梯度方向直方图

摘要： 当前车辆检测算法仅使用物理特征或几何特征对目标进行分类,特征维度不够丰富导致检测不够准确。基于以上问题,文中提出了一种基于雷达与视觉特征融合的车辆检测方法,同时使用了目标的物理特征与几何特征。雷达特征选用速度、加速度等物理特征,在雷达摄像头数据融合后得到雷达目标点在图像上的感兴趣区域,在感兴趣区域上提取梯度方向直方图特征。计算梯度方向直方图的统计特征作为视觉特征,包括标准差、中位数、平均值。构建输入为雷达与视觉融合特征的神经网络R-V-DenseNet,制作数据集并训练该网络。在测试集上的实验结果证明,R-V-DenseNet相比传统的HOG-SVM方法及单传感器特征检测方法准确率有所提高,检测较为准确。

摘要： 针对目前基于红外成像的VOCs气体泄漏检测与定位算法漏检率和误报率高等问题,提出一种基于多特征的VOCs气体泄漏检测算法.算法利用红外成像技术获取灰度图像序列,并通过混合高斯背景建模提取完整前景图像.通过计算连通域边缘离散曲率熵、生成梯度方向直方图(HOG)及比较连通域内部小连通域的面积变化,分别对气体三大特征一边缘不规则性,纹理特征及扩散性进行判别.排除其它干扰,快速获得气体泄漏区域准确位置并报警.实验结果表明,上述算法能及时检测到VOCs气体泄漏,鲁棒性较高、抗干扰能力强,能够实现VOCs气体泄露区域的准确定位.

摘要： 在深度地图序列的手势识别中,针对不同的人在不同的时间或同一个人在不同的时间手势也不相同的问题,本文提出了特征加权融合和交叉主题测试法来进行基于深度地图序列的手势识别.首先,对于深度视频序列采用多级时间采样来生成含有相关手势信息的长、中和短3种不同长度的序列;其次,通过计算连续帧的绝对差提取时空信息生成深度运动图;然后,利用梯度方向直方图(histogram of oriented gradien,HOG)和局部二值模式(local binary patterns,LBP)从生成的深度运动图中提取形状和纹理特征,进行局部特征聚集描述符(vector of local aggregation descriptor,VLAD)编码;最后,采用主成分分析(principal component analysis,PCA)降维后将这两种特征进行加权融合和交叉主题测试后送到极限学习机器中进行分类识别.在公开具有挑战性的MSR Gesture 3D动态手势深度数据集上进行实验评估性能,所提的特征加权融合算法和交叉主题测试算法的识别率相较LBP和HOG算法融合的基础上分别提高0.82％和5.17％.实验结果表明,改进的方法具有更好的识别率.

摘要： 不同类型的电力变压器局部放电对变压器绝缘造成的破坏程度不同,正确识别变压器局放类型对于评价变压器的绝缘状况至关重要.提出一种基于小波变换和梯度直方图(HOG)特征的变压器局放模式识别方法,首先根据变压器绝缘缺陷结构特点,设计制作了3种典型的局放缺陷模型,在实验室搭建测试平台并采用脉冲电流法获取变压器局放数据;其次对局放信号进行小波时频变换,获取局放信号的时频谱图并对该时频谱图进行灰度化和归一化处理;最后利用HOG算法提取局放时频谱图上的特征参量并送入分类器,实现变压器不同类型局部放电的模式识别.识别结果表明,该方法的平均识别准确率高达98％,能够有效识别变压器放电类型.

摘要： 基于视觉的手势识别通常采取单一特征用于手势分类,但是单一特征不能代表整个图像.因此论文提出多种特征融合的方法,分别提取了梯度方向直方图(HOG)和局部二值模式(LBP)两种特征,并进行特征融合,融合特征不仅包含图像的局部区域梯度方向信息,还有纹理信息,可以更加全面地描述手势特征.然后将融合特征向量输入SVM分类器完成手势识别.实验表明多特征融合方法相比于单一特征,有更高的识别率.该实验识别了24种手势,最大识别率达98％.

