结合区域颜色和纹理的运动阴影检测方法

在视频跟踪中,由于运动阴影和运动对象具有相似的物理特性,现有方法很难区分运动对象和运动阴影.为解决这一问题,本文利用区域间的颜色和像素亮度的关系进行运动阴影的检测,有效克服了以像素为最小检测单位时检测结构容易受到噪声影响的不足;在通过分析运动阴影的物理模型证明局部二值模式(LBP)纹理的光照不变性之后,利用局部二值模式...     

基于局部纹理不变性的运动阴影去除算法

视频序列运动目标检测过程中,运动目标往往会连同其投射阴影一起被检测为前景,这不利于对运动目标的进一步分类、识别等高层次视觉处理。为了提高运动目标检测的准确性,提出利用局部纹理不变性去除运动目标阴影。首先根据阴影的亮度色度属性分割出疑似阴影区域,然后在疑似阴影区域采用增强的局部纹理描述算子(ILT)提取纹理特征,利用背景在阴影覆盖前后的纹理相似性来去除阴影,最后结合阴影的空间几何属性优化运动目标检测结果。实验结果表明该算法可以有效去除阴影,并且具有较好的实时性。     

结合色度和纹理不变性的运动阴影检测

目的：在运动检测中,运动物体产生的阴影常常被错误地检测为运动物体本身,为了将阴影从检测结果中消除,本文提出了一种色度不变性和纹理不变性相结合的运动阴影检测方法。方法：首先从阴影的物理模型出发,直接在RGB颜色空间利用色度不变性来获得候选阴影区域,然后根据颜色信息对候选阴影区域进行分割,对每个子区域,利用一种基于局部二值模式的指标来度量其与对应背景区域的纹理相似程度,进而判断该子区域是否是阴影,从而得到最终的检测结果。结果：在公开测试集上的实验结果表明我们的方法可以有效地检测出运动阴影,相对于几种常用的阴影检测算法具有一定的优势。结论：本文将像素级水平和区域级水平阴影检测方法结合起来,提出了一种结合色度不变性和纹理不变性的运动阴影检测方法。实验结果表明,在多类复杂场景中,本文方法都能有效地将运动阴影检测出来,具有较强的鲁棒性。     

基于改进型LBP特征的运动阴影去除算法

在局部二值模式（LBP）基础上,运用一种改进的局部三值模式（LTP）纹理特征提取方法。并把这种提取方法运用到运动阴影去除中。该方法首先利用自适应高斯混合模型进行背景建模,得到背景和含有阴影的前景目标;并用亮度属性得到疑似阴影分块,然后再把疑似阴影区域和已获取背景相应位置的LTP纹理相似性进行判断;最后得到准确的阴影区域并实现阴影去除。实验结果表明,该算法能够很好地抑制分割噪声,准确地去除出运动阴影,具有较好的实验效果。     

基于成对区域的单幅图像阴影快速检测方法

传统基于成对区域的阴影检测方法在复杂纹理区域容易产生过分割现象,计算复杂度高,检测效果也受到了一定程度的影响。本文在原方法的基础上,提出利用聚类的方法对分割后的纹理区域重新进行合并,以减少过分割;同时根据成对分割区域的相关特性,构建支持向量机函数进行分类,以提高算法效率,改善阴影检测效果。仿真实验结果表明,与原方法相比,本文方法的检测效率大大提高,对复杂纹理图像的阴影检测结果也更加准确。     

基于交叉皮质模型的高动态范围图像可视化方法

针对高动态范围图像(HDRI)在低动态范围显示设备上的可视化问题,提出基于交叉皮质模型(ICM)的色调映射算法,其在融入人类视觉特性的同时兼顾了全局亮度和局部细节保持.首先将线性热流(LHF)应用于向心自动波(CA)的实现,构成LHF-CA-ICM,以解决原有ICM自动波效应的负面影响;然后根据LFH-CA-ICM迭代...     

基于可变形部件模型的安全头盔佩戴检测

利用视频监控系统进行安全头盔佩戴检测,对于安全生产有着重要意义。已有的安全头盔佩戴检测算法有较多的应用场景条件限制,难以同时满足不同场景需求。针对这一问题,提出了一种应用于安全头盔佩戴检测的算法。该方法依托可变形部件模型,提出了基于块的局部二值模式直方图,与梯度方向直方图和颜色特征共同组成特征向量,使用支持向量机进行训练和检测,利用了单一使用梯度方向直方图作为特征时所损失的有效信息。实验结果表明：该方法优于原可变形部件模型,在安全头盔测试集上的平均检测率提高了7.2%,达到86.7%,已接近应用要求。     

基于多特征的行人检测算法

针对单特征辨识度较低的问题,提出一种基于多特征的行人检测方法.首先构造二维对数Gabor函数,利用此函数提取样本的相位一致性特征,将样本的相位一致性特征和样本的局部二值模式算子(LBP)特征相结合,得到新的行人检测方法.使用支持向量机(SVM)进行分类,并与基于HOG特征的检测方法进行比较,在INRIA行人数据库上的实验证明,基于多特征的检测方法提高了行人检测精度、降低了误检率,检测率高达99.4824％.     

