基于结构信息相似度的线性投影灰度化算法

针对彩色图像灰度化过程中易丢失结构信息的问题, 提出一种基于结构信息相似度的灰度化算法. 首先在RGB色彩空间利用像素平均值和标准偏差值构造一幅对比图, 以保持彩色图像的对比度和亮度信息； 然后利用结构信息相似度评价指标衡量RGB通道图像与对比图间的相似程度； 最后将通道结构信息相似度值作为全局加权映射函数中的权重值, 获得最终的灰度图像. 该算法有效解决了其他典型灰度化算法中需求解目标函数, 导致算法复杂度高、 图像结构信息不自然的缺陷. 对Cadik和CSDD图像集的实验结果表明, 该算法优于一些已有典型灰度化算法, 能有效保留原始图像的对比度和结构信息, 可提高计算效率, 且输出的灰度化图像视觉感知自然, 主客观评价结果均较优.     

图像灰度熵特征与SVM分类结合的人脸检测

提出了一种基于支持向量机并综合图像灰度值和灰度熵的人脸检测方法.在信息论的编码熵的基础上提出了灰度熵的概念,并把人脸图像的行像素灰度熵和列像素灰度熵作为人脸图像的部分特征.在人脸检测系统中,把人脸图像的灰度值和行像素灰度熵和列像素灰度熵作为特征用支持向量机进行训练,得到检测用分类模型,然后把分类模型应用于人脸检测.实验证明了这种方法的有效性.     

RSTC不变矩图像特征点匹配新方法

针对图像特征点的匹配中单纯依靠灰度度量会出现多峰值以及匹配不可靠、不准确的问题,提出了一种新的基于RSTC不变矩的匹配方法.该方法首先用改进的SUSAN算法找到角点,然后构造一种新的RSTC不变矩来描述角点特征,并用RSTC不变特征量作为匹配相似度的度量,再结合RANSAC鲁棒估计以及外极线约束进行引导匹配.对实际图像的实验表明,该方法可以获得比较好的匹配结果,消除了野值匹配所导致的长线条,并且精度比灰度匹配方法提高了6%以上.     

图像灰度熵特征与SVM分类结合的人脸检测

提出了一种基于支持向量机并综合图像灰度值和灰度熵的人脸检测方法．在信息论的编码熵的基础上提出了灰度熵的概念，并把人脸图像的行像素灰度熵和列像素灰度熵作为人脸图像的部分特征．在人脸检测系统中，把人脸图像的灰度值和行像素灰度熵和列像素灰度熵作为特征用支持向量机进行训练，得到检测用分类模型，然后把分类模型应用于人脸检测．实验证明了这种方法的有效性。     

融合颜色信息的尺度特征提取及匹配算法

实现有效三维重建的关键是将图像中的特征点检测并匹配,已有的算法中对特征点检测实效不高,特征描述子依赖灰度信息,导致匹配率不高。为了提高特征匹配率和时间,提出在尺度空间下提取Harris角点,对SIFT特征描述子进行颜色改进,对描述子进行二值化和主成分分析法降维,最后通过欧式距离作为相似形度量实现两幅图像特征向量的匹配。在MATLAB 2014平台进行3组图像测试,改进后的算法提取的特征点具备尺度不变形,特征点分布较SIFT均匀,特征匹配正确率均在90%以上,匹配时间优于对比算法,尤其对于灰度相似但色彩不同和灰度区别小的图像也维持了高匹配率。     

基于深度学习和约束稀疏表达的人脸识别算法

目前的人脸特征匹配算法大多关注于单图像与单图像的匹配而不能有效利用图像序列之间的相关信息,因而提出了一种基于深度学习与约束稀疏表达的人脸特征匹配算法.通过CNN网络对人脸图像进行特征提取,并利用改进的稀疏表达方法自动选取相似的图像序列进行特征匹配,有效地利用了图像序列之间的相关信息.实验结果表明,该算法在LFW和AR数据库上取得了很好的效果并优于传统的SRC,L1-norm和CRC-RLS算法.      

