结合特征图谱学习的人数统计方法

针对实际公共场景视频的人数统计中存在的背景干扰、光照变化、目标间遮挡等问题,提出一种结合特征图谱学习和一阶动态线性回归的人数统计方法。首先,建立图像的尺度不变特征变换（SIFT）特征与目标真实密度图之间的特征图谱映射模型,利用SIFT特征和前述映射模型得到包含目标和背景特征量的特征图谱;然后,根据通常监控视频中背景变化较小、特征图谱中的背景特征量相对稳定的特点,由特征图谱的积分与真实人数通过一阶动态线性回归建立人数回归模型;最后,通过该回归模型模型得出估计人数。在数据集MALL和PETS2009上进行实验,实验结果表明：与累积属性空间方法相比,所提方法平均绝对误差降低了2.2%;与基于角点检测的一阶动态线性回归方法相比,其平均绝对误差降低了6.5%,平均相对误差降低了2.3%。     

特征回归与检测结合的人数统计方法

针对目前特征回归与检测这2种主流的人流量统计方法的不足,提出一种基于特征回归与检测结合的人数统计方法.对于视频帧的远景区域,采用背景分割的方法提取出前景块,将前景块中的特征通过贝叶斯多核支持向量回归方法估计出人数;对于近景区域提取HOG特征,采用弱标签结构训练出模型,并采用星型结构混合模型级联检测实现行人的准确定位并统计出人数.在视频数据库上的实验结果表明,该方法不仅能够较准确地实现人流量的统计,在一定程度上减少统计时间,还能够准确地定位出一定尺度范围内行人的位置.     

基于统计地形特征的纹理检索方法

提出了一种利用图像函数图的信息来进行纹理描述的方法.图像函数图在三维空间中所形成的曲面形状看起来像地形地貌.提出的方法被称为统计地形特征,它首先用一个可变水平平面去切割图像函数的图可得到一些实体,然后从这些实体的几何和拓扑属性推导出4条特征曲线来描述纹理特征.在Brodatz和VisTex纹理集上的比较实验结果表明,统计地形特征的检索性能高于多维度自回归纹理模型、统计几何特征和离散小波变换等方法.     

人数统计与人群密度估计技术研究现状与趋势

人数统计与人群密度估计是人群分析中的重要分支,也是视频监控所关注的重要信息之一。尽管近几十年来该领域取得了一些重要进展,但仍存在一些具有挑战性的问题。综述了基于计算机视觉的人数统计与人群密度估计方法的研究现状以及发展动态。首先,介绍了人数统计与人群密度估计技术的发展背景及应用方向。其次,总结了近年来提出的比较重要的方法,从机器学习的角度,将其分为浅层学习的方法和深度学习的方法;而从学习到的模型角度又可将其分为直接的方法(即基于检测的方法)和间接的方法(如基于像素的方法、基于纹理的方法以及基于角点的方法)。详细介绍了近二十年来基于浅层学习的方法,并对近些年来基于深度学习的人数统计与人群密度估计技术做了一个简要的总结。然后,对人数统计及人群密度估计方法性能评估技术进行简介,并提供了几个用于人数统计与人群密度估计的测试与评估数据集。最后,总结了该领域存在的技术挑战并对未来的研究方向进行了展望。     

多元纹理图像构造方法及应用

多元图像分析方法在图像展开阶段会丢失像素间空间关联关系,导致其对图像纹理特征的分析能力不足.针对此问题,本文提出了一种基于图像纹理特征的多元图像构造方法,并应用于图像分割.首先,结合滑动窗口法和灰度共生矩阵求取图像各通道的纹理特征影像,叠加纹理特征影像构造多元图像.然后,应用多元图像分析方法对所得多元图像进行分析,分割出感兴趣区域.最后,利用分割结果构造决策树模型,以完成对同类感兴趣区域的分割.在图像数据集上进行仿真实验,实验结果表明,本文所提方法的均交并比(MIoU)与同类方法相比有10%左右的提升.     

