梯度特征

摘要： 针对ViBe运动目标检测算法在复杂背景下出现鬼影和鲁棒性低等问题,文中提出一种基于边缘梯度特征的自适应阈值改进算法。通过计算当前帧图像背景复杂度,自适应调整阈值R,提取前景目标;建立前景区域与运动区域的边缘梯度模型,通过判断模型之间的相似度,消除鬼影区域。经对采集的3个设定视频场景进行实验验证,结果表明,该算法对复杂场景运动目标检测有较强的适应性,可有效剔除鬼影。对比其他算法,本文算法的调和平均值F1提高了23.52%,召回率提高了17.1%,提升了运动目标检测的准确度和完整度。

摘要： 为了提高哈希算法的分类性能和运行效率,提出一种基于梯度变化特征和能量特征的图像哈希算法.首先,对输入图像进行预处理操作形成二次图像,利用Sobel算子对二次图像的红色通道、绿色通道、蓝色通道图像进行x轴和y轴的梯度值计算,将各分量图像的梯度值进行相加得到最终的梯度图像;然后将梯度图像幅值的多方向变化信息作为图像的梯度特征,所有图像子块的能量值作为图像的能量特征;最后将图像的梯度特征与能量特征联合起来并置乱得到最终的哈希序列.实验结果表明:所提算法的区别性和鲁棒性可以达到较好的权衡;与最新的以及较好的哈希算法相比,该算法具有最好的ROC曲线和最短的运行时间,平均运行时间为0.0242 s,并且在拷贝检测的对比实验中,所提算法的查全率—查准率曲线最好.

摘要： 基于深度学习的非均匀运动图像去模糊方法已经获得了较好的效果.然而,现有的方法通常存在对边缘恢复不清晰的问题.因此,本文提出一种强边缘提取网络(Strong-edge extraction network,SEEN),用于提取非均匀运动模糊图像的强边缘以提高图像边缘复原质量.设计的强边缘提取网络由两个子网络SEEN-1和SEEN-2组成,SEEN-1实现双边滤波器的功能,用于提取滤除了细节信息后的图像边缘.SEEN-2实现L0平滑滤波器的功能,用于提取模糊图像的强边缘.本文还将对应网络层提取的强边缘特征图与模糊特征图叠加,进一步利用强边缘特征.最后,本文在GoPro数据集上进行了验证实验,结果表明:本文提出的网络可以较好地提取非均匀运动模糊图像的强边缘,复原图像在客观和主观上都可以达到较好的效果.

摘要： 人工测量医药罐体瓶口螺纹尺寸的精度与重复性较差,使用三坐标机虽能提高精度但检测速度慢,针对以上缺点,本文设计了基于点激光和视觉引导的瓶口螺纹测量系统。该系统能实现罐体的夹取、视觉引导定位以及瓶口螺纹的高精度测量。首先,针对上料位置的动态变化,使用机器视觉算法完成罐体的精确定位;其次,针对螺纹尺寸测量的高精度要求,使用激光测距传感器完成螺纹轮廓的数据采集;最后,针对螺纹的复杂外形,使用最小二乘法拟合螺纹轮廓,分别计算螺纹相关尺寸。试验结果表明,该系统能够准确地测量出不同规格的瓶口螺纹尺寸,绝对精度、重复精度分别能够达到0.01 mm和0.003 mm,基本满足医药罐体瓶口螺纹的测量要求,在实际生产中具有良好的可行性。

摘要： 针对淡水无核珍珠质层内部缺陷检测的需求,提出一种通过光学相干层析图像实现淡水无核珍珠内部缺陷自动检测的方法.根据珠层灰度变化的特点,识别图像中缺陷区域的梯度特征和缺陷位置变化特征,并利用缺陷特征建立反向传播神经网络模型.实验中采集了内部无缺陷和内部有多种类型缺陷淡水无核珍珠的光学相干层析图像各20幅,对图像进行预处理并提取特征,利用K-means算法检测样本类型与所提取特征的匹配度,用特征与类型相匹配的样本特征训练反向传播神经网络模型,使用反向传播网络模型对淡水无核珍珠内部缺陷层进行分类识别.实验结果表明该方法提取特征的匹配度为92.5％,分类准确率达到100％,验证了该方法的可行性和有效性,提出的方法能够作为淡水无核珍珠内部缺陷识别和自动分类的有效手段.

