基于Gabor小波和颜色模型的阴影检测算法

在视频处理中,阴影的存在会严重影响对目标的跟踪和识别.为了有效地检测视频序列中的阴影,文中提出了一种基于Gabor小波和颜色模型的阴影检测算法.首先,建立背景的混合高斯分布模型和阴影颜色模型,通过差分法提取前景区域并结合Gabor小波纹理特征分析找出潜在的阴影点;然后通过阴影颜色模型对这些潜在的阴影点进行颜色分析;最后通过后续处理,找出真正的阴影区域.实验结果表明,文中算法具有较好的阴影检测效果.     

一种多高斯模型下的阴影检测方法

分析了混合高斯模型阴影检测算法的不足,提出了一种基于贝叶斯更新的多高斯模型阴影检测算法.基于Porikli提出的阴影流算法,根据实际情况改进了其中的阴影区域预分类算法,更新了贝叶斯参数,最后检测阴影.实验结果证明了该方法的有效性.     

一种改进的基于统计的阴影检测方法

阴影检测与抑制是视频处理系统不可或缺的环节。该环节将直接影响目标跟踪、物体识别等的精确性。常用的阴影检测算法很难同时解决好阴影的误检和漏检这一对矛盾问题。本文根据Gabor滤波器在空间域上可选带宽和方向的特性,并结合基于统计的方法来实现阴影检测。这种方法的优点是综合考虑了亮度、色差和纹理特性,从而能优化阴影检测效果。     

Gabor小波和局部二值模式结合的一种人脸识别算法

针对传统的Gabor小波存在提取特征维数高、识别时间长的缺点,对Gabor小波的使用方法进行了改进.首先利用Gabor小波的幅值直接与人脸图像作乘积得到Gabor图像,接着使用局部二值模式得到纹理图像,然后提取出纹理图像的直方图信息,并作为人脸图像的特征,最后使用支持向量机作为分类器,在未经过预处理的ORL人脸数据库中取得95.0%的识别率.平均每张人脸图像识别时间为0.14 s,表明该算法能符合实际应用的要求.     

融合FLBP和Gabor小波的图像轮廓提取算法

为了解决现有图像边缘提取算法对于局部区域特征提取效果不佳不清晰的问题,提出一种模糊局部二值模式Gabor边缘检测算法(fuzzy local binary-Gabor).该方法首先利用Gabor小波对图像进行第一次处理,降低图像中由于光照变化和噪声对图像产生的影响,再用模糊局部二值算法(模糊数学与局部二值法的结合)将处理过的特征图片进行第二次处理得到相应的轮廓提取特征图.结果证明,该算法确实对目标区域有较好的检测率,得出该算法对于图片轮廓的提取确实有很好的效果.     

基于Gabor小波和PCA的人脸识别

针对人脸识别中采集到的图像由于受光照、表情变化、脸部部分遮挡等因素影响而导致识别率低的问题,将Gabor小波多尺度、多方向的滤波特性和主成分分析(PCA)的降维特性相结合,提出一种对脸部整体特征进行提取的GPCA算法.通过将该算法应用于ORL人脸库、Yale人脸库和AR人脸库中的人脸识别,证明了该方法的有效性.     

基于ASM和Gabor小波的人脸表情识别算法

结合ASM与Gabor小波的优点,提出可以有效提取人脸特征的ASM_GW,并通过LDA算法进一步降低了运算量.最后利用JAFFE人脸表情库对算法进行仿真,通过实验说明算法的有效性.     

一种运动目标阴影轮廓的两步检测算法

由于运动阴影具有与运动前景相同的特性,在视频处理中分割前景时存在误把阴影检测为前景的问题,可能严重地影响跟踪、识别等后续处理,据此提出一种用于运动目标阴影检测的改进算法。先为每个像素点建立混合高斯模型分割出运动目标,利用阴影区域像素8个相邻区域上像素点的亮度特点判断疑似阴影,然后运用色彩空间向量模型的颜色不变性对所有疑似阴影进行聚类,进一步完成阴影检测。试验结果表明,该方法检测精度高、效果好、速度快,有广泛的应用前景。     

一种改进的基于Gabor小波的指纹增强算法

鉴于当前的利用Gabor小波对指纹进行增强的方法中滤波范围固定的缺点,提出了一种改进指纹增强方法.对Gabor小波的性质和指纹图像的内在特点做了深入的分析,确定Gabor小波的方向和频率参数,并设定了一个可以根据局部纹路方向和频率自动调整的区域作为滤波范围对指纹图像进行增强.实验结果表明,该方法可以有效地去除噪音,并且很好地恢复出纹路信息以增加指纹匹配后续操作的准确度.     

