基于图像势能理论的目标轮廓特征提取方法

在进行模式识别和目标分类系统中,一种好的特征提取方法可以提高系统性能。采集图像势能并用于图像特征的提取与保存是二值图像处理的一个新方法和新理论。势能方法把每一个像素点所具有的势能按序收集、顺序存放,较好地保留了图像的特征,以便存储和分类。图像轮廓是一个对象区别于其他对象的最主要特征之一,运用势能理论计算出目标轮廓的势能,可以较好地表现出图像的特征,其计算速度快,运算量小,占用存储空间小,可用于目标识别和目标分类等领域。     

一种二值图像特征提取的新理论

在图像处理和目标识别领域,提取图像和目标特征是进行后续工作的关键步骤。本文结合物理学中的势能理论和图像分析中的投影理论提出了图像势能的概念,它是一种新颖的二值图像处理理论和方法。本文全面阐述了利用二值图像像素所具有的势能对目标特征进行提取的理论和方法。通过实验证明了目标图像像素的势能对图像特征能够很好地进行描述,并对图像势能的物理原理、定义、采集、分析和应用进行了详细的描述。图像势能方法在实验中很好地表现了目标特征,体现了准确、快速、高效的特点。图像势能理论可应用于特征提取、目标识别、目标跟踪、目标复原等工作中。     

一种新的无监督前景目标检测方法

针对基于无监督特征提取的目标检测方法效率不高的问题,提出一种在无标记数据集中准确检测前景目标的方法.其基本出发点是:正确的特征聚类结果可以指导目标特征提取,同时准确提取的目标特征可以提高特征聚类的精度.该方法首先对无标记样本图像进行局部特征提取,然后根据最小化特征距离进行无监督特征聚类.将同一个聚类内的图像两两匹配,将特征匹配的重现程度作为特征权重,最后根据更新后的特征权重指导下一次迭代的特征聚类.多次迭代后同时得到聚类结果和前景目标.实验结果表明,该方法有效地提高Caltech-256数据集和Google车辆图像的检测精度.此外,针对目前绝大部分无监督目标检测方法不具备增量学习能力这一缺点,提出了增量学习方法实现,实验结果表明,增量学习方法有效地提高了计算速度.     

基于SVM的离线图像目标分类算法

目标分类是计算机视觉与模式识别领域的关键环节. SVM(支持向量机)是在统计学习理论基础上提出的一种新的机器学习方法.提出一种支持向量机结合梯度直方图特征的离线图像目标分类算法.首先对训练集进行预处理,然后对处理后的图片进行梯度直方图特征提取,最后通过训练得到可以检测图像目标的分类器.利用得到的分类器对测试图片进行测试,测试结果表明,对目标分类检测有良好的效果.     

基于傅立叶变换的掌纹识别方法

掌纹识别是指由计算机自动识别哪些掌纹图像来自同一只手掌,哪些来自不同的手掌.在掌纹识别中,特征提取算法的优劣至关重要.提出了一种基于傅立叶变换的掌纹特征提取方法.该方法的基本思想是先将掌纹图像应用傅立叶变换转换到频域,然后在频域中进行特征提取和描述.提取出来的特征备用来索引掌纹数据库,以便当一个新的掌纹图像被输入时,可以很快确定该手掌是否已经在掌纹库中注册.该方法可以用来做基于人体生物特征的身份识别,在安全领域有广泛的应用前景.实验验证了该方法的有效性.     

粒子群优化人体星形骨架特征矢量量化

实现了人体星形骨架特征提取,并利用粒子群优化骨架特征矢量的量化。星形骨架通过连接人体质心点到人体四肢及头部端点实现,是一种快速骨架提取技术。把质心点和端点连接,人体星型骨架可以用一个五维矢量Si表示,Si∈Rn,Rn是星型骨架特征空间。时序图像中的人体动作可以用星型骨架序列表示的特征矢量序列S代替。最后用粒子群优化S的特征量化过程,生成特征码本G。     

一种低冗余Dense SIFT特征提取方法

特征提取是图像分类的关键部分之一.现有的Dense SIFT特征采用固定网格和步长以从上到下、从左到右的重叠方式提取特征,如果图像分辨率过大,将会导致提取的图像特征数量非常大,并且引入大量的冗余信息.为此,提出了一种低冗余Dense SIFT特征提取方法.该方法首先对图像进行预处理,实现对图像的紧凑表示;然后,利用数据中心化思想和(l)0范数去除冗余的Dense SIFT特征点,节约特征存储所需的空间,降低后续处理的计算复杂度;最后,将低冗余Dense SIFT特征提取方法应用于图像分类,提出了一种图像分类方案.实验结果表明,采用所提出的Dense SIFT特征提取方法,在减少特征点数量的同时,可以提升特征的区分能力.     

