多通道火灾探测信号的分析与合成方法

提出一种多通道火灾探测信号的分析与合成方法，通过建立基于信号互功率谱的多通道信号模型，提取火灾和非火灾两种情形下的烟雾、温度等实际信号的统计特征，自适应合成信号序列，探讨了模型参数的选择，并开发了探测算法模拟测试系统．实验表明，该方法能有效地测试出探测算法的火灾报警时间和误报警率等性能指标．     

基于亮度感知的前景提取

前景提取是在图像整体认知基础上将感兴趣对象分离出来,本文联合图像亮度视觉感知和水平集方法提出了一种基于亮度感知的前景提取模型。该模型依据像素对的亮度视觉相关性,联合视觉区域内相似性和区域间的差异性,设计了亮度感知能量泛函,运用瑞利熵求解能量泛函得到视觉区域,利用视觉区域特征驱使初始曲线演化至前景轮廓。相对于传统算法,该模型运用图像视觉特征有利于从图像的整体认知上提取前景,提高了水平集方法的前景提取质量。     

基于计算机视觉的火灾识别方法研究

本文对基于计算机视觉的火灾检测识别方法进行研究。首先采用运动检测与火焰颜色模型想结合的方法对视频疑似火灾区域进行分割,然后提取出火焰矩形度、火焰面积增长特征、火焰波动频率三个特征,将此三个特征作为火灾识别的特征向量,最后训练BP神经网络分类器,对火灾进行识别。     

基于色彩对比度的快速视觉显著目标分割方法

模仿人类视觉系统对显著色彩区域比较敏感的视觉注视机制,提出一种基于贝叶斯的显著性度量.利用像素点与其周围区域的色彩对比度衡量像素点的显著性,并根据显著性度量提出了基于graph cut的显著目标分割方法.在测试图像库上的实验结果表明,该方法可以从图像中提取具有完整轮廓的显著区域,并能准确分割出图像中的显著目标.     

多通道火灾探测信号的分析与合成方法

提出一种多通道火灾探测信号的分析与合成方法，通过基于信号互功率谱的多通道信号模型，提取火灾和非火灾两种情菜下的烟雾、温度等实际信号的统计特征，自适应合成信号序列，探讨了模型参数的选择，并开发了探测算法模拟测试系统，实验表明，该方法能有效地测试出探测算法的火灾报警时间和误报警率等性能指标。     

基于视觉传达的民间装饰图案纹理智能匹配方法

该文从提高民间装饰图案的视觉传达能力的角度出发,需要进行图像纹理智能匹配处理,提出一种基于视觉传达的民间装饰图案纹理智能匹配方法,构建视觉传达下的民间装饰图案纹理智能信息采集模型,采用图像自动成像技术进行民间装饰图案的纹理成像和特征分割,提取典型民间装饰图案和民族设计语言的纹理直方图,根据直方图分布在视觉传达下进行纹理分割和自动匹配,采用正则化特征融合方法进行民间装饰图案纹理信息增强和优化检测,提取民间装饰图案的边缘轮廓特征点,以提取的装饰图案边缘轮廓特征点作为输入统计信息进行纹理匹配。采用该方法进行民间装饰图案纹理匹配的自适应性能较好,纹理分辨能力较强,提高现代视觉传达设计中更好地体现民间装饰图案的应用研究,推动传统文化元素和现代设计创新性结合。     

视觉注意特征的变分水平集图像分割模型

针对传统主动轮廓模型较低的鲁棒性能和对先验知识融合能力的不足,基于视觉注意机制的先验知识和曲线演化的理论框架,首先建立图像底层视觉显著性特征的数学模型,在此基础上提出新的曲线演化能量泛函模型,然后对该能量泛函采用变分水平集方法进行推导,得到曲线演化的偏微分方程,数值实验表明该模型相对于经典主动轮廓模型具有更强的抗噪性与分割效率.该模型的提出为进一步在主动轮廓模型中引入更高层次视觉显著性特征、得到更优越的分割模型打下了基础.     

基于视觉显著性的彩色图像分割

为了提高图像显著性检测的准确性,从数学模型上探索显著性的多特征空间.利用多尺度特征提取算法获得低层视觉特征,对特征矩阵用低秩矩阵恢复理论提取显著图,并在自底向上模型基础上融合了高层视觉特征,由高层视觉特征构成一幅权重的显著图.提高了显著度和显著目标的检测性能.通过自适应阈值算法对视觉显著目标进行分割.实验结果表明,该模型比传统的模型提取的显著目标更完整、更准确.     

