基于四元数的彩色图像边缘检测研究

为了实现彩色图像边缘检测,建立了彩色图像自动边缘检测算法。对彩色图像基于四元数的表示方法进行描述,针对基于snake算子实现彩色图像边缘检测算法进行了研究。首先,根据彩色图像三原色的基本特征,利用四元数的矢量表示方法以及四元数基本运算方法进行描述;其次,介绍了snake算子的基本原理,检测过程等。最后,构造了双四元数和snake算子的彩色图像边缘检测算法。实验结果表明,利用文中算法获得的彩色图像边缘检测保留了原图像的自身信息,边缘信息完整。该算法基本满足彩色图像边缘检测的稳定可靠、信息完整、抗干扰能力强等要求。     

基于IKSVM的多特征行人检测算法

针对如何协调行人检测精度和检测速度的问题,采用基于IKSVM的多特征行人检测方法。将梯度直方图特征（HOG）、局部二值模式特征（LBP）和Gabor特征融合成含轮廓、纹理、灰度信息的新特征向量集,引入偏最小二乘法（PLS）进行特征降维,运用加性交叉核支持向量机（IKSVM）训练行人样本形成行人分类器,实现视频序列中的行人检测。实验结果表明,改进后的行人检测算法优化了系统结构,在提高检测精度的同时,保证了检测速度。     

基于多重稀疏字典的行人检测方法

针对于稀疏编码在行人检测问题中提取的特征维数高和不能够有效描述行人的问题,提出了一种基于多重稀疏字典直方图的特征提取方法。通过稀疏表示方法,预先学习多个不同稀疏度的字典,分别利用每一个字典对行人图像进行稀疏编码,统计每个字典中对应稀疏编码单元的分布直方图作为行人图像的特征描述子。该方法提取到的特征维数低,并且能够有效地描述行人,具有良好的检测性能。     

基于PCA降维的HOG与LBP融合的行人检测

行人检测是计算机视觉中十分重要而又有挑战的研究方向。针对梯度方向直方图(HOG)特征描述子的局限性,如冗余信息多、容易造成误检和漏检等,为了进一步提高行人检测的准确率和速度,提出多特征融合的行人检测算法,利用主成分分析(PCA)对HOG进行降维再与局部二值模式(LBP)特征进行融合,使用支持向量机(SVM)进行分类。在INRIA行人数据库上进行测试,实验表明该算法提高了识别率,加快了训练和检测的速度。     

基于共生概率特征量的行人检测

人体目标检测研究是近年来计算机视觉领域的研究热点。针对行人检测中出现的检测精度较低的问题,文中提出了一种有效的行人检测算法。具体而言,选取不同类型的局部特征量HOG与LBP,通过第一段的Real AdaBoost算法进行特征的筛选,筛选后的特征通过两两配对计算共生概率特征量;最终通过第二段的Real AdaBoost 算法将弱识别器转化为强识别器来进行行人检测。实验以OpenCV和VS2010为测试环境,通过与OpenCV自带的算法程序比较得出该算法能更好的检测行人,从而提高了行人检测的准确率与鲁棒性。     

融合多重信息的图像局部不变特征描述

以SIFT(Scale Invariant Feature Transform)算法为基础,提出了一种将局部二进制模式(Local Binary Patterns,LBP)描述子和全局上下文(Global Context)信息相融合的图像局部不变特征描述算法,增强了SIFT算法的仿射不变性,以及对处于图像相似区域的特征辨别能力。在特征检测阶段,通过迭代变换,使得SIFT特征点收敛到仿射不变点;在特征描述阶段,为每个特征点计算主方向,分别计算特征点的LBP描述子和全局上下文信息。实验结果表明,提出的局部不变特征描述子对图像仿射、尺度和旋转、光照等变换均具有良好的不变性。     

一种基于改进LBP特征的人脸检测方法

基于传统LBP特征人脸检测方法的不足,提出针对LBP特征描述方法进行改进,建立LBP特征金字塔,调整LBP的特征描述方式使其在多尺度的图像中有较好的描述能力。并且设计Real Adaboost分类器实现对改进LBP特征的分类,为人脸检测提供了一种新的方法。实验结果表明,基于改进后的LBP特征人脸检测方法的最大检测率为94.1%,高于Haar算法的92.8%和传统LBP算法的93.2%,所以改进后的算法对人脸具有更好的描述和鉴别能力。     