基于颜色和纹理特征背景模型的多层差分运动目标检测算法

提出了一种可以剔除阴影、光照变化影响的运动目标检测算法.该算法分别建立基于颜色和梯度信息的背景差分模型,即为每一个像素建立了基于LBP的纹理特征模型,对于颜色信息采用了一种对颜色测量光度不变性的表示方法,背景模型的更新类似于Stauffer等提出的高斯模型,仅在权值更新中采用了具有滞后作用的策略的更新方法.在前景检测过程中采用了两层的判断过程,在像素层,通过用纹理和颜色的统计模型将每个像素划分为成前景或背景,在第二层,对于颜色特征差分得到前景区域的边界部分统计得到其LBP纹理信息,然后与纹理模型检测得到的同一区域边界的纹理信息进一步比较,剔除由于阴影、光照变化引起的前景误判.     

基于团块模型的行人阴影抑制算法

为有效解决行人阴影对行人跟踪产生的影响,提出一种基于团块模型的阴影抑制算法。该算法利用团块结构作为行人模型,通过计算团块的矩特征和团块垂直直方图,借助几何的方法获得疑似阴影区域。然后,将该疑似阴影区域的灰度、方向、中心位置作为参数对整个前景区域进行阴影建模,使得阴影区域更精确。最后,从行人模型中剔除阴影团块达到阴影抑制的效果。经过视频序列测试,本文算法对不同运动方向、不同数量的行人均有良好的阴影抑制效果,表明了该设计方案的有效性和准确性。     

基于向心自动波交叉皮质模型的非均匀光照图像增强

面向非均匀光照图像, 提出了基于向心自动波交叉皮质模型(Centripetal-autowave intersecting cortical model, CA-ICM)的图像增强算法. 为了解决原始交叉皮质模型(Intersecting cortical model, ICM)固有自动波效应在图像增强应用中易导致边缘模糊的问题, 首先,设计了基于形态学中值集的向心自动波(Centripetal autowave, CA)实现方式. 提出了基于图像特征---键值(Key)的自适应S形状映射函数, 以此作为CA-ICM模型的输入输出的映射关系. 为了增强算法的鲁棒性, 对未点火位置进行了标注和修复. 最后提出了非线性变换的颜色恢复方法. 同时对模型参数设计进行了细致讨论. 仿真结果表明, 该模型可以有效进行光照动态范围的调整, 向心自动波约束产生了邻域内的侧抑制作用, 输出图像对比度得到大幅提升, 细节边缘清晰, 颜色恢复充分自然, 客观评价值高.     

基于交叉视觉皮质模型二值图像形态学算法

交叉视觉皮质模型(ICM)的神经元受到二值图像中背景信息的激发并将点火信息在神经网络中并行传播,根据ICM具有相似神经元同步激发从而产生脉冲输出的特性,研究和实现了图像形态学的腐蚀、膨胀和骨架化.实验结果表明,利用ICM对二值图像处理的结果等同于数学形态学中的处理结果,且较传统数学形态学中的处理效率平均快3～5倍.     

用于脉冲噪声图像的交叉视觉皮质模型滤波

脉冲噪声点与其局部周围所在图像像素灰度值之间有很大的差异,导致了交叉视觉皮质模型(ICM)中神经元激发顺序的不同,根据ICM所具有相似神经元同步激发从而产生脉冲输出的特性,对脉冲噪声点进行定位和自适应滤波.结果表明:文中方法处理的受脉冲噪声污染的图像的信噪比较其他非线性滤波器的处理结果提高50%～60%,运算耗时仅为其他非线性滤波器的20%～30%;同时,比其他非线性滤波方案更有效地保持了图像的高频细节信息,给图像的后期处理和识别打下了很好的基础.     

