梯度方向
- 基于计算机虚拟交互的现代数字绘画技术研究
别方面采用了梯度方向差分法与LSD算法相结合的直线检测方式,以“梯度”这一像素参数为依据精确地提取线条直线特征,对于识别出的直线设置较大的光滑度值,对于曲线基于最小二乘法进行拟合并计算设置准确的光滑度值。在数字绘画图形渲染方面使用Web GL绘图标准,Web GL直接调用计算机图形处理器,对CPU依赖程度低,在释放了计算机负担的同时提升其运行速度,从而降低数字绘画方法的整体时间复杂度。最后,在测试环节验证本文方法在数字绘画中的性能优势。1 计算机虚拟交互下
微型电脑应用 2023年10期2023-11-09
- 基于IRANSAC-IRLS 直线拟合算法及应用
上的边缘点的梯度方向相近，将梯度方向引入边缘点RANSAC 拟合，降低错误的随机抽取次数，筛选出拟合时的部分噪声点；最后，对IRANSAC 提取出来的局内点进行迭代加权最小二乘拟合，降低数据本身的误差对拟合的影响，提高拟合的精度。仿真实验和实际产品实验证明该算法具有良好的时效性和鲁棒性。1 直线边缘提取在进行拟合之前，都需要获取直线的边缘点集，微分算子是图像处理的各种边缘检测方法中最常用的方法，Canny 算子[10]具有良好的边缘检测效果，该方法通过建立
自动化与仪表 2023年9期2023-09-25
- 基于等积环形分割的高频元件快速识别算法
的梯度幅值与梯度方向在各个等积环中使用8方向Sobel算子计算梯度幅值（Pixel Gradient Amplitude，PGA）与梯度方向（Pixel Gradient Direction，PGD）的步骤如下：（1）计算各方向的梯度幅值。设原图M为f(x,y)，0°方向卷积结果为T0，45°方向卷积结果为T45，90°方向卷积结果为T90，PGA与PGD的整体计算流程，如图7所示。图7 计算流程Fig.7 Calculation Flow2.3.3 有效
机械设计与制造 2022年12期2022-12-30
- 梯度方向一致性约束下的多级低照度图像超分辨率重建模型
，本文构建了梯度方向一致性约束下的多级低照度图像超分辨率重建模型。1 图像轮廓线重建自然图像的边缘为多个像素宽度的灰度区，过渡区图像中的灰度改变往往有一定规律，这种变化与边缘重建[3]有着很大关系。为了在自适应的边缘检测中使用，提出了基于梯度方向一致性约束下的梯度轮廓线重建方法。使用鲁棒映射方法去除灰度梯度波动影响，并用公式（1）描述点(a,b)处水平方向的灰色梯度，并确定梯度数值[4]。式中：λ表示判定阈值；α表示水平方向梯度值。通过对所得到图像进行横向
现代电子技术 2022年23期2022-12-01
- 基于梯度方向特征的表情识别研究
特征提取以及梯度方向特征提取(Histogram of Oriented Gradient,HOG)等，此方法具有旋转不变性，抗噪声抵抗能力强.几何特征提取图像中各个特征点之间的几何关系，此方法需要对人脸表情的特征点准确定位，因此增大了计算复杂度，导致识别时间增加；经典的几何特征提取方法有主动形状模型(Active Shape Models，ASM)，主动外观模型(Active Appearance Models,AAM)模型等.基于深度学习的特征提取方法
许昌学院学报 2022年5期2022-10-14
- 浅谈梯度与等高线的关系
、方向导数，梯度方向导数的计算公式[1]：如果函数f（x，y）在点P0（x0，y0）可微分，那么函数在该点沿任一方向l的方向导数存在。其中cosα，cosβ是方向l的方向余弦。方向导数是一个数，反映的是f（x，y）在P0（x0，y0）点沿方向l的变化率。方向导数为正，说明函数在该方向上递增；方向导数为负，说明函数在该方向上递减。梯度[1]：设函数f（x，y）在平面区域D内具有一阶连续偏导数，则对于每一点，都可定出一个向量这个向量称为函数f（x，y）在点P0
新教育时代电子杂志(学生版) 2022年13期2022-09-29
- 基于可控方向直方图算法的掌纹图像特征提取技术
技术2.1 梯度方向直方图算法由于掌纹具有丰富的图像信息，因此经过多年发展，形成了许多关于掌纹特征信息提取的理论方法，如基于结构特征的识别方法、基于图像纹理的识别方法、基于图像方向特征的识别方法、基于图像低维空间映射的子空间识别方法、基于相关滤波器的识别方法等［7-8］。有研究表明，掌纹线的纹理走向具有较多的辨识信息，手掌等背景的灰度值与掌纹线的灰度值之间存在较强的差异性，且这种差异不易受到采集环境和图像处理操作的影响，因此这里以掌纹线的方向特征进行特征信
贵阳学院学报(自然科学版) 2022年1期2022-05-28
- 基于改进的韦伯算子的带钢边部缺陷识别
值:1.2 梯度方向韦伯局部描述符中的梯度方向，可由公式4 进行表示：为了获取图像中更多的纹理细节信息，在量化之前首先对θ 做如下映射f：θ→θ′易知，0∈[-π/2，π/2]，θ′∈[-π/2，π/2]。通过公式6，即可得到图像局部区域内的梯度方向分量，其量化函数如公式7 所示。1.3 直方图首先利用ζ（xc）和φ（t）并对其进行量化差分激励图像和梯度方向图像得到其二维直方图{WLD（ζn，φt}，每一小块WLD（ζn，φt）对应的值是一个确定的差励区间