基于统计形状模型的面部特征提取随机方法

针对在复杂背景和部分遮挡情况下提取面部特征轮廓的困难，提出了一种基于统计模型的随机方法．该方法将面部特征轮廓作为动态随机过程的状态序列，并应用统计方法建立人脸整体形状模型和特征形状模型，分别构造面部特征间和面部特征内控制点样本的预测方程，最后利用序列蒙特卡洛方法估计随机状态．该方法给出了面部特征提取的随机描述，打破了确定性方法对单高斯分布和轮廓形状线性变化的依赖性，实现了轮廓的准确可靠提取．对100幅正面人脸图像的实验结果表明，轮廓定位相对误差仅为2．7％．对标准人脸检测数据库中传统算法很难处理的复杂背景和部分遮挡情况，该方法能够正确定位面部特征轮廓．     

实现计算机视觉标定自动化的一种新技术

分析基于Mart算子的标定算法存在易受环境光及噪声影响、精度不够高的不足，根据计算机视觉标定的目标要求，通过动态阈值分割、边缘提取、轮廓跟踪和两步法标定算法等处理策略，克服了传统标定算法的缺点，并实现了计算机视觉摄像机标定的整个过程自动化．实验结果证明，该标定算法鲁棒性强，操作简便，抗噪声、抗环境光性能好，标定精度高而且稳定．     

林火监测中基于视觉的火焰检测方法

基于计算机视觉的火灾监测系统中对火焰的早期检测是防止森林火灾蔓延的关键。提出一种基于运动检测和像素颜色特征相结合的新的火焰检测方法。首先根据图像序列建立背景模型,突出显示运动部分;并采用邻域平均方法对目标和噪声进行分离。其次基于边缘特性,获取序列图像的边缘变化情况,将两者融合得到感兴趣(ROI)区域。最后,将亮度与饱和度分离,产生火焰的有效颜色空间。通过对火焰像素亮度(I)分量区域与饱和度(S)分量区域进行相关性分析来确定火焰。实验结果显示,方法具有良好的快速性,在较短的检测时间下,可以保证较高的检测率和较低的误检率,对火焰序列图像的检测率达到91.78%,对伪火焰图像的误检率达到7.11%。     

基于肤色及深度信息的人脸轮廓提取

提出并实现了一种新的提取人脸封闭轮廓的方法.首先通过三目立体视觉系统获得彩色图和深度图,然后利用彩色图的肤色信息和深度图的深度信息而惟一确定的面部区域,最后再通过对面部肤色区域轮廓提取并结合活动轮廓模型(Snake)提取下巴,从而完成整个人脸轮廓的提取.该算法能够较好地提取人脸的轮廓线,克服了下巴边界难以从颈部区域提出的困难,定位精度高,边缘连续性好,满足了人脸轮廓特征提取的要求.     

分形技术在彩色纹理分割中的应用

应用分形技术,对彩色图象的纹理分割问题进行了探讨．为了有效地描述彩色纹理特征,我们利用图象中的色彩信息,通过象素的色彩曲面之间的体积值和单种色彩分量值进行分析,获得相应的分形特征,继而运用中值滤波技术和非监督聚类算法对特征图象进行分割．实验结果表明,利用分形技术进行彩色纹理分割是非常有效的．     

使用日夜两用型红外摄像机进行火焰检测

为了提高火灾监控的准确性和及时性,并最大限度地利用已有硬件设备,提出一种使用日夜两用型红外摄像机的火灾自动监控方法.根据红外图像RGB空间的色彩分布特点,设计视频类型判断算法,实现视频图像类型自动切换.通过红外状态与可见光状态两类状态下的焰色模型提取火焰疑似区域.对疑似火焰区域提取不规则度、角点量、闪烁频率和帧间相关性等4个静态及动态检测特征.通过减聚类和模糊C均值聚类相融合的方式优化训练样本,并分别训练2种状态下的火焰识别神经网络分类器.实验结果表明:视频类型判别平均准确率93.07%,21段火焰或干扰视频均能正确检测,报警时间小于8s,帧处理速度达到25帧/s以上.对室内自动火灾监控的精度高、抗干扰能力强、处理速度实时和适应全天候监控等.     

