共查询到10条相似文献,搜索用时 31 毫秒
1.
基于SVM与颜色/纹理组合特征的景物识别算法 总被引:1,自引:1,他引:0
受多种因素影响,室外场景变换复杂,因此利用单个特征(通常多使用颜色或纹理)完成室外场景的识别,不能达到满意的效果。首先基于RGB空间的颜色直方图进行颜色特征提取,然后基于Gabor滤波器进行纹理特征提取,最后将两种特征结合,提出了基于SVM与颜色/纹理组合特征的景物识别算法。基于美国加州理工学院的Pasadena Houses2000数据库建立了室外场景中天空、道路、房子、树木和草地等5类样本训练库,进一步完成了基于SVM的单一特征和颜色/纹理组合特征的景物识别。实验结果表明,该算法对仅用一种视觉特征无法区分景物的室外场景图像能取得较好的分类结果。 相似文献
2.
基于文本分析统计模型提出了图像类目标的语义概率模型,并且将这种概率模型应用于目标识别和复杂场景下的地物分析.首先将图像表示成多个特征局部区域的集合,然后根据目标语义概率模型得到图像、特征局部和目标语义之间的概率关系,通过计算后验概率可以实现目标语义类别的识别.目标概率模型通过EM算法获得模型估计参数.实验结果显示,在识别复杂背景中的目标达到了很好的效果.场景分析中根据图像中各局部区域与目标语义的概率分布可以实现场景中感兴趣区域的标注,实验结果说明此方法有可行性. 相似文献
3.
受光照变化和纹理缺乏等因素的影响,基于单幅室内场景图像的像素级和区域级三维重建算法很难恢复场景结构细节.本文提出了一种基于空洞卷积残差连接和多尺度特征融合网络的分段平面三维重建算法.该算法通过融合利用加入空洞卷积的ResNet-101网络产生的浅层高分辨率细节特征,从而减小随着网络结构的层次加深导致空间信息的丢失对三维重建细节的影响,使模型能够学习单幅图像中室内复杂场景的细节特征,并通过将全连接条件随机场优化的定位精度与深度卷积神经网络的识别能力相耦合,更好地处理了边界定位问题.实验结果表明,本文算法对复杂背景的室内场景的平面预测鲁棒性强,平面分割结果准确,且深度预测精度平均可达到92.27%. 相似文献
4.
基于区域生长的机器人路标识别方法研究 总被引:3,自引:0,他引:3
针对移动智能机器人基于单目视觉的路标识别问题,提出了一种基于当前最大聚合中心的区域生长算法.在经RGB视觉模型的实验阈值分割后的图像中,探测若干可能区域,结合外形轮廓特征,判定路标并定位其区域,然后反馈到灰度图,通过图像局部二次分割完成整个路标提取.对多幅自然场景图像进行的实验表明,该方法能够快速有效地从图像中自动定位与提取路标图像. 相似文献
5.
6.
针对已有单幅雾天图像复原算法存在的局部方向性结构信息描述不充分,易导致复原后景物局部细节模糊或丢失的不足,提出一种基于方向延伸专家场的单幅雾天图像复原算法.首先基于大气散射模型获得粗略的大气光传输图估计,并在此基础上建立方向延伸专家场模型对大气光传输图进行优化;为避免在图像景物高亮度区域出现失真现象,利用无黑点约束算法对大气光传输图进行约束及调整,再根据图像中景物的梯度先验信息获取位于无穷远区域的像素集,由此估计出大气光强值;最后根据大气散射模型反向求解,得到复原后的场景图像.实验结果表明,该算法不仅可以显著地改善景物的细节信息、提高图像清晰度,并且恢复后的景物颜色更加自然、真实. 相似文献
7.
针对以往场景识别研究中将图像分割成大小相等的矩形区域进行特征提取而导致识别率低的问题,提出了一种基于超像素空间金字塔模型的场景识别方法:先对图像做不同分辨率的超像素分割,在得到的每个图像子区域中提取PACT特征,然后利用K-means聚类构建出图像集的视觉词典。在进行场景识别时,将每幅图像所有分割子区域的PACT特征连接成一个特征向量,并加入bag of words特征进行分类,最终的场景分类结果在支持向量机LIBSVM上获得。实验结果表明该算法能够有效提高识别率。 相似文献
8.
9.
在自然场景的图象分割识别中,如何克服光照变化对分割结果的影响是研究面临的一个关键问题.针对传统方法的限制,提出了一种基于骨架匹配的彩色图像分割识别方法.利用颜色和纹理信息对彩色图像进行初分割,然后在初分割的基础上,利用目标的骨架模型在假设检验判决的框架下在初分割的目标近邻区域对包括阴影区域在内的候补目标区域进行融合处理.实验结果表明该算法是一种行之有效的算法,在对自然场景图像的目标分割识别中能一定程度上消除光照变化对图像分割的影响,取得与人的主观视觉感知相一致的图像分割结果. 相似文献