基于图像处理的人脸检测研究

针对人脸识别的预处理,采用图像处理技术解决了人脸检测问题。首先建立输入图像的肤色模型,然后进行开运算处理,以消除图像噪声利于后面的眼睛定位。再对二值图像做灰度投影实现人脸粗分割,定位双眼。最后对细化分割出来的人脸区域进行标准化操作,包括灰度的均衡处理和Mallat算法二维小波分解。灰度均衡把原始图像的直方图变换为均匀分布的形式,增加像素灰度值的范围。小波分解可以压缩图像,以降低算法的复杂度。每个步骤通过处理前后人脸图像的对比彰显所做步骤的意义。人脸检测的最终结果是获得64×64大小的人脸图像。此图像包含了人脸的有效信息,在此图像的基础上才能进行后续的提取特征、设计支持向量机,进而做人脸识别。     

图像匹配与跟踪研究

<正>图像跟踪在军事目标跟踪、人机界面、驾驶员辅助系统等领域有着广泛的应用.现存的图像跟踪算法主要分为基于模板匹配的算法、基于运动信息的算法、基于滤波的算法和基于分类的算法.其中,基于模板匹配的算法最为直观,易于操作,应用最为广泛.基于模板匹配的图像跟踪算法有3个关键环节,分别为图像特征表示、相似度计算和目标搜索算法.本文主要针对     

基于角点检测的快速匹配算法

针对复杂图像的快速匹配,提出基于Shi -Tomasi角点检测的特征匹配算法.依据图像的角点特征、图像灰度和位置信息,采用最大互相关函数进行相似度计算和粗匹配,用随机样本一致性算法对匹配点对进行校正并消除错误匹配.将该算法应用于实景照片拼接,实验结果表明,对存在较大色差和形变的图像,其匹配精度为97％左右,匹配精度和速度均优于传统匹配算法.     

基于自适应方向局部三值模式的人脸识别

为了解决局部三值模式特征向量维数过高和不能自适应选取阈值的问题,引入方向局部二值模式的思想,提出了一种具有自适应性的方向局部三值模式(SD-LTP)。SD-LTP通过具有降低特征向量维数的方向局部三值模式来描述图像,将图像全局灰度特征引入编码中以增强算法对全局特征的描述;引入具有自适应性的阈值增强算法的抗噪能力。在ORL和FERET标准人脸库上的实验结果表明,SD-LTP有效地降低特征维数;并显著提高了人脸的识别率。     

机器人单目导航系统中改进的灰度相关匹配法的研究

给出了移动机器人单目导航系统的功能模块组成,介绍了匹配的基本概念及其在单目视觉导航系统地图创建中的应用.在讨论了几种典型的图像匹配技术的基础上,重点对基于像素灰度相关匹配进行了研究,提出了一种改进的灰度相关匹配法,经实验证明能有效解决原有归一化积相关灰度匹配速率低和序贯相似性检测法阈值难确定的不足.     

基于区域直方图统计的灰度图像色彩传递方法

应用直方图统计法描述图像的区域纹理,提出基于区域直方图纹理描述的灰度图像色彩传递处理方法.为待彩色化处理的灰度图像选定适当的参考图像,并在去相关的对立色空间对两幅图像的亮度通道作线性变换.用直方图统计法描述的像素邻域纹理特征进行图像间的像素匹配,将匹配性最佳的参考图像像素的颜色值传递给相应灰度图像像素的颜色通道,将色彩传递结果图像转换回RGB空间显示.实验结果表明:该方法能够提高像素匹配的准确性,获得色彩自然感优于常规色彩传递方法的彩色化图像;该方法运算量较小,便于实际应用.     

基于遗传算法的人脸跟踪研究

提出了一种快速的、鲁棒的人脸定位及跟踪研究方法 ,定义了一种新的运动能量表示方法 ,利用该方法可以很快地检测出图像中的运动区域。在检测到的运动区域内 ,利用人的头部及面部结构知识确定出人脸区域 ,再将检测到的人脸区域作为模板 ,利用遗传算法在新的图像序列中动态地进行模板匹配 ,以确定人脸在新的图像序列中的位置。实验结果表明 ,该方法不但检测速度快 ,而且对光照、人脸姿态、表情及其他噪声具有较强的鲁棒性     

动态图像中人脸的快速捕捉跟踪方法

提出一种快速人脸跟踪方法. 首先根据模板匹配方法作人脸区域的初步定位, 然后使用支持向量机作为分类器进行最终确认, 再采用基于Mean-Shift的CamShift跟踪算法保持跟踪, 当有遮挡发生时通过Kalman滤波进行参数辨识和状态估计. 实验结果表明, 该方法具有较强的实时性、 有效性和鲁棒性.     

窄间隙旋转电弧熔化极活性气体保护焊视觉焊缝偏差检测

摘要： 针对旋转电弧窄间隙熔化极活性气体保护焊多层单道焊焊缝跟踪需要,提出一种基于被动视觉传感的焊缝偏差识别方法. 首先通过旋转电弧位置传感器和处于触发工作模式的CCD摄像机获取电弧旋转到坡口左侧和坡口右侧时的焊接图像,然后根据图像灰度直方图特点,构建了自适应双阈值获取算法. 大阈值用于获取电弧区域进而得到电弧中心位置;小阈值用于获取坡口工件区域,进而通过计算水平方向一阶差分得到坡口边缘. 通过对比一个电弧旋转周期内获取的两幅图像,可计算电弧旋转中心和坡口中心的偏差,得到焊缝偏差. 该偏差检测算法高效、可靠且可避免坡口底部改变带来的误差,同时可用于不同偏差算法的比较和融合.     

