面部彩色图像特征检测方法研究

传统面部图像的特征检测主要针对灰度图像和二值图像,对于彩色图像特征分类及识别的研究急需突破与发展。针对面部区域彩色图像特征,通过采集不同测试者早（健康状态）、晚（疲劳状态）的面部彩色研发图像,建立面部图像数据库,划分数据库为P（疲劳图）、Z（正常图）、R（结果）三类。根据对多个测试者早晚面部图像的HSI空间分量进行掩膜、滤波处理计算的特征值和对比统计得到的数据来测定正常与疲劳面部图像差别大小,返回正常与疲劳状态时最大特征区域和区域的颜色、色差,形成颜色特征向量。实验结果表明,亮度对于彩色图像特征检测影响很大,需要消除因为不同背景亮度对彩色图像特征检测的干扰。     

人脸识别用户界面设计与实现

提出一种基于高清面部图像的人脸疲劳检测方法,针对现有疲劳检测技术的不足,提出将面部彩色图像处理与纹理特征相结合的一种新型疲劳分析方法。采集不同测试者早（健康状态）、晚（疲劳状态）大量面部图像,据此建立面部图像数据库,数据库划分为P（疲劳图）、Z（正常图）、R（结果）3类。根据数据库数据颜色特征向量和纹理特征向量构建疲劳判定标准,即量化疲劳程度评价标准和分类标准。将标准与分析方法及处理算法融合,利用MATLAB设计图形用户界面,再将其编译成完全独立于MATLAB环境的可执行程序（EXE文件）。该用户界面可以方便大众及时进行疲劳检测,预防亚健康,及时提醒身体疲劳情况,并为就医提供参考依据。该系统应用于智能手机,能够大大减少就医压力,促进便携式医疗检测设备的发展,具有很好的应用前景。     

基于计算机视觉的彩色图像二维纹理识别方法

为了提高彩色图像二维纹理识别能力,提出基于计算机视觉的彩色图像二维纹理识别方法。采用超分辨融合方法对彩色图像进行纹理特征检测,并在邻域内进行融合滤波处理;结合小波变换方法进行颜色分量合并和模板匹配,提取图像的关联规则像素点;根据图像颜色特征分量进行多层次融合和视觉特征重构,实现二维纹理识别。仿真结果表明,该方法在识别彩色图像二维纹理特征时准确度较高、纹理特征匹配性较好,应用优势明显。     

基于ZYNQ MPSOC的驾驶员面部疲劳检测设计

针对驾驶员疲劳驾驶车辆易致重大交通事故，设计了基于驾驶员面部特征疲劳检测系统。在ZYNQ平台下，利用OV5640摄像头进行图像采集，在PL端进行图像处理，在PS端的ARM中显示图像。OpenCV调用训练的人脸分类器进行人脸检测，通过分类器得到人脸图像，再由三庭五眼的特征分割出眼睛和嘴巴区域，后对分割后的图像进行图像阈值化处理和膨胀得到眼睛和嘴巴的大致轮廓。通过对分割后的眼睛和嘴巴的外接矩形的宽长比进行计算，结合PERCLOS算法、眨眼及打哈欠频率快速侦察驾驶员是否出现疲劳。在实验室模拟驾驶环境进行测试，该系统能实时准确检测到驾驶员面部疲劳状态。     

融合复合纹理特征的图像拼接检测

为解决传统图像拼接检测算法对图像内容、光照变化等鲁棒性不强问题,提出一种基于多种纹理特征融合的图像拼接检测方法。对二维灰度图像执行非下采样轮廓波变换（NSCT）,以获得包含图像纹理特征的一系列子带图像。对在水平和垂直方向进行差分处理的低频子带图像以及4个高频图像,获取韦伯局部描述符（WLD）纹理和局部三值模式（LTP）纹理。将WLD纹理与灰度共生矩阵结合,得到像素点强度、梯度与灰度之间的关系;再将LTP纹理与灰度共生矩阵结合,得到无噪声和光照影响的像素点灰度间关系;最后分别提取WLD值共生矩阵和LTP值共生矩阵的对比度、相关性、相异度、熵、能量等5个特征,并融合成特征向量,使用RBF神经网络分类。该方法在哥伦比亚彩色图像库上检测准确率达到了95.7%。     

基于彩色共生矩阵的纹理特征分类研究

本文提供了一种通用的彩色纹理分类方法.首先将灰度共生矩阵扩展应用于彩色图像,然后从中提取Haralick彩色纹理特征.由于每个图像像素都可在不同颜色空间中表示,所以利用了一种迭代选择算法,以降低彩色纹理特征空间的维度.通过BarkTex纹理数据库的应用测试,证明了该方法对纹理分类的有效性.     