现代工业经济和信息化 2022年3期2022-05-08
- 基于FPGA的实时Bayer解马赛克算法与实现
颜色，再确定梯度方向的“后验”方法[6-7]。该类方法首先计算出不同梯度方向的候选绿色分量，然后利用自然图像中色差沿着图像边缘的方向更加平滑的特点[8]确定边缘方向，进一步复原蓝色和红色分量。算法只需要5～7 行的图像缓存就可以进行瀑布式运算，非常适合基于FPGA 的开发，适用于实时性要求高的边缘计算场景，如自动驾驶系统中的摄像组件、高灵敏度光电探测设备等。第3 类是基于频域分析的解马赛克算法[9-11]，该类方法将Bayer 阵列看作是原始的红、绿、蓝3
应用光学 2022年2期2022-04-25
- 深度卷积神经网络权重参数更新方法研究
位置上沿着负梯度方向更新，并不考虑之前的方向梯度大小，有时候会下降的非常慢，并且可能会陷入到局部最小值中，动量的引入就是为了加快学习过程，引入一个新的变量去积累之前的梯度（通过指数衰减平均得到），实现加速学习过程的目的。用数学公式来表示方法如下式所示：这里变量v表示物体在梯度方向上的受力，遵循在力的作用下，物体的速度增加这一法则，v初始为None，若当前的梯度方向与累积的历史梯度方向一致，则当前的梯度会被加强，从而这一步下降的幅度更大。若当前的梯度方向与累
中国设备工程 2021年24期2021-12-31
- 基于梯度方向的Canny SLIC图像分割算法
出了一种基于梯度方向的Canny SLIC图像分割算法。它是把利用边缘和噪声在梯度方向上的差异而改进的Canny算子和SLIC算法相结合，来保护图像的弱边缘信息并提取出完整的轮廓，最后再使用六边形来描绘超像素，从而生成令人满意的超像素分割图。2 相关算法介绍2.1 传统的Canny算法1986年，Canny提出了Canny边缘检测算法和最佳边缘检测的三个评估指标：低出错率、最优定位和最小响应[7]。传统的Canny边缘检测算法分为四步：第一步是图像去噪。由
计算机仿真 2021年9期2021-11-17
- 基于机器视觉的燃烧碳化面积测量方法研究
值。2)计算梯度方向和强度。通过已有边缘检测算子(如Roberts，Sobel等)求得水平方向一阶导数值Gx和垂直方向的一阶导数Gy，借此求取该像素点的梯度大小G和方向角theta。(5)3)非极大值抑制。通过比较当前像素梯度与同方向上前后像素梯度幅值大小，判断该像素点是否为梯度幅值最大像素点，以确定当前像素是否为合适的边缘像素点。4)双阈值检测。为了解决由于噪声或颜色变换而引起的一些边缘像素问题，Canny边缘检测算法使用双阈值进行边缘检测。双阈值检测方
计算机测量与控制 2021年4期2021-05-07
- 用于自动插线系统的连接器识别与定位算法
方法利用量化梯度方向特征进行模板匹配，能够实现目标在杂乱背景和光照变化下的快速识别，但仍存在较多误匹配、误识别的情况；Drost等[9]提出采用深度相机获取空间点云，并从中采样出少量点对来构成描述子进行匹配以识别物体，但需要特殊的硬件支持，移植性较差。对于目标物体孔中心的定位，刘诚等[10]利用显微视觉系统并基于Hough变换来实现焊孔中心定位；Xue[11]利用线结构光与工业相机构成的视觉成像系统来定位类圆孔中心；Seo等[12]基于双目视觉并利用立体校
华南理工大学学报（自然科学版） 2021年3期2021-04-09
- 基于机器视觉的钢轨接触疲劳裂纹检测方法
区域；②统计梯度方向直方图：将轨面区域划分为若干个单元区域，统计每个单元区域的梯度方向直方图；③检测接触疲劳裂纹：根据梯度方向直方图判断钢轨是否存在接触疲劳裂纹。1.2 轨面区域的提取现场采集的图片中除了钢轨，还包含了非钢轨区域。非钢轨区域的图像信息对后续的伤损检测会产生干扰，要将钢轨和非钢轨区域区分开，提取出钢轨的轨面区域［12］。车轮与钢轨顶面长期摩擦使钢轨顶面亮度高，可以利用钢轨顶面和非钢轨区域的亮度差异将钢轨顶面区域分割出来［13-14］。此外，采
铁道建筑 2021年11期2021-03-14
- 健康人脑组织DKI的可重复性研究及梯度方向数目对可重复性的影响
和15个扩散梯度方向[1]。关于梯度方向数目对DTI的可重复性研究已有相关报道，例如Liu 等[5]发现增加梯度方向数量（number of gradient directions，NGD）可以提高DTI 测量结果的准确性和可重复性，而Ni 等[6]认为不同的NGD 序列不会改变感兴趣区（region of interest，ROI）的FA、MD 值。本研究分别采用15个和30个扩散梯度方向进行DKI 两次重复扫描，探讨健康成人脑组织DKI 参数值的可重复
中国医学计算机成像杂志 2020年3期2020-07-31