基于张量黎曼度量的序列图像匹配光流场计算方法

使用序列图像的灰度-时空张量描述子来描述图像特征,并在此基础上提出了一种基于张量黎曼度量的序列图像匹配光流场计算方法. 该方法使用张量的黎曼度量给出序列图像特征描述子间距离的定义,并使用改进的Hausdorff距离取代欧式距离来完成黎曼度量的计算,据此构造序列图像匹配相关函数,以提高图像在噪声及遮挡情况下的匹配能力;在上述基础上,给出匹配光流场算法. 仿真结果显示,该算法相对于传统基于微分的光流场计算方法（H-S算法,L-K算法）和传统的基于灰度的块匹配算法在计算精度、抗噪声等方面更有优势.      

滤光片阵列多光谱图像拼接与灰度调整算法

针对滤光片阵列多光谱图像拼接后单波段图像中地物灰度不一致问题,提出各波段重叠区域灰度均值比的均值统调算法。首先,根据各条带有效区域构建多光谱图像模板,利用平台姿态信息对多光谱图像及图像模板进行投影变换,再利用SURF(Speeded Up Robust Features)算法提取图像匹配点并计算相邻图像间单应性转换矩阵,选择中间序列图像为参考图像,对投影后的图像及其模板进行配准;其次,计算投影后各单波段图像重叠区域灰度平均值比的均值作为图像灰度调整系数,并以参考图像为基准,依次调整配准后图像灰度;最后,利用灰度调整后多光谱图像和配准后图像模板得到各单波段序列图像,通过图像拼接得到灰度一致的大区域单波段图像。理论分析与实验结果表明：该方法不仅可以有效解决滤光片阵列多光谱图像地物灰度不一致的问题,而且能够最大限度保持地物在不同波段下的光谱信息特征。     

基于统计特征的人脸识别研究

奇异值特征向量是用于图像识别的有效代数特征,但直接用奇异值特征向量做匹配进行人脸识别,识别率极低。通过对人脸图像奇异值向量和其对应的左右正交特征矩阵分析,发现图像的奇异值向量与图像的灰度范围具有相关性,即最大奇异值反映了图像灰度范围的位置,其他奇异值反映了灰度范围的宽度,而且与图像奇异值向量对应的左右正交特征矩阵能够表现图像轮廓的结构信息。基此,提出基于奇异值分解（singular value distribution,SVD）的基空间人脸识别算法,并通过ORL和ORL-IC数据库进行仿真,实验结果分析证明了图像的左右正交特征矩阵能够表现图像轮廓的结构信息。     

基于Mean Shift的视频图像检测与跟踪

在复杂背景的视频图像中,实时、准确、连续、长距离的跟踪以人为对象的目标,是一件很困难的任务。人体对象在跟踪目标图像位置的变化时,一直随着姿态的变化而改变,因此这是一个非常典型的非刚体目标,对这类目标采用简单的模板匹配的方法进行目标跟踪,无法达到准确的跟踪。均值漂移（Mean Shift）是现今最受欢迎的对象跟踪方法之一,广泛的运用于人脸的跟踪,文章提出了一种基于均值漂移算法的复杂背景视频图像检测与跟踪算法。在运动目标跟踪中,提出了以直方图为模式特征,以均值漂移算法为核心算法的目标跟踪算法,通过实验表明该跟踪算法能对候选目标进行运动检测,完成实时跟踪,同时有效抑制了局部遮挡、背景混乱等,过滤了伪目标,保证了跟踪的可靠性。     

基于圆形采样和稀疏表示模型的鲁棒目标跟踪

为解决基于稀疏表示的跟踪算法在小样本空间中出现模板漂移而在大样本空间中实时性差的问题,提出了一种基于圆形采样的双重稀疏表示目标跟踪算法.该算法对跟踪矩形窗数据进行圆形采样,这不仅保证了目标的灰度和结构信息,而且减少了背景信息干扰.同时对稀疏表示得到的小模板系数引入距离权重判断函数,判断目标样本变化情况,提高模板更新效率.最后引入HOG（histogram of oriented gradient）特征,对稀疏表示得到的多个次优解进行二次稀疏表示,有效解决小样本数量少带来的估计误差.实验结果表明,该算法能够提高小样本空间中目标跟踪的鲁棒性和实时性.