基于中心对称局部二值模式的背景建模方法研究

针对利用局部二元模式(LBP)进行背景建模存在模型维数过高、对噪声敏感等缺点,提出一种基于中心对称局部二值模式(CSLBP)的背景建模方法,并应用于运动目标检测.与传统LBP特征相比,使用CSLBP特征进行背景建模,可大幅度降低背景描述的维数,因而大幅度降低处理时间;并且由于其对称性,CSLBP相比LBP具有更强的抗噪能力.实验结果表明,利用CSLBP进行背景建模能有效解决LBP建模带来的维数灾难和噪声敏感问题,无论在检测效果和计算速度上都有较大的提高,能够满足实际应用的要求.     

改进的码本模型背景建模算法

针对原始码本模型算法参数多且难以设定、背景模型更新缓慢、背景容易被误判为前景目标等问题,本文提出一种改进的码本模型背景建模算法。该算法以像素点的均值和方差作为码本背景中码字的参数,用高斯正态分布判断该像素值是否匹配某个码字,采用以码字出现频率为参数的动态更新率来更新高斯正态分布中的均值及方差;采用两层的背景建模技术添加与删除背景码本中的码字;并增加频率阈值来判断某个像素值对应的码字是否添加入/删除出背景码本模型或缓冲区码本模型。实践证明,该算法能在复杂的场景下准确的分割出运动目标,且快速实用,能应用于实时视频图像处理中。     

基于人类记忆机制的码本建模方法研究

码本模型在实际应用时需要提前进行离线训练构建码本,在一定程度上限制了码本模型的实时应用。为此,将人类三阶段记忆机制引入到码本建模过程,基于记忆机制进行在线码本建模。每个像素点的时序信息被抽象成码本中不同的码字,并通过在瞬时、短时和长时记忆空间模拟记忆、遗忘、回忆等认知行为,实时地对码字进行分类。实验结果表明,提出的新算法不仅提高了模型的实时性而且对场景突变的适应能力也强于原始模型;同时,新算法在交通监测等现实应用中也能取得良好的效果。     

分层纹理特征和梯度特征融合的图像分类

为了提高分类检索和识别的准确率,提出了分层纹理特征和梯度特征融合的方法,即分层中心对称局部二值模式（CS-LBP）和梯度方向直方图（HOG）的特征融合方法。首先,对原始图像进行多次 CS-LBP 特征的提取,得到3层不同的特征图像;然后对特征图像进行大小相等、不重叠分块,分别提取每块 CS-LBP 特征和HOG特征,形成每一层的特征;再将特征图像的特征进行融合。分别在标准图像库和人脸库上进行仿真,研究结果表明：提出的分层融合方法的分类查准率和识别率比传统方法分别提高了15％和10％。     

融合空域信息的码本动态背景相减算法

背景动态纹理是导致传统背景相减算法性能下降的一个重要因素。为了区分背景动态纹理导致的图像运动与真实目标导致的图像运动,同时确保目标检测的完整,对码本编码的过程引入空间位置信息,实现近邻像素间码本模型的共享。这样不仅利用了动态背景的时间准周期行为,还兼顾了它们的空间准周期行为。在保证检测率的基础上,降低了虚警的产生。实验结果证实了提出算法的有效性。     

基于颜色纹理直方图的meanshift目标跟踪算法

Mean shift算法是一种重要的目标跟踪方法.在充分研究Mean shift算法的基础上,提出一种基于颜色纹理直方图的改进Mean shift跟踪算法.该方法首先计算目标图像区域中基于局部二值模式(local binary pattern,LBP)的主要纹理特征,通过提取主要特征消除背景和噪声等因素的干扰.另一方面,联合颜色和信息建立目标表示模型,可以为目标建模提供更丰富的纹理信息,目标表示更为准确,目标特征更明显区别于目标附近邻域内的背景特征.通过实验表明,改进的跟踪算法能有效提高目标跟踪精度,因此该目标跟踪具有较好的鲁棒性.     

一种基于混合高斯的双空间自适应背景建模方法

为解决运动目标缓慢运动或暂时停止以及场景突变问题,受人类获取知识过程启发,提出一种基于混合高斯的双空间自适应背景建模方法,即采用当前混合高斯模型空间和记忆空间(用于存储曾经的背景模型)对场景进行自适应建模。两个空间模型更新采用不同的学习率:在当前混合高斯模型空间,学习率根据高斯分布对场景的贡献程度进行自适应更新,以解决运动目标缓慢运动或暂时停止问题;记忆空间存储曾经的背景模型,以提高算法对背景突变的适应性,故采用固定学习率进行更新。试验结果表明了所提方法的优越性。     

基于Gabor特征和局部二值模式融合的纹理图像识别

传统的Gabor滤波方法和局部二值模式(Local Binary Pattern,LBP)算法提取的纹理特征鉴别能力不足,导致纹理识别精度不够理想.为了解决上述问题,提出一种将全局Gabor特征和局部LBP特征进行融合的纹理图像识别方法.该方法利用Gabor滤波方法提取纹理图像的全局特征,利用LBP算法提取纹理图像的局部特征,然后在最近子空间分类器的框架下实现全局和局部特征的融合以及纹理图像识别.在CURe T和KTH-TIPS基准纹理库上的实验结果表明,笔者提出的方法显著超越了传统Gabor滤波方法和LBP算法的纹理识别精度.     