- 尺寸不规则度梯度分布参数对泡沫金属单轴拉伸力学性能的影响研究
w0为模型沿梯度方向，即x方向的边长(本文取值w0=30 mm)。定义梯度参数k:k=a/d0(2)其中d0表示3D Voronoi模型的平均等效直径，通过控制种子点数量N和模型体积V0实现，关系式如下：(3)梯度参数k越大，表示沿着梯度方向，细观结构胞孔尺寸不规则度差异越大。控制变量V0,N,a,l0,w0的不同取值，建立不同尺寸不规则度梯度参数的3D Voronoi细观模型。1.2 合理性检验泡沫金属单轴拉伸数值模拟采用Abaqus/Explicit，
南华大学学报（自然科学版） 2020年3期2020-07-17
- 特种承压设备仪表AI识别算法研究
过先在边缘点梯度方向的统计分布特征确定潜在直线的主方向，再通过设定阈值消除K个分组边缘点集中对直线检测毫无贡献的点集，从而提高采样的有效率。基于边缘梯度方向的RHT直线检测：每条直线的方向大概可以由边缘梯度方向确定，只要在边缘上的某些像素顶确定所在位置对应的边缘梯度方向，边缘便可看作是特定方向的边缘像素点构成。统计不同梯度方向的像素点个数便能表征图象边缘取向的分布特性，从而确定直线的主方向。图像f(x,y)所在位置的梯度向量可以表示为其中梯度的大小表示为梯
中国设备工程 2020年2期2020-03-30
- 连续负梯度方向获得共轭方向的六寻优化方法*
要的作用。负梯度方向因为其局部最速下降特性而成为许多优化方法的首选方向，比如坐标变换法、共轭方向法、共轭梯度法、由几何法获得共轭方向的算法[11]、优选可用方向法等。共轭方向的构造方法有多种，比如：从不同初始点出发沿同一寻优方向获得的最优点连线是该寻优方向的共轭方向[12-13]。在《优化方法》的教学实践和课题相关算法的研究探索当中，发现连续两次沿负梯度方向寻优，初始点与终止点连线符合上述共轭方向的构造特征，于是提出了三个算法。2 共轭方向的证明2.1 共
计算机与生活 2019年9期2019-09-14
- 基于谱残差和梯度纹理融合特征的舰船检测
合特征。文中梯度方向特征具有较好的旋转和尺度不变性，同时，采用局部与全局纹理信息互补来描述纹理特征，充分利用了舰船目标切片内部的纹理信息。然后，利用AdaBoost分类器对30维的融合特征向量进行分类鉴别，有效地剔除云块和孤岛等虚假目标的干扰，减少了特征向量的维数，降低了计算复杂度。2 纹理特征2.1 局部二进制模式局部二进制模式(LBP)是一种用于图像局部纹理特征描述的经典算子，它的核心思想主要是指设定中心点像素的灰度值的大小为阈值，将其与它3×3邻域灰
液晶与显示 2019年8期2019-09-13
- 基于梯度方向一致性引导的边缘检测研究
，提出了基于梯度方向一致性的改进算法应用于边缘像素检测。研究结果表明：基于梯度方向一致性的改进算法，可以检测出更多的边缘交叉点细节，在连接边缘方面優于传统Canny算子，并未引入噪声干扰问题。因此，该算法对边缘检测研究具有一定的参考价值。关键词：边缘检测;非极大值抑制;交叉边缘点;梯度方向中图分类号：O121.8;G558文献标识码：ACanny作为最优边缘检测算子，具有较高的检测精度和较大的信噪比。具体实现分为使用高斯滤波平滑图像，计算每个像素的梯度的幅
科技风 2019年13期2019-06-11
- 融合数学形态学滤波技术的边缘检测算法
方向，并根据梯度方向信息进行边缘点的检测和连接.1 传统的Canny边缘检测算法和缺陷分析1.1 传统的Canny边缘检测算法传统Canny算法的基本思想是对图像选取一定的高斯滤波器平滑去噪，再寻找滤波后图像梯度的局部极大值，进而确定边缘图像[6-7].Canny算法所遵循的3个准则为:(1)信噪比准则：对边缘的错误检测率尽可能低，确保输出的信噪比最大.(2)定位精度准则：所检测的边缘点偏离真实边缘点的距离最小[8].(3)单边缘响应准则：对同一边缘的响应
山东理工大学学报（自然科学版） 2018年6期2018-09-17
- 基于Oriental-Harris的特征匹配算法
图像梯度以及梯度方向信息。其中，A为待处理的图像，Gx为A的x方向的偏导，Gy为y方向的一阶偏导，G为其梯度幅值，θ为梯度方向。在检测到的角点附近，通过找梯度内部点p的对称点p1和p2如图1（a）所示，由p1和p2的梯度方向计算角度朝向和角度大小，如图1（d）所示，根据公式（3），把“异常”梯度方向矫正（相对本文计算角度思路为异常，实际梯度方向是正常的），若cos η为正，方向水平翻转如图1（c）；若cos η为负，不做改变。再由公式（4）和公式（5）计算
现代计算机 2018年14期2018-06-13
- 基于光谱上下文特征的多光谱舰船ROI鉴别方法
“凹凸性”和梯度方向对称性的光谱上下文特征描述方法，利用SVM分类实现舰船ROI鉴别。实验证明，在不同的图像分辨率情况下，引入光谱上下文特征的方法能够有效剔除大量云、海浪、海岛、海岸等虚警，具有较好的鲁棒性、有效性、适用性。关键词： 多光谱遥感图像; 舰船ROI鉴别; 光谱特征; 梯度方向; SVM分类; 图像分辨率中图分类号： TN206?34; TP391.4 文献标识码： A 文章编号： 1004?373X（2018）12?0133?06Abstra