基于显著区域纹理谱特征的图像检索方法

提出一种基于显著区域纹理谱特征的图像检索方法.首先计算像素点显著度,生成显著图;然后对图像的各个分割区域,按照显著图确定显著区域;再提取各个显著区域的纹理谱直方图特征;最后给出显著区域纹理谱特征的加权函数.实验结果表明,该方法能将视觉敏感度与纹理特征有效地结合起来,在不增加太多计算时间的条件下,提高检索质量.     

小波散射网络在各种彩色空间进行图像纹理分类的性能比较(英文)

为了寻找利用小波散射网络进行彩色图像处理的最佳彩色空间,用小波散射网络对KTH_TIPS_COL彩色图像数据库进行了图像纹理分类研究.采用将彩色图像从RGB彩色空间转换到其他各种彩色空间的方法,研究了彩色空间的选择对于小波散射网络用于彩色图像纹理分类的影响.实验结果表明:在不同的彩色空间对彩色图像纹理进行分类,分类成功率往往差别较大;在基于竞争机制的红绿蓝彩色空间中进行小波散射变换比其他彩色空间具有更好的分类性能.考虑到彩色空间可以互相转换,对于彩色纹理图像的分类,推荐将彩色空间转化到基于竞争机制的红绿蓝彩色空间后再输入小波散射网络.     

基于纹理和形状特征相结合的图像检索技术

图像检索是指从大型数据库提取所需的图像,可能是基于文本或基于内容的检索。在这里,基于内容的图像检索（CBIR）是一个长期的研究课题。Gabor滤波器用于提取图像的纹理特征,形态闭运算结合Gabor滤波器提供了更好的检索精度。通过应用Gabor滤波器计算出纹理特征的平均值和标准偏差,形成特征向量;使用傅立叶描述符和质心距离提取形状特征,利用纹理和形状特征相结合的方法来提高检索性能。     

纹理方向与边缘特性相结合的车牌定位方法

针对道路车辆的车牌信息提取问题,提出了一种基于纹理方向与边缘特性相结合的车牌定位方法.利用梯度方向场对获取原图像进行计算,从而得到纹理方向图;融合纹理方向图和二值图像通过区间判定边缘信息的方法确定候选区域及车牌区域;采用改进的区域标记方法实现车牌的准确定位.实验证明此种方法定位速度快、准确率高,具有很高的鲁棒性.     

融合纹理和形状特征的人脸图像性别识别

针对人脸图像性别识别中单一特征识别率不高的问题,提出了融合纹理特征和形状特征的人脸图像性别识别方法.通过局部二值模式(LBP)及其改进算法提取人脸图像的纹理特征,梯度直方图(HOG)提取人脸图像的形状特征,融合两个特征利用Adaboost分类器进行人脸图像的性别分类.在ORL人脸数据库和自制人脸数据库CZB上的实验结果表明,相对于直接利用像素特征和单一特征的识别方法,融合多特征的人脸性别识别方法的识别率明显提高.     

图像中轮廓结构的视觉特征研究——基于《构成基础》课程建设

在《构成基础》课程中,研究图像中轮廓结构的视觉特征应侧重于空间中轮廓线的表现、轮廓层次和形式之间的联动状态,对轮廓的视觉识别需要关注静态轮廓和动态轮廓、图像的纹理和质地与轮廓的纹理和质地之间的转化过程,从而通过轮廓的整体特征和对轮廓区域的划分来获得图像中轮廓信息与图像识别的视觉关联。     

基于小波变换的二值模式检索

提出了一种基于小波变换后的二值模式图像检索.把图像库里的图像通过小渡变换压缩预处理,方便图像快速入库提取图像特征.选取二值模式技术处理,以便有效提取图像的特征进行检索.实验数据库采用Brodatz纹理图像库,对比了边缘拟合算法,共生矩阵和灰度纹理矩检索图像的检索效率,得出小波变换后的二值模式检索效率较高.     