多分辨模型下的无监督统计纹理分割算法

针对基于统计的纹理分割算法存在的不足,提出了一种新的多分辨模型下的无监督统计纹理分割算法。该算法分层次对纹理图像进行动态分割,有效地利用了不同分辨率上最能表述某一纹理特性的统计特征,然后结合纹理的结构信息对边缘区域进行边界提取,进而得到较准确的纹理分割图。实验证明了这种区域与边界相结合的算法对纹理图像的分割具有高效、准确、通用性强的特点。     

小波域多尺度ARMA模型的纹理分割方法

纹理特征的提取是纹理分割的关键。在小波域内,对图像建立多尺度自回归滑动平均(MultiscaleAutoregressiveMovingAverage,简称MARMA)模型,并用小生境遗传算法对MARMA模型进行参数估计,将估计出的参数向量作为纹理分割的特征标准。不同纹理图像的MARMA模型的参数向量具有较好的可分性,这就保证了最终纹理分割的质量。     

分割彩色纹理图像的多通道统计地形特征方法

纹理分析是计算机视觉与模式识别领域的一个重点和难点问题.本文提出一种分割彩色纹理图像的多通道统计地形特征方法.该算法将彩色图像映射至HSI色彩空间,并通过等角映射方法转化为若干幅伪灰度图像.将待分纹理区域构造成三维空间中的地形,用一系列可变水平面簇切割该地形曲面后,通过多类统计量提取切割所得两类实体的几何信息用以描述纹理,并使用基于Mahalanobis距离的监督似然估计方法分割给定的纹理图像区域.通过VisTex纹理测试集、合成纹理图像以及卫星地面遥感图像的分割对比实验,证实本文方法具备良好的性能.     

基于局部连接度和差异度算子的水平集纹理图像分割

目的 复杂纹理的图像分割一直是图像分割的难题,现有的一些纹理图像分割方法主要通过提取图像确定方向的灰度变化特征或者提取图像的局部灰度相似性特征得到特征图像,从而进行纹理图像的分割,然而,自然纹理中普遍存在局部形态相似和方向不确定的现象,导致现有方法不能准确地分割纹理图像。方法 本文提出局部连接算子和局部差异算子来描述局部纹理的形态相似性和局部纹理的差异度。一方面,通过设定一定阈值,将局部区域的灰度差异分为两类,分析两类差异的分布特征,从而提取图像的形态特性及局部连接度算子;另一方面,设置一种无方向性的灰度差异分析算子,提取图像局部的灰度差异值从而得到局部差异度算子。两个算子结合以更好地提取纹理图像的局部特征,然后通过融合局部相似度特征、局部差异度特征和灰度信息,构造水平集能量泛函,进而通过最小化能量泛函实现纹理图像分割。结果 相比基于Gabor变换、结构张量、局部相似度因子的纹理分割方法,提出的局部算子能够更好地区分自然图像的不同纹理区域,且对实验图像的平均分割准确率高达97%,远高于其他方法。因此,提出的模型对于自然纹理图像具有更好的分割效果。结论 本文提出了两种新颖的纹理特征局部描述子：局部连接度算子和局部差异度算子,能够有效地提取纹理特征,且有一定的互补性。实验表明,提出的方法对于复杂自然纹理图像具有良好的分割效果。     

基于统计跳变回归分析的肺部CT图像分割

在肺癌的放射治疗应用中,对肿瘤的分割是自动定位的关键。由于肺区CT图像中存在细小的支气管、血管以及纹理,这给肿瘤的分割带来了困难。用传统的滤波方法不能在抑制肺区内细节的同时保持肺区及肿瘤的边界。采用统计跳变回归分析方法对CT图像进行预处理,处理后的肺区中细小的支气管和血管以及纹理被抑制,并且该方法具有良好的保边性,这有利于之后对肺区和肿瘤的分割。实验表明该方法是有效的。     

纹理图像的多尺度分割

纹理图像分割最常用的方法就是基于特征的纹理分割,即首先提取出图像的纹理特征,在利用提取出的纹理特征来进行特征划分.通过对纹理特征进行划分来实现纹理图像分割的过程所面对的主要困难可以概括为:效率和效果.纹理图像分割算法大多具有较高的时间复杂度,这一方面是因为纹理特征提取比较费时,另一方面较高的特征维数导致特征划分过程的计算量通常比较大.本文提出基于图像四叉树的多尺度分割算法来实现实时图像的粗分割,实验表明此算法可以在保持分割精度的前提下大大降低时间复杂度.     