现代电子技术 2018年12期2018-06-12
- 基于梯度幅度和梯度方向直方图的全参考图像质量评价算法
GMSD等.梯度方向直方图可表示边界的结构信息，能准确地描述边界的局部形状信息.基于此，本文提出了一种结合梯度幅度和梯度方向直方图的全参考图像质量评价算法.1 梯度方向直方图梯度方向直方图(HOG)的基本思想是，根据一幅图像中的局部强度梯度或边界方向分布，可以准确地描述局部物体表象和形状[16].针对图像I，其梯度方向直方图的提取步骤如下：Gh(x,y)=I(x+1,y)-I(x-1,y)(1)Gv(x,y)=I(x,y+1)-I(x-1,y)(2)梯度幅
东南大学学报（自然科学版） 2018年2期2018-04-12
- 基于梯度方向的非局部均值图像去噪算法
出了一种基于梯度方向的非局部均值图像去噪算法， 利用两个像素邻域的梯度方向信息和邻域块之间的灰度值共同确定权重， 并通过对不同的受高斯噪声污染的图像进行测试， 验证了本文算法的可行性和有效性.1 非局部均值算法图像去噪的目的是从受噪声影响的图像中获得最接近于原始图像的估计值. 本文添加与图像无关的加性高斯白噪声作为噪声模型， 已知一幅离散含噪图像I={I(i)|i∈Ω}， 其模型表示为I(i)=X(i)+Y(i),i∈Ω,(1)式中：i表示图像中的任一像素
中北大学学报(自然科学版) 2018年1期2018-02-05
- 基于双值韦伯算子的深度置信网络表情识别算法
化了中心像素梯度方向算法， 丰富了局部细节纹理信息， 筛选出更有鉴别力的纹理特征. 本文拟将局部纹理特征的提取引入DBN模型， 构建表情识别新方法. 在该算法中， 首先使用DWLD对所输入图像实现初次特征提取， 以减少光照、 噪音等自然影响和旋转影响； 其次在DBN网络中实现二次特征自主提取， 以得到高层次的抽象特征. 该算法提高了面部表情识别算法的识别率， 增强了算法的鲁棒性， 减少了深度学习计算量. 实验结果表明， 相比传统WLD特征， DWLD有更好
中北大学学报(自然科学版) 2017年6期2018-01-29
- 基于5×5邻域内的LGC人脸表情识别
他一些区域在梯度方向上的表情分布趋势。因此，提出了基于5×5邻域内局部梯度方向（LGC-FN）的特征提取方法，通过对5×5邻域内横向和对角线方向上的二进制编码得到融合的特征，可以准确地描述由于皱纹、面部肌肉等形变产生的表情信息。最后，使用支持向量机（SVM）进行特征分类。通过实验证明了提出的方法可以有效地提高面部表情的识别率。关键词： 中图分类号： 文献标志码： A文章编号： 2095-2163（2017）06-0047-03Abstract： The t
智能计算机与应用 2017年6期2018-01-15
- SAR景象匹配适配性指标体系构建方法研究∗
梯度值：4）梯度方向熵在本文中采用梯度方向熵这个参数来度量图像特征的稳定性。首先求得目标图像的梯度方向图，然后在每个像素点周围一定范围的邻域内，对其进行梯度方向直方图统计，再根据方向梯度直方图计算出梯度方向熵。这样每个点就都有了一个熵值，得到熵图，最后取熵图强度前30%像素的均值作为目标区域的熵值量度。其具体计算方法分为4步：（1）计算梯度的大小和方向对目标图像分别在水平和垂直方向上应用一维离散微分模板。接着使用卷积核[-1，0，1]，[-1，0，1]T对
计算机与数字工程 2017年12期2018-01-04
- 嵌入式实时Canny边缘检测
为竖直边缘，梯度方向为水平，编码“02”。(4)当gy>gx×tan22.5° 并且gy梯度方向的编码如图9所示。图8 梯度方向划分为8类图9 梯度方向的编码其中，两个三角函数的值可以事先计算出来，可以将不等式两边都放大1 024倍，由于1 024为2的幂，乘积运算可以转成移位计算，效率非常高，而且又能等效地保留较多的小数位数，保证了精确度。2.4对梯度幅值图像应用非最大值抑制仅仅得到全局的梯度并不足以确定边缘，为确定边缘，必须保留局部梯度最大的点，而抑制
网络安全与数据管理 2017年19期2017-10-21
- 腰椎间盘退行性病变的MRI-DTI定量分析
用，并对扩散梯度方向对测量结果的影响进行研究。材料与方法选取来我院的腰腿疼患者50例，其中男32例，女18例，年龄24～62岁，平均年龄(46.9±16.2)岁，全部患者进行常规MRI及矢状位DTI腰椎间盘扫描，DTI扩散梯度方向分别为6、12、20。按扩散梯度方向将腰椎间盘分为DD6、DD12、DD20组；按Pfirrmann (Pm)分级将椎间盘分为Ⅱ、Ⅲ、Ⅳ及Ⅴ组，测量并比较不同扩散梯度方向组间、不同Pm分级组间椎间盘髓核区的表观扩散系数(appar
磁共振成像 2017年6期2017-09-29
