基于稠密光流和边缘特征的烟雾检测算法

为了克服传统火灾烟雾检测技术的缺陷,提高视频烟雾检测算法的检测率,通过观察烟雾运动的特性,提出一种基于稠密光流和边缘特征的烟雾检测算法。该算法首先利用混合高斯背景建模和帧差相结合的方法提取运动区域,然后将此运动区域池化为上、中、下三部分,并在每个池化区域提取光流矢量特征和边缘方向直方图。考虑到烟雾运动在时域中的连续相关性,提取相邻三帧的烟雾特征向量以提高算法的鲁棒性。最后使用支持向量机进行训练和烟雾检测。实验结果表明,该算法在测试视频集上准确率超过94%,与现有方法相比,能更好地适应实际应用中复杂的环境条件。     

采用圆周对齐边缘方向直方图的视频烟雾检测方法

视频烟雾检测具有响应速度快、非接触等优点,但由于烟雾形状、色彩、纹理千差万别,目前的算法很难取得令人满意的检测效果.为此,提出了一种鲁棒的特征提取方法,采用支持向量机(support vector machine,简称SVM)进行检测.首先,提取边缘方向直方图(edge orientation histogram,简称EOH).然后,采用圆周平移方式将EOH的最高柱变换到EOH的固定位置,消除了旋转变换的影响.为了进一步增强特征的鲁棒性,提取图像亮度和饱和度分量的Hu不变矩、均值、偏差、偏度和峰度特征.最后,将这些特征组成一个38维的特征矢量,采用SVM训练和识别烟雾.实验结果表明,这些特征具有很好的分类性能,能够在较大的训练库和测试库上达到98%和85%以上的检 测率.     

基于纹理特征和轮廓光流矢量的烟雾识别

为了提高火灾探测的准确率和快速性,提出了基于纹理特征和轮廓光流矢量的烟雾识别算法。一方面为了获得更全面的纹理特征,建立图像金字塔,使用局部二值模式（ LBP）和基于方差的局部二值模式（ LBPV）结合的新方法分别提取金字塔不同层的纹理特征。另一方面是动态纹理特征,由于烟雾运动的湍流特性导致方向具有特定的一致性,改进了对全部可疑区域进行分析的方法,仅对可疑区域轮廓进行光流矢量分析,降低运算量。将静态纹理特征和动态纹理特征输入支持向量机（ SVM ）中进行识别。采用“静—静—动”的新型识别方法,实验结果表明：该算法能够及时准确报警,可靠率高。     

基于累积边缘图像的现实人体动作识别

为了从现实环境下识别出人体动作,本文研究了从无约束视频中提取特征表征人体动作的问题. 首先,在无约束的视频上使用形态学梯度操作消除部分背景,获得人体的轮廓形状; 其次,提取某一段视频上每一帧形状的边缘特征,累积到一幅图像中,称之为累积边缘图像 (Accumulative edge image, AEI); 然后,在该累积边缘图像上计算基于网格的方向梯度直方图(Histograms of orientation gradients, HOG),形成特征向量表征人体的动作, 送入分类器进行分类. YouTube数据集上的实验结果表明,本文的方法比其他方法更加有效.     

基于局部二元模式特征的行人检测

针对复杂背景下的行人检测问题,从纹理信息的角度,提出了基于分块的局部二元模式(LBP)算法。利用局部二元模式均匀模式算子提取小块图像的特征直方图后,并进行归一化,最后将所有的小块特征级联起来形成最终的局部二元模式特征。为了便于比较,采用了支持向量机(SVM)算法分别对梯度方向直方图(HOG)特征和局部二元模式特征训练了相应的分类器。实验结果表明,基于分块的局部二元模式特征在公开的INRIA数据集上能得到较好的检测效果。     

基于边缘对称性和IULBP的行人检测方法

针对现有行人检测方法速度慢、无法满足实时性检测需求的缺点,提出一种基于边缘对称性和改进的等价局部二值模式的行人检测方法 ES-IULBP(Edge Symmetry and Improved Uniform Local Binary Patterns)。该方法首先对输入的图像进行垂直边缘提取并计算对称性,完成行人的初检测,确定行人候选区;然后引入等价局部二值模式,并对其改进,进行行人的纹理特征提取;最后结合线性支持向量机进行行人验证。实验结果表明,与基于梯度方向直方图特征的行人检测方法相比,ES-IULBP检测速度快、准确率高,并具有较强的鲁棒性。     

一种基于支持向量机的图像边缘检测方法

支持向量机是一种新的机器学习的方法。它以统计学习理论为基础,能够较好地解决小样本的学习问题。由于其出色的学习性能,该技术已成为当前国际机器学习界的研究热点。支持向量函数回归(SVR)是SVM的一个重要分支,它已经成功地应用于系统识别、非线性系统的预测等方面,并取得了较好的效果。文中通过图像的SVR表示,对SVR图像的边缘检测进行了研究。文中算例说明了该方法在实际应用中的可行性。实验结果表明,该算法能有效提高图像边缘检测效果。同时对其他边缘检测方法有一定的借鉴作用。     

一种基于支持向量机的图像边缘检测方法

支持向量机是一种新的机器学习的方法.它以统计学习理论为基础,能够较好地解决小样本的学习问题.由于其出色的学习性能,该技术已成为当前国际机器学习界的研究热点.支持向量函数回归(SVR)是SVM的一个重要分支,它已经成功地应用于系统识别、非线性系统的预测等方面,并取得了较好的效果.文中通过图像的SVR表示,对SVR图像的边缘检测进行了研究.文中算例说明了该方法在实际应用中的可行性.实验结果表明,该算法能有效提高图像边缘检测效果.同时对其他边缘检测方法有一定的借鉴作用.     