一种基于形态学编码的地形骨架特征提取方法

鉴于剖面识别骨架特征提取方法(profile recognition and polygon breaking algorithm,PPA)准确性差、不能提取特殊地形等问题,提出了一种结合形态学的剖面识别骨架特征提取方法(profile recognition and polygon breaking algorithm based on morphology erosion,MEPPA).通过剖面识别提取原始的骨架特征候选点,根据方向系数连接成多边形条带,在此基础上提出了生成标量特征域的填充算法;引入形态学区域细化思想,提出了形态编码和骨架特征形态简化算法,将特征域简化为骨架特征线;为了满足各领域对矢量骨架特征的需求,提出了标量特征线复原、检测与优化剔除等策略,准确地复原了矢量骨架特征模型;提出了保留外分支和环路特征的解决方案,解决了传统骨架特征提取方法不能保留较长的主干线以及不能提取环路地形特征的问题.在真实数据上进行了实验研究,结果表明提取的骨架特征形态的整体效果优于传统方法.     

基于浅层特征的印刷品分拣识别系统

针对印刷领域印刷品的识别问题,设计了一种基于浅层特征的视觉识别系统.浅层特征适用于对精准特定目标的识别,SIFT是一种被广泛使用且效果良好的浅层特征.该系统首先建立一个小型样本图像数据库,然后采用SIFT算法进行特征提取并与样本图像进行匹配识别.另外,该系统实现了在线学习的功能.经过实验验证,该系统可以实时、准确的实现对印刷品内容的识别.     

基于改进Hilditch骨架的交通标志特征提取方法

本文提出了一种针对交通标志的特征提取方法,改进了Hilditch骨架提取算法,并组合骨架的水平和竖直直方图作为标志特征.以这样的直方图数组作为特征,可以消除95%以上的不相关和冗余信息.实验表明,在相同构架的TSR(Traffic Sign Recognition)系统和BP神经网络下,相对于传统特征提取方法,该方法使识别正确率有显著提升,并增强了抗干扰能力.     

一种频域特征的飞机目标提取方法

针对军事遥感影像智能判读的目标定位与提取问题,将先验知识引入到目标提取过程中,提出一种基于频域特征的飞机目标提取方法.该方法通过绘制目标圆周剖面线将二维图像信号简化为一维信号,运用频谱能量的谐波叠置原理对飞机形状进行频谱分析,确定目标轮廓的固有频率;然后设计多尺度的Gabor滤波器组提取图像的纹理特征图,并进行特征图融合形成目标显著图;最后利用数学形态学的方法对目标显著图进行处理,得到最终的目标提取结果.实验结果表明,与基于无先验知识的视觉显著性目标检测方法相比,该方法抗干扰能力强,能够清楚、准确、完整地提取目标区域,是一种有效的飞机目标提取方法.     

基于ICA和SVM的SAR图像特征提取与目标识别

提出一种利用独立分量分析和支持向量机的合成孔径雷达图像特征提取与目标识别方法。对图像小波分解后提取低频子带图像,对低频子带图像进行独立分量分析提取特征向量,利用支持向量机对特征向量分类完成目标识别。将该方法用于MSTAR数据中的3类目标识别,识别率最高可达96.92%。实验结果表明,该方法是一种有效的合成孔径雷达图像特征提取与目标识别方法。     

结合标定拟合和模糊理论的焊点特征颜色提取

针对自动光学检测系统中元件颜色特征,提出了一种依靠颜色标定块和模糊隶属度判别法进行焊点特征颜色提取的方法。该方法对颜色标定块HSV中的H与S分量进行统计直方图分析,以高斯函数为模型拟合出各分量特征函数,建立起了一种以H和S分量为线性特征组合的各个颜色隶属度函数。根据模糊法隶属度判定准则对图片中颜色进行分割,提取出特征颜色。最后将该算法对3组PCB图像进行分割实验。实验结果表明该算法Bezdek分配系数为0.68左右,方差数据为1.0E-4数量级,表明该算法聚类效果稳定,类内数据相比于主色判别式法的一致性高。此外该算法适用性强,可普遍运用于指定颜色的提取系统中。     