- 基于梯度方向和车载网络信号实现车道检测的研究
基于梯度方向和车载网络信号实现车道检测的研究基于图像处理的先进驾驶辅助系统由于能够有效提高汽车的行驶安全性，因而其市场份额不断增加。根据美国国家公路交通安全管理局（NHTSA）统计，94%的交通事故是由于汽车偏离车道引起的，因而开发出了车道偏离预警（LDW）之类的先进驾驶辅助系统。常用的LDW系统需要借助摄像头对汽车行驶前方图像进行采集，通过采集图像的处理，提取道路颜色和纹理，识别道路边界和车道线，并在汽车偏离车道线时，通过声音信号或光信号发出警报，以提醒
汽车文摘 2017年9期2017-09-25
- 倒车辅助系统车位线识别方法研究
直线相适宜的梯度方向区间，减少参与Hough变换的像素点数的同时减少背景干扰直线边缘的影响，最后通过判断相邻边缘间的像素灰度关系，进一步确认车位线边缘，从而识别出图像中的车位线。相比于传统hough变换和基于梯度方向区间的改进随机Hough变换(Grad-RHT)，本文算法在保持与Grad-RHT运行效率相当的情况下，在各种干扰背景下都取得了更好的车位线边缘直线检测正确率，表现出较好的识别鲁棒性。车位线识别；Hough变换；局部像素分布；梯度方向区间；灰度
测绘通报 2017年7期2017-08-11
- 基于HOG的实时压缩跟踪研究
提出一种基于梯度方向直方图实时压缩跟踪算法。该算法采用HOG特征取代Harr类特征，增强对光照的不敏感性，提高了跟踪鲁棒性。通过不同视频的测试结果表明，文章提出的方法在光照剧烈变化、形变等情况下能准确地跟踪目标，且平均帧率15 frame/s，基本满足实时性要求。压缩感知；Harr类；梯度方向直方图运动目标跟踪是近年来计算机视觉领域的热门研究方向之一，在视频监控、军事领域、智能机器人、智能交通系统方面有着广泛的应用背景。2006年压缩感知被Candes和D
无线互联科技 2017年6期2017-04-26
- 一种自适应融合颜色和梯度方向特征的粒子滤波跟踪算法
应融合颜色和梯度方向特征的粒子滤波跟踪算法魏天舒，尹丽菊，高明亮，邹国锋,臧圆茹(山东理工大学 电气与电子工程学院,山东 淄博 255049)针对传统的粒子滤波通常采用单一的特征信息，会导致跟踪精度低、鲁棒性差等问题，提出一种自适应融合颜色特征和梯度方向特征的粒子滤波跟踪算法.首先提取出能够描述目标的颜色和梯度方向特征，并分别采用空间核函数加权颜色直方图和梯度方向直方图对特征进行描述，然后在跟踪过程采用民主融合策略，根据两个特征在跟踪时的可靠性，自适应的调
山东理工大学学报（自然科学版） 2017年2期2017-03-09
- 盲人探路负梯度方向法
)盲人探路负梯度方向法李春明(中国石油大学(华东)胜利学院,山东东营 257061)负梯度方向法作为一个常用的优化方法在机械工程领域发挥着重要作用,但是,因其锯齿现象而具有计算量大、计算效率低的缺点。一维盲人探路寻优思想总结为:根据探测点与极值点相对位置的三种情况采取三种处理方案。基于此,将负梯度方向法进行了改进,提出了新的寻优方法——折线负梯度方向法。算法分为四部分:初始步长检验阶段;步长加倍探测阶段;暂不减半步长阶段;步长减半探测阶段。第三部分考虑了探
甘肃科学学报 2016年5期2017-01-16
- 利用行车记录仪数据准确识别行人运动的方法
用扩展的共生梯度方向直方图（ECoHOG）的方法设计特征描述器，采用ECoHOG 和Real AdaBoost相结合的方法在图像序列中标注行人位置。在运动识别部分，首先采用稠密轨迹（DT）的方法创建Bag-of-Words（BoW）矢量，具体包括两个步骤：第1步实现图像的稠密采样；第2步实现从轨迹提取时空关联特征。然后对每个像斑提取相应的轨迹特征、梯度方向直方图（HOG）、光流直方图（HOF）和运动边界直方图（MBH），由此对行人运动类型进行分析。基于NT
汽车文摘 2016年11期2016-12-08
- 一种基于梯度方向一致性的边缘检测新算法
海一种基于梯度方向一致性的边缘检测新算法李 正*张 海(北京航空航天大学飞行器控制一体化技术重点实验室 北京 100191)为达到同时提取图像的主要边缘和微弱边缘并有效抑制噪声的目的，该文利用真实图像边缘两侧的灰度渐变性，以及边缘点周围灰度梯度的方向一致性好而非边缘点周围灰度梯度的方向一致性差的特点构造了梯度方向和(SGD)指标；并根据该指标提出一种阈值自适应的边缘检测算法。实验表明：梯度方向和在有效提取边缘点的同时能较好地抑制高强噪声；该指标对光照和对
电子与信息学报 2016年7期2016-10-09
- 基于支持向量机的分类器训练研究
VM）方法和梯度方向直方图特征描述的相关知识，重点讲述了其原理和计算过程，建立了工程车辆样本库，采用梯度方向直方图作为样本特征，使用线性支持向量机的方法训练分类器，最后通过实验证明了算法的正确性和可行性。关键词：梯度方向 支持向量 工程车辆 HOG特征中图分类号：TP391.1 文献标识码：A 文章编号：1007-9416（2016）06-0000-001 引言一个完整的模式识别系统应该包括从信息数据的采集、处理、分析到决策的整个过程[1]。而要使机器具有