应用谱直方图相似性的纹理图像分割研究

提出基于谱直图相似性的纹理图像分割算法,在提出的纹理分割算法中,无需选择种子点。首先通过使用一组滤波器来获取纹理图像的纹理特征,基于空域/频域的表示方法,使用谱直方图作为特征统计,然后利用x²统计特征度量谱直方图之间的相似性,得到初始分割,然后基于形态学骨架化的原理,对区域边界进行精确定位,得到最终的分割结果。实验结果验证了算法的有效性。     

加权方位特征的纹理图像FCM聚类分割

针对自然纹理的弱规则性特点,提出一种结合图像灰度分布、纹理能量统计的加权FCM纹理分割方法,并在该方法中尝试引入水平位置、垂直位置、中心径向距离等三种方位特征参数。实验证明,该加权FCM聚类算法简单高效、可控性强,纹理分割效果明显,其中样本的三种加权方位特征参数能增强区域分割的聚敛度,有效地提高纹理尤其是非均质粗糙纹理的分割精度。     

一种基于区域的彩色图像分割方法

介绍了一种基于区域的彩色图像分割方法。该方法首先提取图像像素点的颜色、纹理等特征,然后采用Gaussian混合模型,通过EM算法学习,根据提出的选择最佳高斯混合模型参数K的准则,确定K,利用图像像素点特征的相似度在特征空间中粗略的将像素点划分为不同的组,最后在各个组内依据其位置信息对图像再进一步划分,得到图像的区域分割。实验结果表明,该分割方法具有较好的分割性能。     

人群仿真中角色纹理多样化方法

人群仿真中角色模型的多样化能营造出符合实际的效果。通过模型纹理处理技术来加强人群仿真中的人物外观多样化,是解决仿真场景中三维模型外观差异性的有效手段。提出一种基于模板的纹理多样化生成方法。首先给不带纹理坐标的网格模型展UV后作为纹理模板;然后利用基于图像分割方法处理UV展开图得到纹理的衣饰语义信息;在此基础上实现纹理图像的纯色着色和图案填充,从而生成各种不同的纹理,实现人群仿真的角色多样化。所提方法实用可行,较好地解决了虚拟角色制作效率问题,快速生成视觉上合理的大规模人群。     

一种变换域纹理图像特征提取和分割方法

以对偶树复小波变换为基础,提出了一种提取纹理图像变换域统计特征,进而实现图像非监督分割的方法。该方法用Gamma分布和对数正态分布建模对偶树复小波系数的模值,将两种分布的参数综合起来作为像素特征,利用边缘保持的平滑技术（EPNSQ）进行特征平滑,最后使用K－均值聚类方法实现特征分类,得到图像的非监督分割结果。实验结果表明所提取的特征可以有效地表征不同的纹理,基于该特征得到了更为精确的图像分割结果。     

Gabor 滤波器和ICA支持的无监督纹理分割

纹理分割已经取得了很大的进展,但仍然缺乏一个轻便的解决方案,建立了一个无监督纹理分割框架,其核心是将Gabor滤波器所提取的特征视为统计量,用独立分量分析(ICA)整合特征,并用独立分量作为新的纹理特征,避开了Gabor滤波器参数选择的难题,实验结果表明,ICA比主分量分析更利于纹理特征重整,采用该方法对大多数自然纹理能够得到满意的分割结果。     

语音情感识别研究综述

针对语音情感识别研究体系进行综述。这一体系包括情感描述模型、情感语音数据库、特征提取与降维、情感分类与回归算法4个方面的内容。本文总结离散情感模型、维度情感模型和两模型间单向映射的情感描述方法；归纳出情感语音数据库选择的依据；细化了语音情感特征分类并列出了常用特征提取工具；最后对特征提取和情感分类与回归的常用算法特点进行凝练并总结深度学习研究进展，并提出情感语音识别领域需要解决的新问题、预测了发展趋势。