摘要： 以Pl@ntNet Identify、leafsnap等树木叶片数据库中的9500张图片为样本,将叶片的特征融合后作为分类依据;将改进的局部三值模式特征和梯度方向直方图特征采用零均值标准化方法进行融合,采用深度信念网络进行训练、识别和分类.结果表明:融合测试方法识别率可达94.87％,优于其他方法在本数据库的识别率;融合方法比单一特征和支持向量机分类等方法识别率更高,且受光照、噪声等影响的鲁棒性更高;实现了树木叶片的快速识别,解决了依据特征的叶片分类方法识别率较低的问题,改善了已有方法特征选取单一、信息不足和分类器简易等不足.

摘要： 传统瓶口缺陷检测算法通过边缘检测和滤波等操作区分和定位缺陷,该算法受瓶口光照影响较大,瓶口粗糙毛刺区域和缺陷部分在图像中均表现为亮色,难以区分,且传统检测算法对检测阈值设置精度要求极高,因此结合瓶口图像灰度值的分布一致性和缺陷的亮度突变性特征,提出基于四线性插值梯度方向直方图(Histogram of Oriented Gradients,HOG)特征的瓶口缺陷检测算法.由于缺陷与背景具有较大的灰度对比度,通过HOG可以对瓶口圆环区域中的所有灰度值突变像素点进行统计,在统计过程中,根据梯度方向对梯度幅值进行竖直方向上的增强和水平方向上的抑制,得到适用于瓶口缺陷场景的特征向量.结合支持向量机(Support Vector Machine,SVM)二类别判决器,实现瓶口的缺陷检测.实验结果表明,检测耗时为170 ms,相较于传统检测方法具有更高的准确率.

摘要： 已有的利用图像处理进行物体清点的方法对物体本身和背景条件的统一性要求较高,不具备通用性和较高抗干扰能力,而一些准确率较高的算法计算复杂度高,难以满足生产流水线上实时性要求,因此提出一种高灵活性、高鲁棒性及通用的采用候选框提取的可变形部件模型快速物体清点方法,使用快速特征金字塔来训练可变形部件模型,并通过对物体梯度方向直方图(Histograms of Oriented Gradients,HOG)特征按能量大小区域旋转的方法来提高算法的抗旋转能力;然后使用改进的基于先验信息的edge boxes算法提取目标候选框,再对候选框使用训练好的可变形部件模型进行检测;检测出的目标数量即为物体数量.设计了多组对照试验,结果证明,该方法具有较高的通用性和鲁棒性,在准确性和检测效率上也完全能够达到工业生产中实时检测系统的要求.

摘要： 人脸识别考勤系统的设计涉及人脸识别子系统和考勤管理子系统,人脸图像的检测与特征提取是系统设计的关键技术.本文提出一种利用Adaboost检测人脸与梯度方向直方图HOG方法进行特征提取的人脸识别考勤系统设计方案.采用Adaboost分类器算法检测实时视频中的人脸区域,对该区域完成几何校正、中值滤波、直方图均衡化、归一化等图像预处理,然后应用HOG方法对处理好的图像提取特征,并对高维特征进行PCA+LDA降维,利用最近邻方法实现与注册人脸特征向量的比对,最后将识别结果存入考勤数据库,便于考勤管理子系统调用.

摘要： 梯度方向直方图(HOG)被认为是目前最适合行人检测的底层特征,针对HOG在实际使用时只能检测出与其训练图片差不多大小行人的缺陷,该文提出多尺度、窗口融合的行人检测算法.首先,算法在5个尺度都进行行人整体检测和人头检测的两级检测方法,然后对各个尺度的检测结果进行融合;同时,该文提出一种样本训练方法,可根据检测结果补偿式地扩展训练集.从INRIA数据集中随机检测图片,该算法能检测出其中大约65％的行人,DET图表明所提出的算法有效提高了检测性能.