摘要： 为研究毫米波(Ka波段)云雷达对融化层亮带的探测能力,文章利用天顶垂直指向云雷达径向速度的梯度特征,结合反射率因子阈值,确定融化层亮带的高度范围,实现对亮带顶部、底部、最大回波强度以及径向速度梯度最大值所在高度的自动提取.结果 表明,利用径向速度的梯度特征,可有效对降水过程中的融化层进行识别,算法不易受云内对流活动影响;在融化层内部,反射率因子与径向速度在垂直方向上的突变范围一致;通过与对应观测时刻探空资料的零度层高度进行对比,表明反演的融化层高度与实际情况接近.

摘要： 为了解决当前图像匹配算法主要是通过像素点间的距离信息来实现特征匹配,忽略了图像间的方差信息,导致匹配结果中存在较多的错误匹配等不足,本文提出了一种基于拉普拉斯特征制约与方差度量的图像匹配方法.首先,引入Harris算子,对图像特征进行粗提取,并利用像素点的拉普拉斯特征,删除伪特征点,对粗提取的图像特征进行优化,获取更为准确的图像特征.然后,依据图像的梯度特征来计算图像特征的方向信息,以此建立特征点的邻域,通过求取该范围内的Haar小波值,从而得到特征向量.采用区域方差模型对图像的方差信息实施度量,并联合特征点的欧氏距离,对特征点进行更为准确的匹配.最后,采用随机样本一致性(RANSAC)机制对特征匹配结果实施优化,剔除其中的错误匹配,从而完成图像匹配.实验结果显示:较当前较为先进的匹配算法而言,在旋转、缩放等几何变换干扰下,所提算法具备更高的匹配准确率,维持在90％以上.

摘要： 为了解决当前图像匹配算法主要是通过像素点间的距离信息来实现特征匹配,忽略了图像间的方差信息,导致匹配结果中存在较多的错误匹配等不足,本文提出了一种基于拉普拉斯特征制约与方差度量的图像匹配方法。首先,引入Harris算子,对图像特征进行粗提取,并利用像素点的拉普拉斯特征,删除伪特征点,对粗提取的图像特征进行优化,获取更为准确的图像特征。然后,依据图像的梯度特征来计算图像特征的方向信息,以此建立特征点的邻域,通过求取该范围内的Haar小波值,从而得到特征向量。采用区域方差模型对图像的方差信息实施度量,并联合特征点的欧氏距离,对特征点进行更为准确的匹配。最后,采用随机样本一致性(RANSAC)机制对特征匹配结果实施优化,剔除其中的错误匹配,从而完成图像匹配。实验结果显示:较当前较为先进的匹配算法而言,在旋转、缩放等几何变换干扰下,所提算法具备更高的匹配准确率,维持在90%以上。

摘要： 在工业化、城镇化、城乡一体化的背景下,黄土区矿-农-城复合区用地矛盾突出,农村居民点的分布受到退耕政策、城乡建设及露天采矿损毁的影响.该文选用1986、1996、2000、2004、2009、2013共6期平朔矿区TM影像解译并提取农村居民点信息,分析黄土区矿农城复合区农村居民点分布及时空变化特征,并利用缓冲区分析法研究其梯度特征并进行拟合分析.结果表明:从农村居民点乡镇分布来看,农村居民点与乡镇所处的地理位置、农业生产条件及城镇化水平紧密相关;通过对农村居民点分区研究,其主要分布在井农复合区和快速城镇区;农村居民点板块呈分散化、形态复杂化趋势.农村居民点转出的主要流向是耕地,此外不同研究阶段不同矿区功能用地中农村居民点转换的主体不同.露天开采对整个研究区农村居民点的分布存在一定影响,各研究期农村居民点面积的比例随缓冲区半径的变化趋势呈现较强的一致性,半径6-7km、半径7-8km成为研究区露天采煤对农村居民点分布扰动的重要分界点.除2000年外,在一定缓冲区半径范围内,农村居民点面积随着缓冲区半径的增加而增加,随后随着缓冲区半径的增加而减少.

