基于边缘特征的汽车运动阴影去除算法

首先设计了一种新的预处理流程,去除非阴影及车辆区域的边缘;其次,对边缘图像进行填充,得到运动部分的轮廓边缘图;最后,建立边缘擦除法则,擦去阴影部分的边缘,并对边缘图进行填充,得到最终的去除了阴影的目标图像.算法的核心是将前景图像中的阴影边缘从目标边缘上分离出来,着重解决了实际应用中经常出现的目标轮廓图边缘和实际阴影轮廓边缘不重合造成阴影边缘无法去除的问题,同时很好解决了多个前景目标因阴影而粘连的情况.大量实际道路视频图像的测试表明,本算法去除阴影效果好,有较强的实际应用价值.     

基于多尺度特征选择与融合的目标检测方法

针对多尺度目标检测中特征图特征混淆和特征丰富程度不足的问题,提出一种基于多尺度特征选择与融合的目标检测算法。设计了一个特征选择模块来分离出不相关的特征,并结合特征金字塔网络形成特征选择网络结构,降低特征图中不同尺度目标的局部特征对当前尺度特征的干扰;提出一种浅层特征融合方法,将浅层特征逐级融合到较深层级特征中,解决特征图的特征不够丰富问题。结合特征选择架构和浅层特征融合架构,在PASCAL-VOC2007数据集上进行测试,结果mAP达到了80.1%。相较于基础的单阶段目标检测(single shot detection, SSD),所提算法的网络性能可提高2.9%,且在一些小目标和遮挡目标的检测效果上有明显的提升。通过对比和消融实验,证明了所提方法的有效性。     

基于粗糙集的视频片段自动分类方法

网络的普及和交互电视的应用推动了视频分类的发展,迫切需要一种方便、快速的自动视频分类方法。本研究利用从视频片段中提取的与镜头有关的特征、颜色特征、音频特征和运动特征作为视频内容分类的可计算特征,并基于粗糙集理论,发挥其无需先验信息而从信息系统中分析多余属性的能力和从决策表中抽取规则的能力,对上述可计算特征进行分类形成规则,从而实现对视频片段的分类。     

基于双特征的前方车辆实时检测

提出一种在无先验知识的情况下,综合利用车辆阴影和对称性两种特征进行前方车辆检测的算法.该算法通过检测车底阴影特征生成车辆存在假设,首先,利用大津阈值分割方法(OTSU)得到车辆阴影特征,采用阴影区域融合方法解决阴影边缘的变形问题,得到可能包含车辆的区域;然后,利用车辆对称性特征对感兴趣区域进行验证,并对其中的车辆区域进行准确定位.通过对实际采集的道路图像序列进行测试,结果表明:该算法能够实时、有效地检测出前方车辆.     

基于阴影属性的运动阴影检测方法

提出一种基于阴影属性的阴影检测与去除方法,首先采用光照评估方法判断阴影是否存在,若有阴影存在则确定阴影方向并计算阴影属性,最后根据阴影属性检测阴影点。由于使用了阴影属性,阴影的检测和去除更加准确。     

基于免疫克隆选择算法的特征选择

提出了一种基于免疫克隆选择算法的特征选择方法．特征选择可以被看成是一个组合优化问题,利用免疫克隆选择算法快速收敛于全局最优的特性,加快搜索到最优特征子集的速度,为后续模式分类提供良好的判别依据．实验结果表明算法在保持甚至提高分类精度的同时,有效地降低了特征维数．与基于遗传算法特征选择的结果相比较,在有限代数内,该算法能收敛到更优的特征子集,从而验证了算法的有效性及其应用潜力．     

基于模糊准则的小波特征选择

本文所提出的基于模糊准则的小波特征选择方法,从本质上来说是提取最优小波包分解中的小波系数作为特征.它利用模糊理论在模式识别中的固有优势,同时结合小波包变换的时域和频域的局部化优点,从高维数据中抽取出数目较少且鉴别能力强的特征,并使用基于最小二乘误差的线性鉴别函数实现分类.     

基于梯度特征的高分辨率卫星遥感影像阴影检测

以高分辨率卫星遥感全色影像为数据源,根据阴影区在影像上的灰度与梯度特征,研究了它与水系、建筑物、绿地、道路等地物类型的区别,描述了阴影边界与太阳方位角的关系,并在此基础上针对实验数据提取阴影区.结果表明,所采用的方法能有效地识别影像中的阴影.     

基于特征跟踪的视频判读方法

针对发射场火箭初始段漂移量测量,提出并实现一种新的判读方法,主要采用特征点或特征区域检测与目标跟踪相结合的方法,利用各种数字图像处理手段,借助辅助开发工具,计算目标在各帧图像中的坐标,实现对目标运动的高精度判读。该方法既具有自动判读的功能,又具有适应性强的半自动判读功能,能够计算出多个目标点的精确位置;同时还具有对判读结果的实时校验的功能。实验结果表明,该方法判读精度高,速度快,具有较好的稳定性和适应性,有向其他目标或领域扩展的能力。     