基于ResNet-50与Bi-LSTM的驾驶员疲劳检测算法研究

疲劳驾驶是车祸的主要原因之一。针对现有面部疲劳检测模型存在对车内光照与面部遮挡敏感,系统疲劳检测准确低、泛化力弱,提出一种驾驶员疲劳检测算法,旨在对驾驶员面部多特征进行疲劳检测,提升网络泛化性与准确度。通过MTCNN定位人脸和人脸关键点,剪裁具有面部疲劳特征的图像,输入ResNet-50网络进行空间特征提取人脸局部疲劳水平,将疲劳水平串联输入Bi-LSTM网络进行时间特征提取,通过自适应特征融合算法对时间特征进行特征融合,通过分类器对整个视频进行疲劳分类。结果表明,该算法在YawDD疲劳检测准确率91.38%,在NTHU-DDD准确率达到89.36%;与主流的疲劳检测算法相比较,该方法准确度更高泛化能力更强。     

基于小波变换的纹理合成算法研究

基于样图的纹理合成基本思想是根据给定的小区域的纹理样本,拼合生成任意大小的纹理图像并且在视觉上与样本是相似而连续的。通过对基于样图的纹理合成算法进行研究,在待合成纹理块的搜索策略上,提出优先搜索前一个已合成纹理块在样图中的位置附近,快速定位下一个用于合成的纹理块。在纹理块的匹配策略中引入小波变换,结合小波变换后的小波系数和小泼变换后的低频域图像进行块的重叠区域匹配,最后使用最小路径法将待合成纹理块缝合到输出图像中。充分考虑了样图的结构信息并提高了合成速度,获得了较好的纹理合成效果。     

一种小波域K-Means遥感图像分类标注算法

由于合成孔径雷达图像（遥感）的相干斑噪声数据丰富,导致传统的遥感图像分割方法分割效果不佳,采用学习理论和神经网络改善图像处理性能。根据图像统计特征,采取神经网络语义提出一种高效的图像纹理特征分割方法。首先,利用K-means聚类提取遥感图像的纹理特征,然后根据遥感图像在小波域中的分布特征对其进行滤波,最后利用语义对滤波后的遥感图像纹理特征和灰度组成的矢量进行分割归类,在遥感图像分割中快速标注分类以便于视觉分析。利用区域一致性分割分类,由聚类样本特征匹配进行图像分类标注,对变化检测进行统计分析,过分割或欠分割误差聚类样本不做标注,选取最佳样本聚类k值标注分类结果。     

基于多区域中心加权卷积特征的图像检索

针对图像特征局部信息描述不足问题,提出一种基于多区域中心加权深度卷积特征提取方法。首先通过卷积神经网络提取输入图像的卷积层激活特征图,然后通过计算不同通道特征图的差异,选择具有区分性的区域特征图,最后通过多区域权重进行加权聚合,生成用于检索图像特征向量。在不同的建筑物数据集进行实验,结果表明检索精度分别提升了1.2%、0.9%。     

基于高阶奇异值分解的多聚焦图像融合新方法

针对传统多聚焦图像融合方法不能有效度量图像中聚焦区域的问题,提出一种基于高阶奇异值分解的图像融合新方法。高阶奇异值分解可以精确提取图像纹理特征,并对源图像进行分解。充分考虑像素间的区域相关性,提取分解系数的空间频率、平均梯度和区域能量等区域特征,并提出一种新颖的基于区域特征的多活动测度融合策略,该策略可有效度量图像中的聚焦区域。实验结果表明,该融合方法能够更好地保留图像的边缘细节信息。     

融合颜色与LBP纹理特征的布料色卡图像检索

针对在采购与销售布料中存在人工配色不准确、查找分类难等问题,基于图像检索相关技术,通过融合布料色卡图像的颜色特征和纹理特征进行图像检索应用研究。设计了布料色卡图像颜色特征提取算法和基于LBP的纹理特征提取算法,并提出融合颜色特征和纹理特征的布料色卡检索算法。对提出的融合颜色和纹理特征的布料色卡图像检索算法在3个标准图像纹理库和实际布料色卡图像数据集进行了详细的对比测试。通过对测试结果的分析,得出在融合颜色和LBP纹理特征的布料色卡图像检索方法中采用先颜色后纹理的策略进行布料色卡图像检索是最有效的检索方案。     

基于灰度共生矩阵的肝脏CT图纹理特征分析

提出了一种改进的灰度共生矩阵肝脏CT图纹理特征分析方法,即首先确定图像ROI区域,接着构造一个新的能综合反映共生矩阵各角度信息的灰度共生矩阵,然后提取基于该矩阵的纹理特征参数。通过实验验证,上述方法是分析肝脏CT图的一种快速有效的纹理特征分析方法,对其他特定类别图像的纹理特征分析有参考意义。