超声图像的LBP纹理特征提取

采用改进的均匀化LBP（局部二值模式）算子,将散点及小斑点的均匀化LBP码设置为其邻域均值,并通过各向异性扩散滤波抑制超声图像噪声,消除超声图像中斑点噪声和散点对纹理提取的影响,以实现对超声图像的LBP纹理特征的有效提取.实验结果表明,本文算法与传统均匀化LBP的算法相比,获得的纹理特征图像LBP码的占有比例有所提高,消除了LBP纹理图像中散点的影响,能较好地描述超声图像的纹理信息.     

基于LBP和共生矩阵的图像拼接篡改检测

为了进一步提高图像拼接篡改检测的准确率,本文通过对图像拼接技术进行分析,提出一种基于纹理描述的图像拼接篡改检测方法.该方法将局部二值模式(LBP)和共生矩阵两种现有技术相结合,在残差图像的基础上利用改进的LBP技术对图像纹理进行描述,然后借助两类共生矩阵获取不同的图像特征,通过对这些特征向量的组合来提高检测精度.提取特征后利用支持向量机(SVM)或集成分类器进行分类预测.实验结果表明,所提出的方法在IEEE IFS-TC图像取证竞赛库和中国科学院彩色图像库分别达到了0.911和0.938的最高检测准确率.     

基于改进的Heaviside核函数新的目标模型追踪算法

为更好地解决前景和背景相似程度较大或目标运动较为复杂的问题,提出了基于改进的Heaviside核函数新的目标模型追踪算法.在初始帧中,使用改进的Heaviside核函数来表示目标区域,然后分别计算目标区域前景和背景元素的颜色纹理直方图特征分布,并通过前景和背景特征分布差异建立新的目标模型,它可更好地代表目标.对于候选模型,结合传统Epanechnikov核对目标模型建模,通过Bhattacharyya系数进行迭代搜索,最终收敛的位置即为下一帧的目标中心.实验结果表明:提出的算法和传统的Mean-shift算法和基于颜色纹理直方图的Mean-shift算法相比较精确度高、速度快、鲁棒性强.     

一种基于速度强度熵VMME与纹理特征的人群异常检测算法

人群异常事件检测是智能视频监控领域的重要研究内容, 文章提出了一种融合速度强度熵VMME与纹理特征的人群异常行为检测算法. 该算法采用LBPCM算法提取图像纹理特征, 在视频帧计算光流基础上, 获得特征点速度强度图, 并以其熵VMME作为场景运动特征, 将场景纹理特征和运动特征送入支持向量机训练分类. 实验表明, 新算法可实现对人群异常行为的检测, 且有较高准确率.     

一种基于速度强度熵与纹理特征的人群异常检测算法

人群异常事件检测是智能视频监控领域的重要研究内容,文章提出了一种融合速度强度熵VMME与纹理特征的人群异常行为检测算法.该算法采用LBPCM算法提取图像纹理特征,在视频帧计算光流基础上,获得特征点速度强度图,并以其熵VMME作为场景运动特征,将场景纹理特征和运动特征送入支持向量机训练分类.实验表明,新算法可实现对人群异常行为的检测,且有较高准确率.     

基于深度信息的单幅图像自动阴影检测

为解决复杂场景阴影的自动检测问题,提出一种基于深度信息的单幅图像自动阴影检测算法。该算法首先利用深度信息估计图像的法线、点云信息,并对图像进行多尺度纹理滤波;然后利用法线、点云和色度信息估计不同尺度下滤波图像的阴影置信度和亮度置信度,并对两种置信度图分别进行阴影边界相关的多尺度融合,消除纹理影响的同时保留了复杂的阴影边界信息和结构信息;最后利用拉普拉斯算子对阴影置信度进行插值优化,得到更精确的阴影检测结果。实验结果表明,对于简单场景和复杂场景图像,该算法都能完整检测出其中的硬阴影和软阴影,具有较好的阴影检测效果。通过与其他算法的阴影检测结果进行对比,验证了本文算法的准确性和鲁棒性。     

增强目标模型鲁棒性的Mean-shift算法

针对传统Mean-shift算法中颜色核函数直方图对目标特征描述较弱的缺点,提出了一种联合目标特征点的二维结构信息和颜色信息的Mean-shift改进算法.改进算法细化了Harris检测算子的角点响应阈值,提取出更多的目标特征点计算其方向分布,并以方向与部分颜色特征的直方图构建目标模型,该模型能显著区分目标与背景.实验对不同算法进行了仿真及性能比较,结果表明:提出的改进算法在一定的复杂场景中提高了跟踪精度,且具有较好的鲁棒性.     

基于片内特征分析的光线空间数据压缩方法

光线空间(Ray Space)描述是目前实现复杂场景自由视点电视(FTV,Free Viewpoint Television)的主要技术,光线空间的数据压缩是基于光线空间FTV的一个关键技术.本文提出了光线空间中"片"的概念,对片的纹理特性进行了分析.根据光线空间的规则纹理分布以及光线空间数据在纹理方向上有明显的相关性,提出了基于片内预测对光线空间数据进行压缩的方法,实验证明了所提出算法的有效性.     

基于Hilbert-Huang描述子的步态识别方法

提出了一种基于Hilbert-Huang描述子和K-近邻法的步态识别方法.对于每个步态序列,首先通过背景减差法检测运动目标的轮廓,然后使用Hilbert-Huang描述子对轮廓线进行描述,获取步态特征.运用K-近邻法分析方法,对步态进行自动识别.实验结果表明所提出的步态识别方法识别率达到了78%.     

基于结构性信息的纹理合成与图像修复

纹理合成与图像修复是计算机图形学中的一个研究热点,具有广泛的应用前景．提出了一种基于结构性信息的判断纹理块匹配误差的新方法：颜色-结构差异算法．该方法同时考虑了纹理块之间颜色误差和结构误差对纹理块的相似性的影响,弥补了单纯考虑颜色误差的不足,保证了图像间结构信息的连贯性,从而确保合成后的纹理及修复后的图像在视觉上的连贯性．