基于手工特征的视频哈希研究综述

视频哈希是从视频中提取到的基于视觉内容的短小数字序列,在实际应用中,用视频哈希来表示视频,能降低视频的存储代价和视频相似计算的复杂度。目前,视频哈希已被广泛应用于拷贝检测、篡改取证、视频索引、视频检索等方面。近年,视频哈希研究取得许多重要进展,研究人员设计和开发出多种手工特征提取技术,并建立一系列视频哈希算法。本文将基于手工特征的视频哈希算法分为空域计算和时空域计算2个大类,其中基于空域计算的哈希算法又分为逐帧计算和关键帧计算2类,而基于时空域计算的哈希算法则分为正交变换、统计特征、视觉特征点、数据降维和其他技术5类。根据这些分类,本文先分析每类算法的代表性研究成果并总结其性能;然后介绍常用的哈希度量方法、性能评价指标和视频数据集;最后列出未来研究工作可重点关注的内容,包括面向篡改取证的视频哈希、基于深度学习的高效视频哈希和面向移动应用的轻量级视频哈希等。     

基于卫星遥感的输电沿线建筑物变化检测

准确、快速地实现建筑物变化检测对识别输电沿线隐患区具有重要的意义。随着卫星遥感技术的不断发展和进步,基于高分辨率遥感影像进行建筑物变化检测已成为研究热点。提出了一种融合阴影、建筑物指数、纹理、形状等特征的高斯概率模型实现像元级的建筑物初提取,在此基础上,结合多尺度分割结果实现对象级的建筑物变化检测,最后,将前后两时相对象级的建筑物提取结果进行空间叠加分析,并将叠加结果划分为建筑物新增、建筑物拆迁和建筑物改建三类。本文在研究区和验证区分别采用不同分辨率的遥感影像进行实验和验证,结果表明,该方法在不同尺度和影像分辨率下的建筑物变化检测均取得了实际效果和检测精度,可为输电沿线建筑物变化检测提供良好的技术支持。     

视频序列中运动目标影子去除方法

针对固定场景的运动目标检测问题,本文提出了一种具有实际应用价值的阴影去除方法。该方法通过背景差分方法分割出运动目标及其可能存在的阴影,采用8邻域灰度聚类算法检测出阴影。最后,去除阴影并分割运动目标。实验验证了该方法的有效性。     

基于梯度投影的视频跟踪算法

为实现复杂场景内目标的准确捕获与跟踪, 结合目标特征, 提出基于梯度投影的视频跟踪算法。根据目标先验知识, 对视频流开窗并进行梯度投影, 获取目标区域的位置信息; 通过特征提取和形态学分析提取目标特征参数, 实现目标判定与捕获; 利用目标质心坐标更新跟踪窗位置信息, 实现对目标的跟踪。实验结果表明, 该算法降低了运算量, 实时性强, 实现了对目标的准确、 稳定的跟踪, 对实验场景中的光照变化和疑似目标的干扰具有很强的鲁棒性。     

基于图切割和阴影抑制的目标检测算法

针对目标检测中背景噪声影响检测精度的问题,提出在HSV高斯背景模型下,使用最小图切割算法,并结合连通性,找到最大的前景连接区域,最后使用阴影抑制技术完成目标分割.实验结果表明,算法有很好的鲁棒性,能够获得清晰、光滑的前景目标轮廓.     

一种基于相似度的子弹识别方法

提出了一种新的子弹识别方法。首先将采集到的子弹图像进行Harris角点检测,提取特征点,然后将特征点位置坐标标准化,使用典型相关分析的方法计算得出两幅图像之间的相似度,以此相似度判定两枚子弹是否是同一枪支发射。实验结果表明,提取的特征点比较典型,置信度较高,对变形不严重的子弹检测有一定的实用价值。     

基于嘴部内轮廓特征的疲劳检测

针对传统利用嘴部开合度检测疲劳时容易发生嘴部定位误差且易受唇厚度影响,提出一种基于嘴部内轮廓特征的疲劳检测方法。首先改进了嘴部定位方法,将YCb Cr模型与Lab模型结合,去除类唇色干扰信息,利用a分量对唇色的聚类性定位嘴部,提高了定位的准确性;然后两次提取开合度优化哈欠特征的识别方法,提取嘴部开合度,过滤掉开合度较小的图像,对开合度较大的疑似哈欠图像做Gabor变换,提取嘴部内轮廓的开合度,修正唇厚度引起的误差,判断是否为打哈欠特征。最后根据具有局部连续性的哈欠特征出现的频率做出疲劳判决,降低了哈欠的误判率,提高了疲劳判别的可靠性。实验结果表明,该方法可以克服嘴部定位不准确及唇厚度的影响,有效地实现疲劳检测。     

全手形特征的生物识别技术综述

全手形特征多模态生物识别是结合指纹、手形和掌纹的全手形特征信息,具有信息更全面可靠的独特优势,能有效地提高生物特征识别的准确率。本文简述了全手形生物特征识别技术的基本原理和一些关键技术,对目前流行的各种单模态和多模态生物特征的优势和不足进行了分析,并对生物特征识别技术中存在的问题和未来的研究方向进行了讨论。     

基于视频角点信息特征的交通流参数测算方法

提出了一种基于视频图像中角点特征的交通参数检测方法．首先设置检测区域,并将检测区域分为初始检测区和跟踪检测区,在初始检测区内对运动车辆的存在性进行检测．为了加快计算速度,利用虚拟线状态检测的方法判断车辆是否驶入,如果有运动车辆出现,则对运动车辆的角点进行定位,并在初始检测区内实现状态参数的初始化．在跟踪检测区．基于刚体运动的一致性假设,依据角点的分布特征对车辆进行分割,实现对运动车辆的跟踪．在车辆完全驶离跟踪区域时,统计交通流的流量、速度以及车型等信息．