基于交叉视觉皮质模型的彩色图像自动分割方法

通过对传统彩色图像分割方法的分析,结合最新的交叉视觉皮质模型,给出了一种新的彩色图像自动分割算法。将图像转换到HSV色彩空间,并利用判决机制选择熵最大的分量进行分割,与传统的对H,S,V分别进行处理并将处理结果合并作为分割结果的方法相比,传统HSV方法耗时7533 s,该算法整个处理过程耗时257 s,约为传统HSV方法耗时的三分之一,大大提高了处理的速度;将最大类间交叉熵判决机制引入到交叉视觉皮质模型中,从而实现图像自动分割,避免了人为干预,提高了分割的准确性。将该方法与基于最大香农熵的分割方法进行了比较,仿真结果表明,该算法对于彩色图像自动分割具有良好的性能。     

基于交叉视觉皮层模型的边缘检测算法

交叉视觉皮层模型(ICM)在处理图像时,会因连接矩阵权值设置不当而产生错误。为此,提出一种新的连接矩阵设置方式,介绍基于交叉视觉皮层的边缘检测算法,确定神经元点火范围。将该算法应用于模糊医学图像的边缘提取中。实验结果表明,与其他边缘检测算法相比,该算法能够较好地提取模糊医学图像边缘,具有较高的精度。     

基于粗糙集阴影区域的检测与分类

粗糙集理论是一种新的处理模糊和不确定性问题的数学工具。本文提出一种基于粗糙集阴影边缘分类方法。该算法根据粗糙集理论、梯度、最大邻域差及噪声的条件属性,将一幅图像划分为不同的子图像;然后对子图像分别进行处理,得到阴影边缘点;再利用边缘生长对边缘点进行细化和跟踪,删除那些假边缘点;然后根据阴影边缘构出假想的阴影区域,并统计这些区域的灰度直方图,求得阴影区域的灰度区间。根据该灰度区间可以得到阴影区域,再根据这些区域的灰度、形状、面积等特征对阴影进行分类。通过对所得结果进行分析可知,结合粗糙集理论的阴影图像边缘检测算法与其他的常规检测方法相比,无论从视觉效果还是检测精确度上都有所改善。     

基于面向对象技术的高分辨率遥感影像的阴影检测与去除

阴影是高分辨率遥感影像的基本特征之一,阴影的检测对于影像的目标识别和信息恢复十分关键。采用面向对象的技术,通过图像分割,获取阴影对象,结合阴影对象的特征,设置特征函数并分类,最后获得阴影区域。试验证明,该方法简单易行,较精确地提取了阴影区域。     

基于差分量化局部二值模式的人脸反欺诈算法研究

随着人脸识别技术已经融入到人们日常生活中,人脸欺诈检测作为人脸识别前的一个关键步骤越来越受到重视.针对打印攻击和视频攻击,提出了一种通过量化局部像素之间的差值来细化传统局部二值模式(local binary pattern, LBP)特征的差分量化局部二值模式(difference quantization local binary pattern, DQ_LBP)算法.DQ_LBP能够在不增加LBP维度的基础上提取像素之间的差值信息,以便更精确地描述图像的局部纹理特征.此外,使用空间金字塔算法统计了不同彩色空间中的DQ_LBP特征并将其融合成统一的特征向量,从而更加充分地描述了人脸的局部彩色纹理信息及其空间结构信息,进一步提高了算法的检测性能.实验结果表明：该算法在CASIA FASD,Replay-Attack,Replay-Mobile三个具有挑战性的人脸反欺诈数据库中都取得了较为优异的结果,而且在实时性设备的应用上具有很大的潜能.     

基于局部Gabor变化直方图序列的人脸描述与识别

提出了一种在Gabor变换幅值域内提取局部变化模式空间直方图序列(histogram sequence of local Gabor binary patterns,简称HSLGBP)的人脸描述及其识别方法.鉴于Gabor特征对光照、表情等变化比较鲁棒,并已在人脸识别领域得到成功应用,首先对归一化的人脸图像进行多方向、多分辨率Gabor小波滤波,并提取其对应不同方向、不同尺度的多个Gabor幅值域图谱(Gabor magnitude map,简称GMM),然后在每个GMM上采用局部二值模式(local binary pattern,简称LBP)算子抽取局部邻域关系模式,最后由这些模式的区域直方图形成的序列来描述人脸.Gabor变换、LBP、空间区域直方图的采用使得该方法对光照变化、表情变化、误配准等具有良好的鲁棒性.而且,这种人脸建模方法不需要基于训练集合进行统计学习,因而不存在推广性问题.同时,进一步探讨了如何在分类器设计阶段与统计方法进行结合的问题,提出了统计Fisher加权的HSLGBP匹配方法.在通过FERET人脸库光照、表情和时间变化测试集上与已发表的实验结果进行对比,充分验证了该方法的有效性.