基于超像素和DTCWT的火焰检测

结合超像素和双树复小波变换(DTCWT)给出了一种基于图像的火焰检测算法。该算法使用简单线性迭代聚类(SLIC)方法对图像进行超像素分割,并采用RGB-HSV混合颜色空间对超像素进行处理,分割出疑似火焰区域;然后利用DTCWT对疑似火焰区域图像进行多尺度多方向分解,分别对高低频系数提取HOG特征和圆形度特征;最后通过特征融合,并使用交叉网络搜查法的SVM实现火焰的识别。大量实验结果表明该算法火焰识别的精度较高。     

基于Gabor小波与HOG特征的目标检测方法

针对传统的HOG目标识别方法,提出一种通过Gabor滤波融合后的进行HOG特征提取的目标检测方法。为了提高HOG特征提取信息的有效性,首先用Gabor对目标图像做了预处理,其预处理过程是针对图像Gabor特征的在尺度和方向上进行融合,形成一幅Gabor图像。为了有效提取全局的Gabor图像纹理、轮廓信息,将该图像分为大小相同且重叠的块,分别对每个块进行统计,最后用RealAdaboost级联方法对目标和非目标样本进行学习,并对测试序列进行分类。结果表明,基于梯度的Gabor预处理技术能提高目标特征提取性能。与传统的HOG目标识别的方法比较,该方法在目标图像受到干扰的情况(遮挡、重叠等)下,监测效果明显优越。     

基于改进YOLO网络的双通道显著性目标识别算法

由于缺乏目标的先验信息,实时预警检测系统存在虚警率高、实时性偏低等问题,限制了实战环境下的广泛应用。为了提升目标检测识别的性能,本文提出了一种基于改进YOLO网络的双通道显著性目标识别算法,该算法利用红外图像与可见光互补特性进行多尺度融合,并在融合图像上采用显著性检测获取疑似目标区域,最后利用改进的识别网络对疑似区域进行多层次目标识别。改进的YOLO识别网络增加了一路辅助网络,改善整个特征提取网络的性能,并采用注意机制对辅助网络和骨干网络的特征信息融合,增强有效信息通道,抑制无效信息通道,提高网络识别效率。仿真实验结果表明,本文提出的模型可以有效地提高目标检测与识别精度,其实时性得到了大大增强。     

图像特征融合的行人重识别方法

行人重识别的目的是在跨区域、跨场景的情况下,检索出特定目标行人.由于行人外观可能相似,以及存在姿态变化和遮挡的问题,因此要求行人重识别模型能够捕捉到足够的细节信息.基于此,提出了图像特征融合的行人重识别算法,融合图像的全局特征与局部特征进行目标行人的检索.该算法构建了特征融合的图像通道,由卷积神经网络提取图像的视觉信息...     

基于候选区域定位与HOG-CLBP特征组合的行人检测

基于方向梯度直方图(HOG)特征和局部二值模式(LBP)算子的行人检测算法采用滑动窗口搜索策略存在扫描区域过大和计算复杂的问题,存在的这些问题会导致检测速度慢。鉴于此,提出一种行人检测算法。首先,采用选择性搜索算法对目标区域进行定位,并将候选区域的高宽比限制在一定范围内以筛选无效窗口。然后,为了弥补LBP算子在纹理表达上的缺陷,引入完备的局部二值模式(CLBP)算子来提高纹理特征的表达能力。接着,考虑到HOG特征和CLBP算子特征维数过高对分类器的识别能力产生影响,采用主成分分析的方法分别对HOG特征和CLBP算子进行降维,降维后再进行串联融合。最后,引入困难样本的挖掘过程训练支持向量机分离器,这可以使模型训练得更充分,进而降低误检率。在INRIA数据集上仿真结果表明,所提算法在识别率和识别速度上都有一定的提高。     

基于SVM分类的红外舰船目标识别

针对海天背景下红外舰船目标识别提出了一种基于机器学习的分类算法。该算法首先利用分割算法提取红外图像中的连通区域,并对原图相应的位置进行标记和归一化处理,然后利用HOG特征提取标记区域的高维特征向量,用线下样本库训练得到的SVM分类器对所提取的HOG特征进行高维特征空间的分类,识别目标和干扰。仿真实验表明,该算法具有良好的性能,在复杂海天干扰背景下能够有效地识别红外舰船目标。     

基于稀疏编码和背景差分的迁移学习行人检测算法

针对多变化场景中通用分类器复杂度高和手工标 记工作量大的问题,提出了一种新的迁移学习框架, 结合稀疏编码和背景差分进行行人检测。首先优化HOG+SVM通用检测器,融合BCLBP和HOG进 行特 征提取,训练linearSVM,并在目标场景序列上利用基于GMM的背景差分法获得帧目标样本的 运动区域 以丰富样本特征。其次利用尺寸等过滤器从目标样本中筛选出部分样本作为目标模板,然后 通过稀疏编码 计算源样本与目标样本和目标模板的相关性,根据稀疏系数与置信度值去计算源样本和目标 样本的权重。 在重训练过程中,基于稀疏编码对所有样本进行权重分配,排除源样本的异常点,从而解决 目标样本漂移, 得到特定场景的行人检测器。为验证算法的有效性,在INRIA、Caltech、TUD数据集上实验 ,本文训练的 特定场景行人检测器的检测率相对于其他传统方法实现了不同程度的提高。     

基于HSV模型和特征点匹配的行人重识别算法

提出了一种基于HSV模型和特征点匹 配相结合的行 人重识别算法。首先根据改进的HSV空间颜色量化策略,比对两幅行人图像的 躯干和腿部主颜色是否一致,以快速确定备选目标;然后对备选目标,利用环形Gabor滤波器组生成多尺度图 像,再利用改进的FAST算法和BRIEF算法对多尺度图像进行特征点提取与描述,最后利用暴 力算法和随机抽样一 致性算法进行特征点匹配和提纯,以达到较好的匹配效果。实验结果表明,本文提出的行人 重识别算法具有较高的识别准确率,识别速度达到12frames。     

基于Gabor小波和SVM的人脸表情识别算法

针对包含表情信息的静态图像,提出基于Gabor小波和SVM的人脸表情识别算法。根据先验知识,并使用形态学和积分投影相结合定位眉毛眼睛区域,采用模板内计算均值定位嘴巴区域,自动分割出表情子区域。对分割出的表情子区域进行Gabor小波特征提取,在利用Fisher线性判别对特征进行降维,去除冗余和相关。利用支持向量机对人脸表情进行分类。用该算法在日本表情数据库上进行测试,获得了较高的识别准确率。证明了该算法的有效性。     

基于Log Gabor小波相位一致不变量的目标识别

给出了一种基于Log Gabor小波的相位一致（PC）不变量的神经网络目标识别方法。针对Gabor小波存在的问题，分析了LogGabor小波优于Gabor小波的性能，给出了TPC不变量的定义，探讨了低层次图像不变量特征，运用LogGabor小波PC特征不变量公式进行了修正，提取了目标图像边缘特征。利用该方法进行了神经网络目标识别实验，仿真结果表明，该方法能够很好识别图像目标，识别率达到97％。