基于Gabor纹理增强的人脸活体检测算法

针对人脸信息认证系统中存在的欺骗攻击问题，利用色彩空间转换信息丢失的特性，提出一种人脸活体检测算法。通过Gabor滤波器组多尺度、多方向地增强关键人脸图像纹理特征，抑制人脸图像的一般特征。高斯径向基函数分类器分类SURF(speeded up robust features)算子提取特征描述子，区分人脸活体与非法用户的欺骗攻击。利用类间方差衡量特征改进前后的可分性，计算图像原始特征与纹理增强后特征的类间方差、类内方差大小以及可分性判据J。在公开数据集Replay-Attack,CASIA-FASD数据库进行测试，彩色纹理图像增强后，人脸关键特征被增强而一般特征被抑制，背景与目标的类间方差增大，类内方差减小，特征可分性增强从而更具鲁棒性，使得纹理细节能被有效利用。实验结果表明，该算法能有效、实时地判断人脸活体与欺骗攻击。     

基于亮度特征耦合信息量制约的图像复制一粘贴篡改检测算法

为了克服当前较多图像篡改检测算法主要通过比较特征点的距离来完成伪造内容的识别，忽略了特征点邻域所含的信息量，导致检测结果中存在较多的漏检和误检等问题，采用图像的亮度特征和信息量特征，设计了一种新的图像篡改检测算法。首先，引入Forstner算子，计算图像像素点的Robert梯度，从图像中精确获取特征点；然后，在图像特征的邻域中，通过均值模型来计算图像的亮度特征，将其与像素点的灰度差异特征相结合，以构造健壮的特征向量。最后，采用互相关函数来计算图像特征的关联度，采用信息熵来评估图像特征邻域所含信息量；并以图像特征间的关联度与信息量特征为依据，对图像特征进行匹配；最后，利用图像特征的特征向量，获取匹配点间的距离值，实现匹配点的归类，获取检测结果。实验结果表明：与当下篡改检测算法相比，在多种几何内容变化下，所提算法具备更高的检测准确度，所含的漏检和误检信息最少。     

多轮廓三维立体视景图像的投影检测算法

针对多轮廓三维立体模型进行高精度建模中,因为视觉切换和光线强度衰减产生斑点和投影,需要进行投影检测分离,提高图像品质的问题,提出一种基于相似度特征纹理分割的多轮廓三维立体视景图像的投影检测算法.该算法先根据已知的多轮廓三维模型雏形对所有的建模点进行遍历建模分析,再对遍历后的建模点进行模型重构,构造含积分递推多项式的平面起控基函数,最后采用多轮廓图像的曲线混合函数初始化检测模型,得到改进的三维立体视景图像投影检测迭代方程,用相似度特征纹理分割方法实现对视景图像的投影检测改进,解决了图像投影检测不准确的问题.仿真结果表明,该算法能有效实现对图像的投影检测分离,图像成像保持度更好,提高了图像成像品质.     

基于特征显著性的均值漂移鲁棒目标跟踪

在均值漂移算法框架下,提出基于目标显著性的特征融合与在线模板更新策略,实现复杂动态环境下的鲁棒跟踪.通过目标区域与背景区域的特征对比定义了特征显著性测度.提出了基于特征显著性的色彩空间选择以及基于Gabor小波稀疏编码的纹理特征提取算法.通过特征显著性加权实现参考直方图模板的初始化,并在此基础上针对遮挡现象与目标自身形变的区别设计了在线模板更新策略.实验结果表明,本文方法与其他跟踪算法相比具有较强的鲁棒性和较高的准确性.
     

基于感知的大范围人造对象图像结构特征抽取

基于内容的图像检索(CBIR)系统传统上仅仅使用颜色特征和纹理特征进行图像的底层分析,不足以满足检索性能的要求.要提高基于内容图像检索的鲁棒性,需要检索系统能分析更多的图像底层特征.对于包含大范围人造对象(比如:建筑物、高塔、桥梁和其他结构对象)的图像,提出应用感知分组(perceptual grouping)规则抽取图像的结构特征,并结合使用该结构特征,对特定的图像库进行分类和客观评价.     

结合彩色边缘与LBP纹理的图像检索算法

基于图像颜色、纹理和形状单一特征的特征提取和匹配的方法很多,各有优缺点,因此,本文提出了将图像中心区域的uniform模式的LBP纹理与环形分块彩色边缘相结合的图像检索算法。常用的形状检索算法只能对连续封闭曲线才有好的检索效果,而对自然彩色图像检索效果较差,而本文将图像分成几个环形分块,对每一环形分块内的图像提取彩色边缘并形成颜色直方图用于图像形状描述。纹理采用uniform模式的LBP描述,最后采用加权法融合形状特征和纹理特征。根据实验比较,该算法能较大提高大多数类别图像检索的查准率。