数字技术与应用 2016年6期2016-07-09
- 仿人脑视皮层机制的目标识别方法
6］将金字塔梯度方向直方图PHOG（pyramid histogram of oriented gradient）用于视觉机制中，对视觉特征的简化有一定的改进，减小了计算复杂度，提高了速度，但该方法建立的模型与脑机制契合度不够，处理的图像也比较简单。本文针对传统方法的不足，基于视皮层分级处理的框架结构，模拟皮层腹侧通路的信息处理方式，结合Gabor滤波器与初级皮层简单细胞的相似特性，利用该滤波器提取边缘，根据复杂细胞的max－like机制，进行局部和全局的
计算机工程与设计 2015年8期2015-12-23
- 基于改进HOG 特征值的行人检测
状隐模型以及梯度方向直方图(HOG)等［1-3］。其中，HOG 特征是由文献［4］首次提出，以应对梯度直方图(HG)特征在明暗背景中梯度方向产生变化的情况。由于HOG 特征对图像窗口中的梯度信息进行了充分的描述，并且对小幅旋转和平移变化具有较强的鲁棒性。因此，基于HOG 特征的行人检测算法被广泛研究和改进。如朱向军［5］等人通过大量的实验分析表明:HOG 特征在不同光照条件下对行人具有敏感的识别能力。Paisitkriangkrai S［6］等人详细研究了
计算机与现代化 2015年2期2015-11-26
- 利用梯度方向的Hausdorff距离配准红外和可见光图像
036)利用梯度方向的Hausdorff距离配准红外和可见光图像冯晓磊1，吴 炜1，李 智1，邓 文2(1.四川大学 电子信息学院，四川 成都 610064；2.西南电子设备研究所，四川 成都 610036)基于Hausdorff距离的算法已经被广泛应用于异源图像配准，但是现有的Hausdorff距离配准算法是在整幅图像上找最相近的点对，不仅容易出现错误匹配的情况，而且计算量很大。为了减少计算冗余和消除误配情况，提高配准的准确度，提出了一种利用梯度方向的H
电视技术 2015年3期2015-10-15
- 基于数字图像分析的铁路货车闸瓦插销窜出故障自动识别方法
个方面特征的梯度方向直方图来描述闸瓦插销的特征向量；提取特征向量输入到已经训练好的线性可分支持向量机分类器模型中进行故障判断和自动识别。实验数据证明了该识别算法的稳定性、可靠性和实用性。TFDS；闸瓦插销；图像分析；梯度向量直方图铁路货车运行故障动态图像检测系统（TFDS）作为车辆运行安全监控系统（5T系统）的重要组成部分，通过布置于轨侧、轨下的高速工业相机阵列对运行中的货车车体进行图像采集，再由列检人员根据传输到列检中心的货车图像进行故障识别和判断，充分
铁路计算机应用 2015年12期2015-07-05
- 基于GPU的目标识别算法的并行化研究
中得到应用。梯度方向直方图;可变形部件模型;图形处理器;协同计算;统一计算设备架构;开放运算语言目前,在汽车自动驾驶、智能交通、智能监控安防等领域中,人工智能正在发挥越来越重要的作用,人工智能的应用也使得人们从机械的简单而重复的工作中解放出来,但是这也就要求这类人工智能算法有更加精确的效果和实时的监测,对算法提出了更高的要求。传统的算法都是基于CPU串行实现的,由于算法的计算量大,因此CPU无法完成对算法的实时计算。在这些领域中,对算法的并行化就是一个非常
太原理工大学学报 2015年6期2015-06-23
- 基于图像边缘特征的领带花型检索方法
每个像素点的梯度方向 θ(i，j)，如式(2)所示:式中，Y(i，j)为坐标为(i，j)的像素点亮度值。对于每个边缘像素点，它的梯度方向体现了该像素点组成的图案的形状信息，因此，可以通过计算边缘像素点的梯度方向θ(i，j)以量化它的边缘特征，如式(3)所示。在得到花型边缘像素点的梯度方向后，如图1所示，将［0，360°)划分为4种不同的方向，如不同的颜色所示，据此将梯度方向θ(i，j)分为4类，如式(4)所示。图1 梯度方向分类Fig.1 Classifi
纺织学报 2015年5期2015-03-10
- 基于加权局部梯度直方图的头部三维姿态估计
时,基于局部梯度方向直方图的面部特征表示方法容易受到背景和环境的影响,其检测精度无法满足实际需求。为了减少图像或视频序列中背景和环境的影响,提出了一种新的对面部特征进行描述的方法,即基于肤色权值和高斯权值加权的局部梯度方向直方图特征表示方法。在具体计算时,首先进行人脸检测并将人脸区域缩放到统一大小,然后计算人脸区域每个像素点对应的梯度方向,接着计算肤色权值并利用肤色权值和高斯权值对梯度方向进行加权得到加权局部梯度方向直方图,从而强化面部特征在直方图中的比重
西安交通大学学报 2015年11期2015-03-07
- 车辆行车实时目标区域特征提取及分类训练＊