基于形状特征及纹理特征的中药材检索方法

为有效提取中药材图像的特征,提高中药材图像分类准确率并提升检索性能,对中药材图像的梯度方向直方图形状特征和局部二元模式纹理特征进行研究,对2种特征进行维数改进,提出一种基于形状特征和纹理特征的中药材检索方法。使用改进的图像梯度方向直方图和分块局部二元模式进行形状及纹理的特征提取;对提取得到的特征向量进行线性组合;采用一对一方式构造多分类器,使用支持向量机进行分类检索。实验结果表明,组合降维特征提取算法能在中药材图像数据集中取得较好的识别效果。     

基于局部特征的图像边缘检测

针对传统边缘检测对噪声较敏感且不能准确定位的不足,分析了图像边缘邻域像素之间的关系,提出了基于局部特征的图像边缘检测方法,建立了判断该像素点是否位于边缘上的准则函数。本方法以像素点为研究对象,检测的边缘可能为噪声点或伪边缘点,因此利用图像边缘连续性和噪声点孤立性的特点,运用形态学提取图像边缘并克服了噪声对边缘检测的影响;然后运用形态方向梯度去除伪边缘点。实验结果表明该方法能够准确地检测出图像的边缘,并克服了传统利用微分算子检测边缘的不足。     

基于支持向量机的图像边缘检测研究

将支持向量机应用于储粮昆虫图像的边缘检测中,利用支持向量机两类分类的思想,借助“支持向量”分辨出图像的背景和目标从而检测了图像的边缘,探讨了图像的边缘检测的一种新方法。     

基于支持向量机的多特征彩色图像边缘检测

针对在特殊领域中彩色图像边缘检测,不仅需要准确地检测到目标边缘而且需要去除非目标边缘,提出了一种新的支持向量机多特征彩色图像边缘检测方法.这种方法根据彩色图像边缘的特点,在图像亮度和色度通道上结合像素加权梯度值和像素邻域相关信息构建多维特征向量,通过训练的支持向量机可以准确识别出目标边缘.实验结果表明,该方法比传统边缘检测方法具有更好目标边缘识别能力.     

维度加权模式动态纹理特征的火焰检测

对疑似火焰区域提取纹理特征时,用局部三值模式描述火焰静态纹理特征不利于区分火焰与其他纹理均匀的干扰物,用KNN算法（k-nearest neighbor algorithm）分类效率较低。针对这些问题,提出用三正交平面局部混合模式（three orthogonal planes local mixed pattern,LMP-TOP）描述火焰的静动态纹理,再输入维度加权的支持向量机进行分类识别。LMP-TOP是对第一维XY平面,采用八邻域的均匀局部二值模式（uniform local binary pattern,LBP^u2）三正交平面局部混合模式表示火焰的静态纹理特征;对第二维XT和第三维YT平面,则采用局部三值模式（local ternary patter,LTP）融入火焰在时间维度上的变化信息,这样在得到火焰的静态特征的同时也融入了其动态特征。根据3个维度单独用于识别的准确率,赋予其相应的权重,用维度加权的支持向量机进行分类识别。实验结果表明,相比Sthevanie等算法,本文所提出的方法火焰识别率和检测效率均较高。     

基于局部方向纹理谱描述符的图像检索

提出了一种改进的局部方向纹理谱描述符。根据图像局部邻域中心像素及与其相对像素间的灰度关系及灰度差异关系来定义局部区域纹理方向,在此基础上结合中心对称局部二值模式的定义给出了新的局部方向纹理谱的定义。新描述符在不增加特征维数的基础上,更好地融入了局部纹理信息。采用不同图像库及不同评价准则进行图像检索对比实验,结果表明,该方法取得了较好的检索效果。     

基于直方图包络的红外图像边缘检测

针对高压输电线路红外图像的特点提出一种基于直方图包络曲线的图像边缘检测新算法。为了抑制红外图像中噪声的影响,利用Savitzky-Golay（S-G）滤波器求取灰度直方图的包络曲线来平滑噪声,根据包络曲线的极值点对红外图像进行边缘提取。实验结果表明,该方法简单有效、定位精度高、优于传统的几种边缘提取算子。     

Mean-shift滤波和直方图增强的图像弱边缘提取

准确定位大脑中的功能区域需要我们对fMRI图像中头骨等生物组织精确提取,但由于核磁共振仪等现有条件的限制,头骨等弱边缘信息难于提取。针对这一问题,提出一种弱边缘提取的有效方法。首先利用Mean-shift聚类特性,在不损失目标信息的情况下,削弱图像中的噪声干扰;根据滤波后像素灰度的区域分布特性,对头骨区域进行直方图增强,最后应用边缘检测算法将头骨边缘提取出来。实验的结果表明,该方法可以有效地将fMRI图像中的头骨弱边缘信息提取出来。     

综合颜色和纹理及SVM相关反馈的图像检索

由于单一特征不足以准确地描述图像特征,提出了一种结合颜色特征和纹理特征的图像检索方法。针对传统颜色直方图中图像对所有像素具有相同重要性的问题进行了改进,提出像素加权的改进颜色直方图方法;然后采用Gabor小波提取纹理特征。为提高图像检索的性能,提出了一种支持向量机的相关反馈方法。实验结果表明,该方法具有较好的检索性能。