基于分块特征组合的视域盲区行人匹配

各相机间通常存在监控视域以外的非重叠区域,即相机视域盲区,它的存在对多相机多行人匹配带来了挑战性工作。提出了一种基于分块特征组合的多摄像机视域盲区行人匹配的方法。在单摄像机视域中首先通过HOG特征训练而成的判别训练部件模型对行人进行检测,在其Hue分量上分别提取COLOR、SIFT和LBP分块特征,从而通过实验找出最佳组合特征实现行人的匹配。提出的最佳组合特征和已有文献中的匹配方法进行比较,结果表明匹配速率有很大的提高。     

基于Fourier-Mellin矩的彩色图像检索

为提高图像检索效率,本文提出一种Fourier—Mellin矩的彩色图像检索方法,该方法利用彩色图像的Hilbert变换下相位一致性和梯度幅值的结构特征.用Fourier-Mellin矩描述图像纹理特征,既利用相应一致性不受图像亮度和对比度变化的特点,叉利用Fourier Mellin矩的旋转不变性的特点,对彩色图像有很好的检索效果。为验证该算法的效率,在三个彩色图像库中进行对比实验,实验表明:该算法明显优于文中比较算法。     

基于复杂背景下人脸图像识别相关算法的应用

针对人脸图像系统介绍了基于复杂背景下人脸图像识别算法的应用,针对人脸识别问题,研究信息融合在人脸识别方法中的应用.本研究工作通过改进的LBP模式进行人脸识别,把彩色图像与人体生理特征结合到一起进行分析,给出了改进LBP算法公式,通过LBP算法公式计算出权重值,达到了提高人脸识别鲁棒性的效果.     

基于深度卷积神经网络的红外图像行人检测

红外图像中的行人检测一直是计算机视觉领域的研究热点与难点。针对传统的红外行人检测方法需要人工设计目标表达特征的弊端,本文从深度学习的角度出发,提出一种可以自动构建目标表达特征的红外行人检测卷积神经网络。在对卷积神经网络的实现原理进行分析的基础上,设计了红外行人检测卷积神经网络的初始结构,然后通过实验对初始结构进行调整,得到最终的检测神经网络。对实拍红外人体数据库进行行人检测的实验结果表明,该方法在保持低虚警率的同时可以对红外图像中的行人进行稳健检测,优于传统方法。     

Vehicle detection using normalized color and edge map.

This paper presents a novel vehicle detection approach for detecting vehicles from static images using color and edges. Different from traditional methods, which use motion features to detect vehicles, this method introduces a new color transform model to find important "vehicle color" for quickly locating possible vehicle candidates. Since vehicles have various colors under different weather and lighting conditions, seldom works were proposed for the detection of vehicles using colors. The proposed new color transform model has excellent capabilities to identify vehicle pixels from background, even though the pixels are lighted under varying illuminations. After finding possible vehicle candidates, three important features, including corners, edge maps, and coefficients of wavelet transforms, are used for constructing a cascade multichannel classifier. According to this classifier, an effective scanning can be performed to verify all possible candidates quickly. The scanning process can be quickly achieved because most background pixels are eliminated in advance by the color feature. Experimental results show that the integration of global color features and local edge features is powerful in the detection of vehicles. The average accuracy rate of vehicle detection is 94.9%.     

基于多信息融合的行人状态采集识别模型

针对粒子滤波算法在采样阶段因证据不足,使得行人智能跟踪系统效率不高、鲁棒性不强的问题,融合颜色、纹理和空间等多证据信息和RGB颜色空间建立行人外观模型,采用优化的LBP纹理特征算法(LBP_AE算法)消除干扰、提取证据信息.实验结果表明,所设计的多证据信息融合模型,可以有效实现在复杂条件下的行人跟踪问题,相比传统算法有较高识别准确率.     