摘要： 虽然FMM快速行进算法可以克服传统图像修复中修复速度慢、线性结构产生模糊、断裂等缺点,但是该算法对强弱边缘的保持能力不足.该文利用梯度方向直方图,对待修复点的周围象素点进行方向筛选,使修复过程严格按照等照线度进行.仿真表明,该算法既能较好保持边缘和一些规则纹理,同时也能保留了FMM算法的优点.

摘要： 针对传统基于梯度方向直方图特征检测算法对解决目标模型单一、发生形变、存在遮挡及目标受干扰下定位困难的问题,提出一种基于HOG特征混合模型结合隐SVM的感兴趣目标检测算法。首先利用用训练图像的HOG特征金字塔表示得到包含感兴趣目标根模型、部件模型和对应可变形部件特征表示,该模型不仅描述目标的整体轮廓,而且能够捕捉到更为精细的目标部件轮廓,在一定程度上提高了检测算法在目标姿态复杂情况下的鲁棒性。然后利用HOG特征混合特征训练部件检测分类器LSVM( Latent Support Vector Machine)。最后通过动态规划和距离转换算法在测试图上扫描出与可变形部件模型相匹配的区域,实现感兴趣目标的检测定位。经过多组实验结果表明,所提出的算法能较好地解决目标在发生较大形变和存在遮挡等复杂姿态下的定位问题。

摘要： 梯度特征是描述图像区域的重要特征之一，广泛用于目标检测、目标识别、图像检索及场景分类等领域。rn 典型的梯度特征包括HOG、shapelet及Edgelet等。本文针对HOG(梯度方向直方图)特征及其快速算法进行分析，在此基础上提出了一种新的基于多方向线积分的梯度特征．该特征计算过程简单，计算速度快，便于在DSP等硬件上实现。本文将新的特征应用到人体头肩检测中，实验结果表明，当使用AdaBoost算法训练分类器时，该特征的描述能力与HOG相当，同时其计算时间仅为HOG的三分之一，整体性能优于HOG。最后，本文分析了梯度特征的适用范围并总结了未来的应用发展方向。

摘要： 研究了利用梯度方向直方图(HOG)特征实现物体分类的方法，并且将该特征结合深度图像分割和支持向Igt(SVM)分类器。实现了一个物体分类系统。该系统基于新型传感器Kinect，可以提供实时的彩色图和高精度的深度图。利用其深度图做图像分割并且还原物体的三维信息，提出了依据物体距离自适应放缩分割出的物体区域窗口尺寸的方法，解决了检测中的尺度问题。实验证明：该系统具有很高的准确度,并且在一定距离范围内具有较强的鲁棒性。

摘要： 提出了一种基于视觉传感器提取机器人"脸部"信息、实现机器人状态实时监测的新方法。通过规划跟踪策略、提取"脸部"线条信息,结合色度信息导入神经网络；融合罗盘等传感器信息,得到目标位姿状态。 论文主要围绕三个方面展开研究:通过梯度方向直方图分区信息,指导霍夫变换ρ-θ参数空间上极值点搜索方式,快速提取机器人"脸部"轮廓信息；根据线条变化程度判别处理，选择性拟合线段端点得到邻近"短线"结构信息,不仅解决了"短线屏蔽"问题，也简化了系统；应用Lev-enberg-Marquardt算法对神经网络训练加以改进,提高神经网络学习速度和精度。实验证明了本方法的实时性、鲁棒性以及实用性。

摘要： 近年来,随着海量遥感图像数据的出现,车辆目标检测成为了研究热点.目前已有许多方法被用于遥感图像车辆目标检测,包括基于Harr-like特征的方法、基于梯度方向直方图特征的方法、基于形态学的方法、基于神经网络的方法、基于对象的方法等.对这些方法进行了总结,并探讨了遥感图像车辆目标检测方法的进一步研究方向.

摘要： 近年,人体身材分析在虚拟试衣、定制服饰和VR游戏等领域的研究得到了广泛关注,然而,目前主流方法多采用三维人体测量仪进行身材测量,获取数据的设备成本过高.为此,本文提出了一种基于普通图像的人体身材分析方法,大大降低了测量成本.研究采用局部的人脸几何关系与身材HOG特征进行特征提取,并使用SVM分类器对特征进行分析归类.最后,经实验验证得到该算法的平均识别率为92.24％.