基于Gabor小波的特征提取技术应用

介绍人脸识别和小波技术,分析其工作原理,给出Gabor小波技术的基本特征和特征提取方法,提出了把Gabor小波技术应用于人脸识别技术中的实验步骤。     

基于纹理和小波变换的阴影检测去除算法

在基于视频处理的室外场景运动物体检测系统中,对运动物体的阴影进行检测与去除是一个关键环节。文中提出了一种基于纹理自相关和整数小波变换相结合的运动物体阴影检测与去除算法,算法中首先使用纹理自相关对运动物体的阴影进行预提取,再对阴影预提取结果进行统计判别,对判别为阴影误检的区域再进行基于整数小波变换的阴影再检测,最后将两次检测结果相结合实现对运动物体阴影的检测与去除。实验结果表明：文中的方法不仅能够准确地检测出与背景灰度差别比较大的运动物体的阴影,而且能够较好地检测出与背景灰度相近的运动物体的阴影,较好地克服了使用单一方法进行阴影检测与去除时常见的阴影误检问题,获得了很好的阴影检测与去除效果。     

基于GMM和MRF的自适应阴影检测

运动目标阴影在很大程度上会影响运动目标跟踪、行为识别的正确性和有效性.为此,文中提出了一种基于混合高斯模型和马尔科夫随机场的自适应阴影检测方法.该方法首先对混合高斯模型进行改进,使其可以自适应调整参数学习率以消除浅阴影;然后采用马尔科夫随机场综合邻域的空间依赖性信息进行精确的阴影检测.为了提高基于马尔科夫随机场的阴影检...     

基于小波系数及光学特征的车辆阴影检测

为消除投射阴影对检测交通实景图中行驶车辆的干扰,从阴影区域的图像特征入手,在对实景图与背景图实施“商比例”处理的基础上,提出了基于小波系数分布特征及阴影光学特征的车辆阴影滤除两步法．首先通过对高、低频带小波系数分析,提取出符合阴影特征的小波系数,重构运算后得到准阴影图;然后通过构造基于光学不变性的识别判据,成功识别出虚假阴影区．实验结果表明,本文方法对汽车对象的颜色、大小及阴影的投射方向没有特殊要求,阴影平均检出率超过92％,平均误检率低于3％,且速度较快;与汽车对象同画面行驶的自行车及行人阴影也受到有效抵制和滤除;在适用性、有效性和处理速度等方面反映出较优的品质．     

基于2D Gabor小波和HSV空间的木材缺陷检测

提出了一种有效的木材缺陷自动检测方法,试图赋予计算机从木材图像数据中自动辨别出缺陷的能力,主要分析了木材缺陷的形态、走向和分布规律.首先将要识别的木材图像变换到HSV色彩空间,分别对H,S和V层进行区域分割和Gabor小波变换,得到各个子图像块的局部区域的基于不同频率和方向的特征向量,用于描述高维的木材图像.接着将提取出的纹理特征归一化后送入SVM分类器,检测过程采用二次循环搜索方式,利用特征向量间的相似度进行缺陷的定位和识别.模拟实验结果表明,该方法可有效识别出缺陷区域,识别效果较好.     

基于Gabor小波支持向量机的人脸检测

提出了一种基于Gabor小波的支持向量机人脸检测方法.该方法首先提取人脸和非人脸样本库的Gabor小波特征,构造学习样本集,再训练支持向量机,计算出最优分类决策函数.对比实验结果表明,本文提出的方法简单、计算复杂度低、效率高、对正面垂直人脸的检测和定位准确度高.     

一种基于YUV色彩空间的阴影检测方法

针对计算机视觉处理系统中,阴影会严重影响到对目标的跟踪、识别和图像场景的理解的问题,提出了一种基于YUV色彩空间的阴影检测方法并给出了与不同色彩空间的实验对比结果.该算法将分割出的运动目标与背景在亮度和色度进行对比,从而区分出运动目标和运动阴影.实验证明,与其他的阴影检测的算法相比,该方法具有更高的准确性和更快的检测速度.     

基于小波包的信号检测算法

针对多个相似信号分量的到达时间检测问题提出了一种基于小波包理论的新算法（ＷａｖｅｌｅｔＰａｃｋｅｔｓＤｅｔｅｃｔｉｏｎＡｌｇｏｒｉｔｈｍ，ＷＰＤＡ）．即使在各信号分量严重重叠的情况下，该算法都能非常精确地确定各分量的到达时间。为了进行比较，引用了Ｂ．Ｆｒｉｅｄｌａｎｄｅｒ提出的改进Ｇａｂｏｒ表征方法（ＩＧＲＭ）及其信号模型。实验证明，小波包检测算法可以得到更为优越的性能。还讨论了小波包检测算法中的正交镜像滤波器选择问题。     

基于小波变换的运动汽车阴影分割

利用在阴影区域内的点所接受环境光强与汽车的相对位置关系，结合多分辨率小波分析，提出了一种新的基于小波变换的运动汽车阴影分割方法．该方法不需要知道光源的方向，也不需要车体的彩色信息；对背景的纹理也没有要求，适用于复杂纹理背景下任何颜色的汽车阴影分割．实验表明，该方法定位准确、速度快、抗噪能力强．     

采用Haar小波与Gabor小波特征的级联式人脸检测方法

研究Gabor小波的构造及其特点,将其与AdaBoost算法相结合,优化原算法的性能.提取的Gabor特征对应到指定滤波器的指定采样点上,只需取这些指定采样点的一个领域内的图像与指定滤波器进行卷积,而不需要将整个图像与整个滤波器组进行卷积,可大大降低计算量提高运算速度.最后,通过算法对特征进行筛选,得到迭代误差率较低的...     

基于图切割和阴影抑制的目标检测算法

针对目标检测中背景噪声影响检测精度的问题,提出在HSV高斯背景模型下,使用最小图切割算法,并结合连通性,找到最大的前景连接区域,最后使用阴影抑制技术完成目标分割.实验结果表明,算法有很好的鲁棒性,能够获得清晰、光滑的前景目标轮廓.