Quaternion pseudo-Zernike moments combining both of RGB information and depth information for color image splicing detection

The quaternion representation (QR) used in current quaternion-based color image processing creates redundancy when representing a color image of three components by a quaternion matrix having four components. In this paper, both RGB and depth (RGB-D) information are considered to improve QR for efficiently representing RGB-D images. The improved QR fully utilizes the four-dimensional quaternion domain. Using this improved QR, firstly we define the new quaternion pseudo-Zernike moments (NQPZMs) and then propose an efficient computational algorithm for NQPZMs through the conventional pseudo-Zernike moments (PZMs). Finally, we propose an algorithm for color image splicing detection based on the NQPZMs and the quaternion back-propagation neural network (QBPNN). Experimental results on four public datasets (DVMM, CASIA v1.0 and v2.0, Wild Web) demonstrate that the proposed splicing detection algorithm can achieve almost 100% accuracy with the appropriate feature dimensionality and outperforms 14 existing algorithms. Moreover, the comparison of six color spaces (RGB, HSI, HSV, YCbCr, YUV, and YIQ) shows that the proposed algorithm using YCbCr color space has the overall best performance in splicing detection.     

一种基于二维局部二值模式的纹理图像分类方法

局部二值模式（Local Binary Pattern,LBP）在纹理分类中受到越来越多的关注,传统的基于局部二值模式的图像识别方法在LBP直方图统计时仅仅考虑到LBP模式值本身的数量统计,却忽略了模式值之间的相关性.针对这一问题,本文提出一种二维局部二值模式（Two Dimensional Local Binary Pattern,2DLBP）方法,并用于纹理图像识别.首先以旋转不变均匀LBP特征图为基础,引入滑动窗口和LBP模式对的概念,统计LBP模式图的上下文信息,构造出2DLBP特征;然后改变LBP中的半径参数,构造图像的多分辨率2DLBP特征,并利用支持向量机（SVM）的分类方法进行纹理分类;最后选取Brodatz、CUReT、UIUC、FMD四个公开纹理库分别进行纹理分类测试.理论验证表明该方法具有良好的通用性,可以与LBP的其他变型结合成为新的图像特征构造方法.同时,实验结果表明,本文提出方法具有较好的纹理图像分类能力.     

基于YOLOv5算法的红外图像行人检测研究北大核心CSCD

目标检测是自动驾驶的重要前提,是与外界信息交互的重要环节。针对夜间远处行人检测识别精度低、漏检的问题,提出一种针对检测小尺寸行人的YOLOv5-p4的夜间行人识别模型。首先,通过增加更小目标的检测层,引入BiFPN特征融合机制,防止小目标被噪声淹没,使网络模型可以更聚焦于物体的细小特征;同时使用K-means先验框聚类出更小目标的锚框,并且使用了多尺度的数据增强方法,增加模型的鲁棒性。使用了MetaAcon-C激活函数与EIoU回归损失函数使模型收敛效果更好,提升了算法远距离行人的检测的准确率。最后在红外行人数据集FLIR上验证改进后的YOLOv5-p4模型对于行人的检测能力,实验结果表明该方法与传统方法相比,准确率从86.9%提升到90.3%,适合用于红外图像中的行人检测。     

融合LBP与GLCM的人群密度分类算法

针对中高密度人群图像检测分类对公共安全的重要性,提出融合局部二值模式LBP与灰度共生矩阵GLCM特征提取的人群密度分类方法。首先用旋转不变的LBP算子进行滤波,得到LBP图像,然后提取滤波后图像的GLCM特征,这样既可以避免LBP算子特征降维带来的损失,又能充分利用LBP和GLCM纹理特征提取的有效性,最后采用有向无环图支持向量机DAGSVM进行密度分类。在Pets2009基准数据库中的实验结果显示该算法具有较高的准确率。     

基于聚合通道特征的红外行人检测方法

基于红外图像的行人检测技术在夜间场景监控、汽车夜间辅助驾驶等相关领域具有重要的作用,然而受红外图像分辨率低、信噪比高等因素影响,当前的很多方法性能不佳。提出了一种基于图像特征通道的红外行人检测算法。利用快速特征金字塔技术在红外图像上进行了滑动窗口检测。实验结果证明,相对于其他常规算法,该算法在实时性和鲁棒性上都有很大的提升。