航拍图像车辆检测中的圆形滤波器HOG特征快速计算

航拍图像中车辆一般近似为矩形结构,因此通过统计检测窗口中的梯度方向直方图并根据梯度主方向估计车辆朝向,将检测窗口旋转到相应方向进行分类器判别。车辆检测采用级联boosting分类器和梯度方向直方图特征,针对旋转窗口中梯度方向直方图特征的计算,设计一种基于圆形滤波器的梯度方向直方图特征。与传统基于积分直方图的梯度方向直方图特征提取方法相比,显著提高了旋转窗口中梯度方向直方图特征的计算效率,在计算每个像素的梯度时采用查找表代替梯度向量的求模和角度计算也减小了计算量。使用真实图像进行的实验表明,该车辆检测算法快速高效。     

基于圆形滤波器HOG特征的航拍图像车辆快速检测算法

航拍图像中车辆一般近似为矩形结构,因此通过统计检测窗口中的梯度方向直方图并根据梯度主方向估计车辆朝向,然后将检测窗口旋转到相应方向进行分类器判别。车辆检测采用级联boosting分类器和梯度方向直方图特征(HOG,Histograms of Orient Gradient),针对旋转窗口中HOG特征的计算,设计了一种基于圆形滤波器的HOG(Circle Filter based HOG,CFHOG)特征,与传统基于积分直方图的HOG特征提取方法相比,显著提高了旋转窗口中HOG特征的计算效率,此外在计算每个像素的梯度时采用查找表代替梯度向量的求模和角度计算也减小了计算量。使用真实图像进行的实验表明本文车辆检测算法快速高效。     

空间关联与多子区规范化梯度方向直方图的 异源图像匹配

提出一种基于稀疏空域分割与梯度方向直方图的异源图像匹配方法。将图像分为多个子区,计算每个子区的梯度方向直方图;计算直方图的汇聚度,并根据汇聚度计算直方图相似性;采用两步搜索法,寻找与基准图中与实时图直方图相似度最高的窗口即为正确匹配结果。采用仿真图和真实异源图像对算法进行了测试,结果表明,这种方法能够可靠快速实现异源图像匹配。     

基于Hausdorff距离的SAR图像匹配方法

在传统基于边缘位置的Hausdorff距离匹配基础上,将边缘点的梯度方向信息引入到距离度量中。提出了一种新Hausdorff距离及相应的匹配算法,并将其应用到SAR图像匹配中。实验表明,该算法相对于传统的基于边缘位置的Hausdorff距离匹配算法鲁棒性有所改进。     

基于梯度方向二进制模式的空间金字塔模型方法

空间金字塔模型由于其优势在当前图像分类中得到了广泛应用。然而,其码本生成和特征量化这两个环节具有较高的计算复杂度。为了解决这个问题,提出了一种新的局部特征表述———梯度方向二进制模式,首先对图像稠密采样得到多个子图像块,再将每个子图像块均匀划分为2×2个网格,计算每个网格的梯度直方图,然后对所有网格的梯度主方向进行二进制编码并连接为二进制串值,该二进制串值转换的十进制数即为子图像块的特征表述,最后将该特征表述嵌入到SPM模型中。在标准分类数据库上的实验结果证明了本方法在算法耗时和分类精度上均优于基于SIFT的SPM方法。     

基于多测量融合的粒子滤波跟踪算法

复杂背景下运动目标的可靠跟踪,是计算机视觉领域中一个极具挑战性的问题。提出了一种融合颜色和纹理信息的粒子滤波跟踪算法,在粒子滤波的测量阶段,使用颜色直方图对目标进行颜色描述,用梯度方向向量对目标进行纹理描述。对这两种信息,分别用Bhattacharyya系数和欧几里德距离比较粒子与参考模板的相似性。为解决目标变化和遮挡问题,采用了模板更新策略。实验结果表明该方法是稳健的,能够在复杂的背景下对运动目标进行有效、可靠的跟踪。