特征［5］，梯度方向直方图（Histogram of Oriented Gradient，HOG）特征［6］，尺度不变特征转换 （Scale-invariant Feature Transform，SIFT）特征［7］，边缘方向直方图［8］等．分类器的学习方法主要有：支持向量机（Support Vector Machine，SVM）［9］、人工神经网络［10］、Adaboost加强学习算法［11］、决策树分类匹配［12］等．文献［13-14］提出利用Haa
西安工业大学学报 2015年11期2015-01-01
- 词袋模型中梯度方向离散精度阈值经验分析
提取过程中，梯度方向直方图的维数即梯度方向离散精度的选取非常重要，常规词袋模型中梯度方向离散精度一般选取为8［8－10］，但是此精度构造的词袋模型分类效果并非最佳，若能确定一个最合适的精度不仅可以避免选择时的盲目性，而且还可以构造出最佳的词袋模型，提高应用词袋模型分类的效果。本文通过大量基于不同分块下选取不同离散精度进行实验分析研究，找到了在构造词袋模型过程中梯度方向离散精度阈值，利用该阈值构造的词袋模型在进行分类时能得到最佳的分类效果，同时还能避免选择时
计算机工程与设计 2014年9期2014-12-23
- 基于空间多尺度HOG 特征的人脸表情识别方法
基础上提出了梯度方向直方图 （histograms of oriented gradients，HOG）算法，它是一种边缘形状描述子，近几年被广泛应用研究。O.Dénizd等［6］采用规则网格和不同尺度的HOG 特征进行人脸识别，在4个数据库上均取得理想实验效果；Rodrigo Minetto等［7］采用THOG 算子进行文本特征提取，采用SVM 分类器进行字符识别，在2种公共数据上的仿真结果表明，THOG 算子是一种有效的文本描述子。可以看出，HOG 算
计算机工程与设计 2014年11期2014-12-20
- 刀具切削刃钝圆半径的图像测量法*
)，沿近似的梯度方向提取像素，拟合灰度曲线，在灰度函数一阶导数曲线上准确定位边缘点的方法，有效提高了切削刃钝圆半径测量精度。但该方法没有充分利用边缘附近灰度等值线分布规律，对梯度方向的近似计算还不够准确。对于刃口曲线计算，如今多数方法都是直接采用检测到的圆弧部分边缘点拟合刃口曲线。这些方法没有考虑到刀具直线段和圆弧段刃口曲线相切的几何关系［8-9］，圆弧段刃口曲线拟合精度不高，切削刃钝圆半径测量误差较大。文中将给出改进的边缘检测和含约束条件的刃口曲线计算方
组合机床与自动化加工技术 2014年9期2014-06-29
- Improved histograms of oriented gradientsfor Chinese RMB currency recognition
1.基于改进梯度方向直方图的人民币识别胡学娟，阮双琛，郭春雨，刘承香深圳市激光工程重点实验室，深圳大学电子科学与技术学院，广东省高校先进光学精密制造技术重点实验室，深圳518060提出一种基于改进梯度方向直方图和支持向量机分类器的人民币识别方法.利用人民币红外图像中斑马线特征进行真伪识别，通过Fisher准则进行特征块选择实现梯度方向直方图特征的降维.针对斑马线防伪图案进行实验.结果表明，该方法能克服红外图像中的背景干扰和噪声，得到较好鉴伪结果.红外图像;
深圳大学学报（理工版） 2014年5期2014-05-12
- 基于梯度方向直方图特征和支持向量机的医学影像分类方法
0021基于梯度方向直方图特征和支持向量机的医学影像分类方法周显国吉林省人民医院信息中心，吉林长春130021随着计算机技术和数据库技术的发展，图片存档及通信系统（Picture Archiving and Communication Systems，PACS）在医院得到了普遍的应用，医院每天会产生大量的医学影像数据[1]。如何检索医学影像，使海量的医学影像为科研和临床诊断服务，成为当前医学影像领域研究的热点。现有PACS只能提供基于文本的、按照病人名字和
中国医疗设备 2014年2期2014-05-03
- 基于形状特征的视觉导航AGV路径标识符识别技术研究
nny算子;梯度方向直方图作为自动化物流运输系统、柔性制造系统的关键设备，自动导航小车(Automated Guided Vehicle，AGV)有多种引导方式，其中基于路径识别跟踪的视觉导航AGV因其具有路径设置灵活、导航原理简单、环境适应性强等优点，得到飞速发展和广泛应用。视觉导航AGV在实际应用中存在多种工况，如加速、减速、停车及不同工位判断等，各种路径标识符设置的灵活性，识别的准确性、实时性，也成为视觉导航AGV优越于其他导航方式的标志之一。传统的
机械设计与制造工程 2013年11期2013-09-12
- 综合颜色特征与形状特征的图像检索算法