A modular clutter rejection technique for FLIR imagery using region-based principal component analysis

A modular clutter-rejection technique that uses region-based principal component analysis (PCA) is proposed. A major problem in FLIR ATR is the poorly centered targets generated by the preprocessing stage. Our modular clutter-rejection system usesstatic as well as dynamic region of interest (ROI) extraction to overcome the problem of poorly centered targets. In static ROI extraction, the center of the representative ROI coincides with the center of the potential target image. In dynamic ROI extraction, a representative ROI is moved in several directions with respect to the center of the potential target image to extract a number of ROIs. Each module in the proposed system applies region-based PCA to generate the feature vectors, which are subsequently used to make a decision about the identity of the potential target. Region-based PCA uses topological features of the targets to reject false alarms. In this technique, a potential target is divided into several regions and a PCA is performed on each region to extract regional feature vectors. We propose using regional feature vectors of arbitrary shapes and dimensions that are optimized for the topology of a target in a particular region. These regional feature vectors are then used by a two-class classifier based on the learning vector quantization to decide whether a potential target is a false alarm or a real target. We also present experimental results using real-life data to evaluate and compare the performance of the clutter-rejection systems with static and dynamic ROI extraction.     

基于特征融合卷积神经网络的SAR图像目标检测方法

针对合成孔径雷达图像目标在背景复杂、场景较大、干扰杂波较多情况下检测困难的问题,设计一种层数较少的卷积神经网络,在完备数据集验证其特征提取效果后,作为基础特征提取网络使用。在训练数据集中补充复杂的大场景下目标训练样本。同时设计一种多层次卷积特征融合网络,增强对大场景下小目标的检测能力。通过对候选区域网络和目标检测网络近似联合训练后,得到一个完整的可用于不同的复杂大场景下SAR图像目标检测的模型。实验结果表明,该方法在SAR图像目标检测方面具有较好的效果,在测试数据集中具有0.86的AP值。     

基于非规则标识点过程的遥感图像零星地物目标几何特征提取

针对遥感图像中零星目标几何特征的非规则性,提出基于非规则标识点过程的遥感图像零星目标几何特征提取方法.首先,将图像分为目标类和背景类,利用非规则标识点过程建立目标的分布和几何特征,其中非规则标识采用一系列由节点连接起来的多边形定义而成,用以拟合目标几何形状,标识点用以确定目标位置;然后分别利用多值高斯分布和KL(Kullback Leibler)散度定义特征场能量函数和异质性能量函数,形成全局目标提取能量函数,应用非约束吉布斯表达式将全局能量函数转换为概率分布函数,并在最大化概率分布函数准则下设计合适的M-H(Metropolis-Hastings)采样算法,获得最优目标提取结果;最后,采用所提出方法对遥感图像零星目标进行提取,由实验结果可以看出,所提出方法不仅能准确定位各零星目标,而且可以对其几何形状进行精确拟合.     

多重光照色差下图像平滑美化处理算法

夜间多重光照下采集的图像存在色差,采用白平衡偏差补偿方法实现夜间多重光照下图像的平滑美化处理,以提高图像的成像质量。传统的图像平滑算法采用循环跟踪像素点特征提取算法,出现白平衡偏差时图像的色差补偿效果不好。提出一种基于白平衡偏差补偿的夜间多重光照下的色差图像平滑算法。首先进行图像特征采集和自适应均衡预处理,对夜间多重光照下的色差图像进行白平衡偏差补偿,然后采用图像盲去卷积算法进行图像平滑,通过目标特征模型在空间上的相似度函数来确定图像光照色差的特征权值,沿梯度方向求得图像边缘信息,再通过特征聚类对夜间多重光照色差图像自动划分目标空间,最大程度地对夜间多重光照下的色差图像的细节特征进行平滑美化。仿真结果表明,采用该算法进行白平衡偏差补偿的夜间多重光照色差下的图像平滑美化处理方法具有较好的图像平滑性能,计算开销较小,图像的细节特征平滑效果最佳,其优于传统算法。