基于背景Codebook模型的前景检测算法

很多背景场景都包括复杂的运动目标,解决这种问题的较好方法是获取每个像素或者一组像素的时间序列模型,这类模型可以很好的处理时间起伏。但是,计算复杂度高而且耗时。为了获得与自适应滤波相当接近的性能。采用Codebook来建模场景中感兴趣的状态,选择RGB颜色空间模型,学习一个覆盖组成图像像素三个通道上的Codebook,可以有效的解决像素剧烈变化的问题,从而鲁棒探测出场景的前景目标。通过实验结果表明,提出的基于Codebook背景模型的目标检测方法比传统的目标检测算法具有更高的精确度和鲁棒性。     

基于纹理频谱子集的纹理识别

纹理频谱法是一种有效的纹理特征提取方法，但其所提取的特征高达6561（3^8）维，导致很大的存储和计算复杂性．局部二值模式通过简化纹理频谱法的定义，虽然减小了计算的复杂性，却削弱了纹理的刻划能力．为了在保持纹理频谱法纹理刻划能力的同时，又减少其存储和计算复杂性，提出了基于子集的纹理频谱方法．新方法建立在统一模式的概念上，仅提取纹理频谱的1个子集，特征维数仅为原方法的12％，大大减小了空间和时间代价．实验结果表明，新方法比纹理频谱法和局部二值模式具有更好的纹理识别性能．     

自适应背景建模及运动目标的检测

提出一种能在动态摄像机场景下检测前景物的算法(AGMM).本方法采用角点特征对前后两帧图像进行匹配,估算两帧图像的移动向量,并以此校正高斯混合模型(GMM),并在此基础上进行背景的重建以及前景物的分割.以不同场景的视频序列对本算法和GMM算法进行比较.实验结果表明,提出的算法能够适应动态摄像机场景,以牺牲一点复杂度为代价,大大提高检测精度,并且在摄像机移动比较大的位移时仍然可以得到正确的结果.     

基于多尺度的增强ViBe背景建模

提出一种基于多尺度的增强ViBe背景建模方法 mViBe.通过多尺度模型,将像素点的颜色信息与其空间位置信息相结合并通过多尺度判别,有效地降低对背景像素的误判.利用基于多重先验概率对多尺度模型进行层次化更新,提高了在多模态背景、摄像头抖动及光照变化等复杂场景条件下背景模型的鲁棒性.实验结果表明:提出的mViBe算法相比ViBe算法及其他代表性算法具有更优的检测性能,同时保持很好的实时性.     

基于背景差分的运动目标检测方法

针对静止摄像机下的运动目标检测问题,提出了一种基于背景减法的运动目标检测算法.通过对一组连续视频进行处理,从中得到不含运动目标的背景图像.再利用背景差分的方法提取出运动目标.在确定比较阈值的过程中,一改以往通过实验不断调整的做法,提出了动态阈值的概念,从而增强了检测效果,提高了算法的可实施性.融入了高斯模型关于背景更新的算法,克服了由于背景突然改变而造成的误检测.实验结果表明,通过背景差分与高斯模型相结合的方法,在有诸多不确定性因素的序列视频中构建背景有较好的自适应性,能迅速响应实际场景的变化,为准确地检测出运动目标提供了必要的基础.     

基于多层码书模型的运动阴影检测算法

在实际监控场景中,运动阴影的存在将对目标检测的准确性产生直接影响.针对此问题,本文提出了一种采用三层码书模型以此来提高阴影检测识别率的算法.该算法首先通过传统码书模型获取前景,然后对前景部分建立备选码书模型,再从备选码书中提取出具备阴影特质的点,构建阴影码书模型,最后通过该模型去除运动阴影.实验结果表明,与传统算法相比,该算法对阴影检测识别率有较大的提高.同时,通过对不同场景的对比,结果说明该算法具备良好的鲁棒性.     

基于背景差法的运动目标检测

视频序列图像中,视频分割的主要目的是要在视频序列中分割出具有意义运动对象实体.背景差法能够很好地从一段视频中提取出运动目标.可靠的背景图像的提取是该算法的关键.表述了一种新的背景提取算法,利用图像序列的灰度统计特性来提取背景图像,并利用Surendra背景更新算法根据每帧图像对背景进行更新已获得可靠的背景.然后,将当前帧与背景作差,并对差值图像进行适当处理,这样运动目标就能够被精确地提取出来.     

全维多输入多输出下行系统中两级序贯码本选码方法

为了在全维大规模多输入多输出(MIMO)下行系统中获取可靠的信道状态信息(CSI),提出了基于两级序贯码本的预编码设计方法。在此方法中,预编码码字由内码与外码组成,内码用来逼近各个辐射路径,而利用外码将选出的内码做最佳的线性组合。该方法能精确地逼近真实信道,而且还可以降低系统中的反馈开销。此外,基于假设的信道模型提出了反馈开销的确定方案和旋转码本的构造方法。通过实验仿真,验证了该设计方法的准确性和有效性。     

基于半波编码的语音码本的设计

语音编码技术是语音信号处理中的关键技术之一，语音编码包括波形编码和参数编码以及混合编码3种方法．在对语音实验分析的基础上，提出一种语音波形编码的新方法——半波编码．较详细地阐述了浊音初始码本和码本的制作方法，并类推出清音和无声码本的制作．经实验证明，这是一种有效的语音码本的设计方法．     

基于车徽背景纹理识别的车徽定位新方法

车徽是汽车品牌的标志，是汽车分类与识别的重要依据．车徽定位是车徽识别的关键环节．笔者提出了一种新的车徽定位方法．首先，根据车徽和车牌的位置关系进行车徽的粗定位，其次，进行车徽背景的纹理识别，然后，通过边缘检测进行车徽的背景抑制，对水平纹理进行垂直边缘检测，对垂直纹理进行水平边缘检测，最后应用数学形态学进行滤波，精确定位用车徽．实验结果表明，此方法具有很好的车徽定位效果．