摘要： 近年,人体身材分析在虚拟试衣、定制服饰和VR游戏等领域的研究得到了广泛关注,然而,目前主流方法多采用三维人体测量仪进行身材测量,获取数据的设备成本过高.为此,本文提出了一种基于普通图像的人体身材分析方法,大大降低了测量成本.研究采用局部的人脸几何关系与身材HOG特征进行特征提取,并使用SVM分类器对特征进行分析归类.最后,经实验验证得到该算法的平均识别率为92.24％.

摘要： 本发明公开了一种基于频域方向滤波器的递归预测图像压缩方法，主要解决现有技术中纹理方向检测准确度低，时间复杂度高，预测系数数目多的问题。其步骤为：1)设计原型方向滤波器；2)根据原型方向滤波器生成一组方向滤波器；3)读入原始灰度图像数据，并进行纹理方向判断；4)扩展原始灰度图像数据；5)对扩展图像数据以块为单位进行读取；6)根据读取的块数据建立马尔可夫预测模型；7)对读取的块数据进行预测压缩；8)判断是否完成所有块数据的预测，如果是，则结束压缩，否则数据读取地址跳变，返回步骤5)。本发明能灵活准确地检测纹理方向，时间复杂度低，预测系数数目少，提升了压缩性能，可用于对各种数字设备的图像压缩编码。

摘要： 本发明公开了一种基于频域方向滤波器的递归预测图像压缩方法，主要解决现有技术中纹理方向检测准确度低，时间复杂度高，预测系数数目多的问题。其步骤为：1)设计原型方向滤波器；2)根据原型方向滤波器生成一组方向滤波器；3)读入原始灰度图像数据，并进行纹理方向判断；4)扩展原始灰度图像数据；5)对扩展图像数据以块为单位进行读取；6)根据读取的块数据建立马尔可夫预测模型；7)对读取的块数据进行预测压缩；8)判断是否完成所有块数据的预测，如果是，则结束压缩，否则数据读取地址跳变，返回步骤5)。本发明能灵活准确地检测纹理方向，时间复杂度低，预测系数数目少，提升了压缩性能，可用于对各种数字设备的图像压缩编码。

摘要： 本发明公开一种基于梯度方向直方图与局部二值模式融合的人耳识别方法，解决了从人耳图像中进行人耳识别识别率不高的问题。本发明首先提取出图像的梯度方向直方图，并用主成分分析法进行降维，再用局部二值模式提取出图像的纹理特征，然后将两个特征融合，最后使用最小距离分类器进行分类。本发明通过多特征融合，提高了人耳识别的识别率，具有良好的实施性与实效性。

摘要： 本发明公开了一种基于梯度方向直方图的人脸活体检测方法，包括以下步骤：1)构建训练样本集；2)提取各训练样本图像的梯度方向直方图特征H；3)分别计算训练样本图像的HOG特征H与各真实人脸灰度图的平均HOG特征HTmean及各照片人脸灰度图的平均HOG特征HFmean之间的相似度PT及PF；4)构建训练用特征向量{H,PT,PF}，再将全部训练用特征向量{H,PT,PF}对SVM分类器进行训练，最后用训练好的SVM分类器完成基于梯度方向直方图的人脸活体检测。该方法无需检测者配合，并且对光照变化要求低，不需要增加额外的设备，成本较低，同时检测的准确率较高。

摘要： 本发明公开了一种基于梯度方向直方图的瓶口缺陷检测方法，属于机器视觉与图像处理技术领域。本发明首先对瓶口圆环部分拉伸成矩形，再进行剪裁拼接，把修正后的矩形作为样本图片，对样本图片进行Gamma校正以规范化样本图像，将样本图片分割成多个窗口，统计窗口内的梯度方向直方图得到特征向量，利用支持向量机形成分类器；然后，对待检测瓶口图像，通过梯度方向直方图求取每个检测窗口的特征向量，结合预先形成的分类器，判定当前瓶口是否为缺陷瓶口。本发明一方面基于梯度方向直方图的原理，提取瓶口图像中的像素点梯度信息，实现瓶口缺陷的实时检测，另一方面通过插值和归一化的方法，提高缺陷像素点的作用域，实现了瓶口缺陷的准确定位。

