基于频率谱变化量的唐卡图像特征提取与表示

提出了一种在频域空间内用频率谱变化量来表示图像轮廓特征的方法,并在宗教类唐卡图像的头饰分类中得到了成功的应用。标注图像的头饰区域,应用基本全局门限和用户观察直方图选择阈值相结合的方法分割标注区域;将图像中的像素点转换成直角坐标系下的坐标点,并提取典型轮廓点;通过傅里叶变换将典型轮廓点转换到频域空间,应用频率谱值较小的那部分的变化量作为轮廓特征,提取轮廓内部的颜色特征。实验证明,应用所提取的头饰特征可以有效地对唐卡图像进行分类。     

基于稀疏表示和决策融合的图像分类方法

利用多个稀疏表示分类器融合的决策信息对图像进行分类,可避免单个特征对图像分类的影响。提出一种自适应调节权重的多稀疏分类器融合图像分类方法。对原始图像分别提取3组不同特征,并训练出各自稀疏表示分类器;根据各个子分类器的准确率,通过迭代计算自适应确定各分类器最终权重;融合各子分类器的输出结果进行最终类别判断。基于Cifar-10图像数据集进行多组实验,结果表明,相对仅提取单特征的图像分类方法,该方法有效提高了图像分类准确率。     

基于神经网络的人体动作识别方法

人体动作识别一直是计算机视觉领域的研究重点。为了提高人体动作识别的准确度,本文提出一种基于神经网络的加权识别方法。首先利用ViBe算法提取人体运动前景,计算前景重心,然后将轮廓重心距作傅里叶变换获得傅里叶描述子,最后利用本文提出的基于神经网络的加权识别方法进行分类。实验结果表明,本文方法的识别率在89%以上。     

自适应加权LGCP与快速稀疏表示的面部表情识别

针对传统LBP特征提取方法对非单调光线变化比较敏感且无法对全局特征进行稀疏表示的缺陷,提出一种自适应加权局部格雷码模式（Local Gray Code Patterns,LGCP）与快速稀疏表示相结合的特征提取方法。先对原始图像应用边缘检测算子最大化边缘值,以克服光线变化对特征描述的影响。采用LGCP编码得到八位格雷码并转换为十进制,然后对图像进行分块加权级联,使描述子能够对局部特征进行最优表征;同时,为了得到更好的全局特征的稀疏表示,将级联后的直方图分布特征描述子作为原子构造字典;最后,使用一种快速稀疏表示方法作为分类器进行分类识别。基于扩展Cohn-Kanade（CK+）表情数据集进行多组实验,结果表明该方法的识别速度更快,识别率可达94%。     

利用傅里叶变换边缘曲线法进行W型轮廓的快速匹配

W型轮廓标靶是一种用于汽车四轮定位的定位标靶,在一幅定位图像中能够快速地检索出与其一致的目标轮廓非常重要。传统的Hu矩、成对几何直方图算法运算速度慢,鲁棒性差。而一些适用于商标图像检索的傅里叶描述子却可以很好地适用于快速轮廓匹配,但是由于在一幅图像中进行目标轮廓的检索引入了过多的轮廓干扰,因此利用形状图像的傅里叶变换提取出轮廓的频谱特征,通过检查目标轮廓对模板轮廓频谱特征的干扰性大小来进行轮廓的相似性度量,并进行算法简化,从而达到轮廓快速匹配的目的。并且其抗干扰能力强,轮廓查找效率高。这说明利用傅里叶变换边缘曲线法进行轮廓形状匹配具有很好的适用性。     

基于物体特征轮廓的单类判别方法

针对当前物体轮廓分类方法的不足,提出一种基于物体特征轮廓的单类判别方法.首先修正了一种利用傅里叶描述子对轮廓归一化的方法;然后采用主成分分析对训练轮廓集的符号中心距离点列进行特征向量提取,生成类似"特征脸"的特征轮廓;最后根据轮廓在特征轮廓上投影所产生的截断误差不同设定阈值,进行轮廓类别判定.实验结果表明,与单类支持向量机方法相比,该方法的判别准确率提高了20%.     

基于自适应背景模型的步态检测与识别

提出了一种基于自适应背景模型的快速背景提取及步态检测的方法,并且利用傅里叶描绘子对步态轮廓图像进行描述,进行数据维数压缩,得到匹配模板,用最近邻法进行分类识别。该算法在NLPR步态数据库上取得了较高的识别率。     

多种表示的图像分类方法

针对不同图像提取出显著的特征对于图像分类是非常有意义的,然而单一图像分类方法不能在所有图像上都取得好的鲁棒性,通过多视角来提取不同特征,并将其融合来有效地解决这个难题。首先,利用二维主成分分析(2DPCA)提取图像的特征,然后根据获取特征进行图像重构(虚拟图像)。其次,利用快速傅里叶变换(FFT)获取图像的频谱特征。接着,将原始图像、虚拟图像、频谱特征分别利用稀疏方法获取得分。最后,利用一种新颖融合机制将上述得分进行融合,并根据新获取得分进行图像分类。获取的多特征和原始图像进行了互补,使该算法更具有鲁棒性;该方法具有稀疏性,提高了图像分类的性能;此外,它能自动获取参数,不需要手动调参。实验结果表明,该方法在不同情景下具有高的图像分类准确率。     

基于部件的印刷体汉字识别方法

本文论述的基于部件特征描述和汉字特征点相结合的汉字识别方法。该方法采用汉字的四周轮廓加权值为汉字的特征描述［１］，并利用ＩＤ３分类算法［２］自动建立该加权值的最佳ＩＤ３分类树。该算法具有自动增加特征，查询速度快，分类精度高的特点。采用轮廓加权值方法可以使部件有序，进而提高搜索的速度。汉字特征点及背景点的选取用于部件的细分类。汉字的机内表示为部件、部件在汉字中的位置的有序二位元组序列。     

基于分布结构约束稀疏表示的图像分类方法

为了解决稀疏表示结构信息缺失的问题,从而更加准确地进行图像分类,本文提出一种新的基于结构约束的稀疏表示的图像分类方法。在对图像进行降采样的前提下,提取方向梯度直方图特征后的训练样本上构建稀疏线性编码模型,通过样本间的分布结构信息约束和?1范数最优化求解测试样本的稀疏系数x,利用稀疏系数均值法进行目标的分类识别。基于COREL图像库进行仿真验证,实验证明,基于结构约束稀疏表示的图像分类方法能够获得很好的识别性能,与非结构约束稀疏表示相比本文方法显著提高了图像分类的准确率。