检测，用边缘梯度方向直方图表示图像形状特征，用颜色直方图表示图像颜色特征，提出了综合颜色特征和形状特征的图像检索算法。实验结果表明，该算法不仅具有较好的检索性能，而且对图像中存在的光照变化和几何变化（尺度、平移、旋转等）具有较强的鲁棒性。图像检索；二进小波变换；边缘检测；颜色特征；形状特征1 引言随着数据库技术、多媒体技术、网络技术的迅速发展，人们越来越多地接触到大量的数字图像数据库，为了对图像库进行有效管理，高效的图像检索系统为人们所需要[1]。传统的基
计算机工程与应用 2013年7期2013-08-07
- 结合列边缘提取的PDF417 条码检测方法
取出边缘像素梯度方向信息来标注强边缘，就能够定位条码在图像中的准确位置。图1 PDF417 条码3 子区域特征对于条码图像背景往往十分复杂的情况，将采集到的图像按网格状分隔成大小相等的若干个子区域，有利于分析起始模块、终止模块区别于其他背景纹理的区域特征，并利用区域特征对候选子区域进行筛选合并，达到定位目标区域的目的。3.1 梯度方向特征由于条码起始符与终止符由一组排列整齐的条空组成，该区域梯度方向直方图上会有高能单峰值出现[8]，因此可用这个特性来区分背
计算机工程与应用 2013年7期2013-02-22
- 融合颜色和梯度方向直方图的粒子滤波跟踪算法
、纹理特征、梯度方向特征等.笔者将颜色特征和梯度方向特征进行融合生成综合直方图特征.2.1 颜色直方图特征颜色直方图特征在平面旋转和部分遮挡的情况下变化不大，很适合描述目标，是一个被广泛采用的特征.为了减少跟踪过程中光照变化的影响，笔者采用HSV颜色模型.HSV颜色模型的3个分量相互独立：H和S分量分别表示色调和饱和度，对光照不敏感;而V分量表示亮度分量，对光照非常敏感，所以只对H和S分量根据量化级数加以量化建立直方图.为了增加颜色直方图描述的鲁棒性，加入
郑州大学学报（工学版） 2012年4期2012-09-07
- 基于边缘梯度方向直方图的图像检索
于图像边缘的梯度方向直方图进行图像检索。 实验结果表时，本文算法具有很好的检索性能。1 检索算法描述1.1 图像预处理边缘是指图像周围像素灰度值有阶跃变化或屋顶变化的像素的集合，是一个有幅值和方向的矢量。 当前传统的边缘检测方法有一阶微分算子、 二阶微分算子和Canny 算子。本文选择一阶微分算子中的Prewitt 算子实现图像的边缘检测。1.2 梯度方向直方图对边缘图像中的每一个边缘点构造边缘梯度方向直方图h（n），该直方图表示边缘点方向角落在第n 级点
科技视界 2012年20期2012-08-29
- 基于向量场模型的多光谱遥感图像多尺度边缘检测
法中引入两种梯度方向量化邻域模型。首先，对多光谱图像进行二进小波变换，得到每个波段图像在不同尺度上的细节系数，然后根据向量场模型计算多光谱图像的梯度幅值和梯度方向，选择适宜的邻域模型对梯度方向进行量化，最后沿量化后的方向获取由细到粗的多层次边缘信息。对QuickBird多光谱图像上农田、厂房等地物进行多尺度边缘提取，定性分析图像分辨率大小与地物尺寸关系在不同尺度边缘信息的表征；利用F测度，定量评价检测结果的边缘准确度。与传统算子检测结果对比表明，利用向量场
测绘学报 2012年1期2012-01-04
- 基于改进梯度算子的快速视频编码算法
算子得出块的梯度方向，以此来指导帧内模式的选择和帧间模式的划分。这种算法使得模式选择跳出了全遍历，只锁定在部分模式中，从而大大减少了时间复杂度，而且码流不会明显增加，视频质量也较佳。视频编码；帧间预测；帧内预测；模式选择；基于纹理随着H.264/MPEG-4 part 10被联合视频组（Joint Video Team(JVT)，formed by ITU-T VCEG and ISO/IEC MPEG）作为新一代编解码标准发布，视频编解码效率得到了很大的
长沙民政职业技术学院学报 2011年1期2011-11-02
- 基于距离比阈值参数自适应的SIFT算法研究
邻域窗口内用梯度方向直方图来统计邻域像素的梯度方向.梯度方向在0°～360°，其中每10°在直方图中表示一个柱，共36柱.梯度方向直方图的峰值代表了该特征点处邻域梯度的主方向，即作为该特征点的主方向.1.4 生成特征描述符以特征点为中心取16×16的窗口(特征点所在的行和列不取)，每个小格代表特征点邻域所在尺度空间的一个像素，采用高斯加权(越靠近特征点的像素，梯度方向信息贡献越大).在4×4的图像小块上计算8个方向的梯度方向直方图，绘制每个梯度方向的累加值
陕西科技大学学报 2011年5期2011-02-20
- 基于Canny边缘检测算子的图像检索算法
的梯度幅值和梯度方向，从而获得相应的梯度幅值图像G和梯度方向图像θ。其中，点（i，j）处2个方向的偏导数Gx（i，j）和 Gy（i，j）分别为：则点（i，j）处的梯度幅值和梯度方向分别为：1.3 非极大值抑制为了精确定位边缘，必须细化梯度幅值图像G中的屋脊带，而只保留幅值的局部极大值，即非极大值抑制（NMS）。Canny算子在梯度幅值图像G中以点（i，j）为中心 3×3的邻域内沿梯度方向 θ（i，j）进行插值，如果点（i，j）处的梯度幅值G（i，j）大于
电子设计工程 2010年2期2010-07-13