摘要： 传统方法将车标定位与识别分开进行,定位的误差将会给后续的识别带来影响,并且车标图像具有低分辨率、低质量的特点.提出了一种新颖的车标定位和识别有机整合的方法.通过稀疏取样对样本图像进行取点采样,将点集分为邻近点集和非邻近点集,分别对其提取梯度特征和明暗特征,构建特征库,对车标粗定位区域进行多尺度扫描.实验结果表明,该方法在车标检测识别效率方面具有更大的优势,而且对于不同类型的车标图像都具有鲁棒性.

摘要： 通过实验初步探索分析了表面粗糙度、检测仪器对钢球磨板硬度检测值的影响,及钢球磨板的硬度梯度特征等内容.

摘要： 为了提高交通视频车标识别的正确率,本文提出了一种基于HOG和LBP特征融合的车标识别算法.本文车标识别系统特别为交通视频中车标的图像分辨率低问题而设计.首先利用车牌位置粗定位车车标和形态学方法精确定位车标.然后提取车标的纹理特征LBP和梯度特征H0G,利用多数投票机制进行特征融合,作为最终的识别特征.最后利用支持向量机对车标进行识别.实验结果表明,本文车标识别算法识剐率为97.27％,相比于基于LBP单一特征和H0G单一特征的车标识别率分别为94％和95％,具有较高的识别率和工程性.

摘要： 提出一种基于纹理和梯度特征的多尺度图像融合方法.采用纹理提取滤波器和边缘梯度滤波器模板分别对每层高斯金字塔进行滤波,生成多尺度纹理和边缘图像,使得多分辨率变换域中能够将原图像中的纹理信息包含进来,从而为进一步融合提供更全面的信息量度.采用本文所提出的方法对红外与可见光图像进行融合仿真,并且与具有代表性的融合方法进行了比较.实验结果与图像融合质量评价显示了本文所提出方法的优越性.

摘要： 提出了一种结合车底部阴影的梯度特征寻找并确定可能存在车牌区域，然后利用车牌先验知识排除不含车牌的错误区域，再根据中国车牌类型特征与比例特征初步分割出小范围车牌区域，并利用Soble算子进行边缘检测，最后结合数学形态学进行快速精确定位。实验结果表明，该方法能够快速，实时有效的检测出车牌所在位置。

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： 本发明公开了一种基于梯度方向划分的特征量化的车标特征提取和识别方法，首先对卡口系统拍摄的车标图像进行预处理，计算每个像素的梯度大小和方向，将所有像素的梯度信息存入对应的梯度矩阵；预先划分k个梯度方向，统计每个像素周围所有像素对应k个梯度方向的梯度大小，把梯度大小累加放入k个不同的梯度大小矩阵；分别提取k个梯度大小矩阵的LTP特征，将提取到的k个LTP特征拼接，得到原始车标图像的像素特征；通过K‑means将样本中所有的特征进行分类得到离线码本，最后再使用SVM进行车标图像的分类识别。本发明针对卡口图像中的车标识别提出了具体的识别方案，识别的结果正确率很高，可以满足实际智能交通系统的需求。

摘要： 本发明公开了一种基于梯度方向划分的特征量化的车标特征提取和识别方法，首先对卡口系统拍摄的车标图像进行预处理，计算每个像素的梯度大小和方向，将所有像素的梯度信息存入对应的梯度矩阵；预先划分k个梯度方向，统计每个像素周围所有像素对应k个梯度方向的梯度大小，把梯度大小累加放入k个不同的梯度大小矩阵；分别提取k个梯度大小矩阵的LTP特征，将提取到的k个LTP特征拼接，得到原始车标图像的像素特征；通过K‑means将样本中所有的特征进行分类得到离线码本，最后再使用SVM进行车标图像的分类识别。本发明针对卡口图像中的车标识别提出了具体的识别方案，识别的结果正确率很高，可以满足实际智能交通系统的需求。