摘要： 本发明公开了一种快照式光谱图像的马赛克空谱梯度方向直方图提取方法，获取快照式光谱图像拍摄时使用的光谱滤波阵列；根据光谱滤波阵列构造快照式光谱图像中像素的空间SFA邻域和光谱SFA邻域；基于快照式光谱图像中像素的空间SFA邻域和光谱SFA邻域，确定快照式光谱图像的空谱梯度算子；使用空谱梯度算子对快照式光谱图像进行卷积，得到马赛克空谱梯度图；基于马赛克空谱梯度图构建马赛克空谱梯度方向直方图；本发明通过分析马赛克图像的SFA模式特性，设计了四个马赛克空谱梯度算子来提取马赛克空谱梯度特征，无需对采集的原始马赛克图像进行去马赛克或重新排列操作，有效消除了转换过程带来的空谱失真的影响。

摘要： 本发明公开了一种利用分层梯度方向直方图和支持向量机的布匹疵点检测方法，涉及特征提取和学习分类两个方面，属于数字图像处理应用领域。本发明的主要步骤包括图像分块、分层梯度方向直方图特征提取、支持向量机模型训练、检测分类等，即首先将布匹图像分块，接着提取每个分块的分层梯度方向直方图特征，然后输入已训练好的支持向量机分类器中，根据分类器输出结果，判定每个图像分块是否包含疵点，从而确定整幅布匹图像是否含有疵点。结果显示，该检测方法具有较好的分类效果，有一定的鲁棒性，可应用于实际生成中。

摘要： 本发明公开一种基于梯度方向直方图与局部二值模式融合的人耳识别方法，解决了从人耳图像中进行人耳识别识别率不高的问题。本发明首先提取出图像的梯度方向直方图，并用主成分分析法进行降维，再用局部二值模式提取出图像的纹理特征，然后将两个特征融合，最后使用最小距离分类器进行分类。本发明通过多特征融合，提高了人耳识别的识别率，具有良好的实施性与实效性。

摘要： 本发明公开了一种基于梯度方向直方图的人脸活体检测方法，包括以下步骤：1)构建训练样本集；2)提取各训练样本图像的梯度方向直方图特征H；3)分别计算训练样本图像的HOG特征H与各真实人脸灰度图的平均HOG特征HTmean及各照片人脸灰度图的平均HOG特征HFmean之间的相似度PT及PF；4)构建训练用特征向量{H,PT,PF}，再将全部训练用特征向量{H,PT,PF}对SVM分类器进行训练，最后用训练好的SVM分类器完成基于梯度方向直方图的人脸活体检测。该方法无需检测者配合，并且对光照变化要求低，不需要增加额外的设备，成本较低，同时检测的准确率较高。

摘要： 本发明公开了一种基于梯度方向直方图的瓶口缺陷检测方法，属于机器视觉与图像处理技术领域。本发明首先对瓶口圆环部分拉伸成矩形，再进行剪裁拼接，把修正后的矩形作为样本图片，对样本图片进行Gamma校正以规范化样本图像，将样本图片分割成多个窗口，统计窗口内的梯度方向直方图得到特征向量，利用支持向量机形成分类器；然后，对待检测瓶口图像，通过梯度方向直方图求取每个检测窗口的特征向量，结合预先形成的分类器，判定当前瓶口是否为缺陷瓶口。本发明一方面基于梯度方向直方图的原理，提取瓶口图像中的像素点梯度信息，实现瓶口缺陷的实时检测，另一方面通过插值和归一化的方法，提高缺陷像素点的作用域，实现了瓶口缺陷的准确定位。