共查询到20条相似文献,搜索用时 31 毫秒
1.
2.
结合图像的形状特征、纹理特征和颜色特征,提出一种面向制造过程的海量图像高效检索算法.算法利用傅立叶描述子法和二维形状分布法描述图像的形状特征,利用灰度共生矩阵描述图像的纹理特征,利用颜色直方图表达图像的颜色特征.在得到图像的形状特征、纹理特征和颜色特征后,分别采用欧式距离、马氏距离和夹角余弦距离计算这三种特征的相似度,最后对三种特征的相似度进行综合,得到图像的整体相似度,实现多特征的联合检索.仿真结果表明,本算法应用于不同类型和格式的海量数字图像,具有较高的检索精度和较快的检索速度. 相似文献
3.
4.
直方图均衡化对图像局部对比度进行调整时,采用增强亮度的途径在保证图像整体对比度的基础上,实现局部处理任务。本文主要阐述了直方图均衡化原理,详细论述了带可变增强度的直方图均衡算法、基于递归分解的直方图均衡算法、多直方图均衡算法、基于分频和融合的直方图均衡算法,以期深化对直方图均衡化的研究,充分发挥该处理技术的优势。 相似文献
5.
6.
基于代表色特征的图像检索 总被引:8,自引:0,他引:8
基于内容的图像检索(CBIR,Content-based Image Retrieval)在多媒体检索中得到越来越多的重视,本文提出了一种基于图像颜色特征的图像检索方法,在经过变形的HSL颜色模型空间,通过适当的聚类分析算法提取出能够代表图像颜色特征的代表色集,并引入代表色的分布特征和纹理特征,作为图像的特征矢量进行匹配检索,在试验中本方法取得了较好的试验结果。 相似文献
7.
8.
陈晨 《哈尔滨师范大学自然科学学报》2014,(2):31-35
在当前图像检索研究的现状上,提出了基于颜色特征的CBIR系统.采用综合特征(图像的平均值、能量、熵和方差)检索,采用直方图相交算法和曼哈顿距离公式计算图像的相似性,获得较精确的、效率较高的检索结果. 相似文献
9.
10.
11.
《黑龙江大学自然科学学报》2016,(2)
提出了一种基于多通道特征的行人检测算法,利用改进的方向梯度直方图特征、基于主成分分析的尺度不变特征转化(PCA-SIFT)和图像色彩特征等构成多通道特征进行行人检测。实验仿真结果表明,相比于方向梯度直方图算法,所提出的基于多通道特征的行人检测算法在检测速率、检测准确度等方面均优于方向梯度直方图算法,有着更好的检测性能。 相似文献
12.
提出了一种自动单模医学图像配准方法。首先根据三维医学图像的象素浓度信息计算出三维图像的浓度直方图,再迭代地对图像进行刚体变换使得配准图像间的浓度距离最小,实现配准图像象素之间的一一对应。由于该方法依据医学图像本身的象素浓度信息,而不是人为的外部标志,从而实现图像配准的自动化。 相似文献
13.
14.
本文简单阐述了基于灰度直方图熵和平稳小波变换图像融合原理,并对近红外与可见光图像融合效果进行了实验对比分析。研究表明,基于灰度直方图熵和小波变换的近红外与可见光图像融合算法得到的融合图像层次感强,对比度高,且图像的标准差、信息熵、互信息评价指标最优,从源图像中所获取的信息最多。 相似文献
15.
针对篮球比赛中的运动目标跟踪问题,提出了一种基于DSP和FPGA的嵌入式篮球运动视频目标跟踪算法,将Mean Shift算法用于跟踪篮球运动视频目标,并给出了DSP FPGA的硬件设计该方法先建立一个包含运动目标的搜索窗,并初始化其位置和大小,进一步计算搜索窗的色彩直方图然后,输入待搜索图像,运行Mean Shift,获得新的搜索窗位置和大小;最后,基于Mean Shift算法迭代,获得运动目标的新位置FPGA方便电路设计,DSP则运行目标跟踪算法实验证明,提出的方法在激烈的比赛中依然能够准确跟踪运动目标 相似文献
16.
17.
针对当前低照度图像增强后存在色偏、细节损失和噪声放大的问题,提出了基于双分支自适应特征融合网络的低照度图像增强方法。首先,设计自适应特征融合模块,在深层特征中融合更多细节和颜色信息;其次,构建通道及空间注意力模块,使网络着重于图像细节和颜色的恢复;最后,根据Retinex理论设计Poisson-Retinex损失函数,抑制图像的噪声,从而提高图像的增强效果。在多个数据集上的主观和客观对比结果表明,所提方法不仅能恢复增强图像的颜色和细节,而且能更好地抑制噪声,从而获得良好的增强效果。 相似文献
18.
多传感器的像素级图像融合中,如果对源图像进行线性运算以得到融合图像,源图像的置信度取值一般只能由经验和个人主观感觉来确定,并不能得到令人满意的融合效果.本文针对这一问题提出了一种基于粒子群优化算法的像素级图像融合的算法.该算法可以根据融合的目的采用不同的融合指标,应用粒子群优化算法得到比较满意的融合图像.实验结果表明该算法优于其它的几种像素级图像融合算法. 相似文献
19.
肤色过滤不良图像的方法对于皮肤裸露较多但不含关键部位或类肤色区域较多的图像容易产生误检,为此设计了一种基于人体关键部位的不良图像过滤系统. 首先提取人体关键部位灰度分布的Haar-like特征,采用Adaboost学习算法训练得到人体关键部位分类器;然后通过此分类器得到人体关键部位候选区域,提取其梯度
直方图特征、基于灰度共生矩阵的纹理特征和基于颜色矩的颜色特征,使用支持向量机(support vector machine,SVM)进行训练;最后将训练得到的SVM分类器二次过滤人体关键部位,以提高系统整体的精度. 实验结果表明,该系统能准确地检测出人体关键部位,有效地降低不良图像的误检率. 相似文献