用独立成分分析(ICA)方法得到的特征能够很好的描述原始图像,但是不具备很好的判别分类能力。判别共同矢量(DCV)是一种在类内散布矩阵的零空间中求取投影矩阵的方法,相比线性鉴别分析(LDA)方法,可以得到更具鉴别能力的特征。因此本文提出一种新的特征提取算法,简称I-DCV,首先对预处理后的人脸图像应用独立成分分析算法去除二阶及高阶冗余信息,然后利用DCV对求取的独立特征向量作进一步的处理,最后依据欧式距离进行分类识别。实验结果表明,本文提出的方法具有很好的识别性能。     

水工混凝土裂缝像素级形态分割与特征量化方法

混凝土开裂问题在水工建筑物主体结构中普遍存在,裂缝检测一直是水工混凝土结构安全鉴定的重要内容.数字图像处理技术因具有效率高、成本低等优势而被广泛应用于结构表面裂缝检测中,形态分割与特征量化是其核心任务.针对传统图像处理人工干预较多、泛化能力较弱等不足,本文提出了一种基于深度卷积神经网络的水工混凝土裂缝像素级形态分割与特...     

基于特征融合一维卷积神经网络的电能质量扰动分类

现有基于特征选取的电能质量扰动分类算法存在鲁棒性差、抗噪性能不强等问题。提出了一种改进的一维卷积神经网络用于电能质量扰动信号的分类。首先通过三个卷积神经网络子模型分别提取电能质量扰动信号的特征向量,然后将提取的特征向量融合为一个新的特征向量,最后通过BP神经网络实现分类。与改进前的一维卷积神经网络模型以及现有的电能质量扰动分类算法相比,该算法提取的特征向量具有更大的区分度。仿真结果表明,该算法有更好的鲁棒性和识别率,且抗噪能力强,为电能质量扰动信号分类提供了一种新思路。     

基于PCA/ICA的人脸特征提取新方法

人脸自动识别方法已成为当前模式识别和人工智能领域的一个研究热点,人脸特征提取是人脸识别技术的关键。首先介绍了人脸图像的预处理过程,PCA和ICA算法的原理,针对PCA和ICA算法本身优缺点,提出一种新的基于PCA/ICA的人脸特征提取方法,最后采用最近邻分类器,对ORL人脸库进行分类识别。实验证明,改进的方法优于PCA算法和ICA算法。     

一种基于特征融合的点特征目标跟踪算法

联合目标的颜色和纹理特征,构造了由目标的颜色和纹理特征联合表示的特征点目标表示模型,利用Mahalanobis距离构造特征点匹配函数,利用自适应kalman滤波(AKF)算法预测特征点在下一帧图像中的位置,通过特征点匹配准确定位目标,达到实时、准确跟踪的目的。实验表明,该方法对于光线变化,目标形状相似以及目标被部分遮挡时的跟踪是有效和稳健的。     

复杂光流场运动分析与特征提取

针对车辆行车前方场景视频图像序列这-复杂光流场,提出一种基于光流分析的车辆行车环境特征实时提取方法:对同定在驾驶室的摄像机所拍摄的驾驶员视野前方行车视频图像序列进行区域分割,得到3个特征区域,采用五置信点光流算法对其中两个区域的光流场进行光流估计,并应用数理统计方法对其作置信空间和算术平均处理,提高了光流估计的鲁棒性,...