摘要： 在通过固定小数点数实现共轭梯度法的情况下降低产生溢出的概率。初始化部(12)生成向量p→0、r→0和值ρ0各自的隐匿值。第一计算部(13)生成向量a→i‑1的D倍的值的隐匿值。第二计算部(14)生成值γi‑1的D倍的值的隐匿值。第三计算部(15)生成值αi‑1的隐匿值。第四计算部(16)生成向量d→i的D倍的值的隐匿值。第五计算部(17)生成向量x→i的隐匿值。第六计算部(18)生成向量r→i的隐匿值。第七计算部(19)生成值ρi的D倍的值的隐匿值。第八计算部(20)生成值βi的隐匿值。第九计算部(21)生成向量p→i的隐匿值。

摘要： 一种功能梯度型无机抗蚀剂，其具有被照射激光的主表面和与上述主表面相向的背面、通过热而变化状态；上述功能梯度型无机抗蚀剂包含单层抗蚀剂；使上述单层抗蚀剂的至少组成从上述主表面侧至上述背面侧连续地变化；上述单层抗蚀剂中，局部被照射激光时达到一定温度的区域的各向异性从上述主表面侧向上述背面侧连续地提高。

摘要： 本发明公开一种基于三维截面特征的梯度空隙结构建模切片方法及系统，方法包括以下步骤：基于蒙皮结构的三维离散特征，根据间距计算不同高度处的截面轮廓在X轴和Y轴的投影点数量占比；基于梯度变化的插值函数，采用三维周期性极小化曲面构建目标骨骼的填充模型，每一层中TMPS坐标沿着蒙皮表面的梯度进行变换，得到带梯度的填充模型后进行重构和动态删减，获得与切平面完全相交的三角面片集合；按照切片位置提取指定高度处的模型截面二值图，沿着内外轮廓的边缘逐步搜索，提取轮廓曲线，进而得到打印的切片结果；对根据骨骼模型轮廓的曲率或强度变化建立梯度TPMS填充模型，减轻重量的同时根据孔隙；大大提高了计算效率。

摘要： 本发明涉及机械超材料结构设计领域，具体是一种具有梯度层叠特征的蛋盒型单胞，该蛋盒型单胞包括上部单胞和下部单胞；所述上部单胞和下部单胞采用镜像对称方式设置；上部单胞和下部单胞的结构相同，均包括至少4层周期间距相同、成形高度不同、单胞单元基体厚度相同或不同的一类单胞单元以一定的布置方式构成梯度层。本发明的有益效果是；由于采用上述技术方案，本发明的蛋盒型单胞通过一类单胞单元的对称叠加，形成其力学特性沿厚度方向的梯度改变，具有结构梯度变化特征和面外负泊松比特性，提高了等效刚度、压缩特性、吸能特性、振动特性等力学性能。

摘要： 一种生成KeyNet亚像素级特征点的局部梯度拟合方法，属于图像处理领域，利用KeyNet网络，在每个尺度平面内检测输入图像的所有像素级精度特征点，生成各尺度平面的响应强度图；对于每个像素级精度特征点，计算该特征点及其相邻八个点响应强度之间的梯度关系，拟合出该特征点的亚像素级坐标，从而将KeyNet特征点的定位精度由像素级提升至亚像素级。本发明的亚像素级最高误差为0.030个像素，平均误差为0.019个像素。对于SIFT算法仅检测到3对正确匹配点对的图像匹配任务，本发明能检测到41对正确的匹配点。本发明对SIFT算法难以匹配的低质量航拍图像进行匹配，显著提升图像匹配性能。

摘要： 本发明公开了一种基于相位梯度误差估计技术的线谱特征增强方法及其系统，包括：1、获取观测阵列信号；2、基于理想阵形波束形成粗略估计目标方位；3、基于估计的目标方位进行常规波束形成处理获得目标方向的跟踪波束数据，基于该数据估计宽带连续谱，对跟踪波束数据进行背景均衡处理；4、基于阀值技术检测目标信号的L个强线谱；5、消除线性时延。6、基于循环移位后的强线谱估计相邻阵元间的二次和高次时延梯度。7、对估计的时延梯度积分，得各阵元相对参考阵元的时延估计。8、基于估计时延补偿阵列信号时延差，通过常规波束形成获取目标跟踪波束，通过傅里叶变换获得保真增强的线谱特征。本发明实现在任意阵条件下的线谱特征增强。

摘要： 本公开提供了一种基于梯度特征的实时异源目标匹配方法，通过离线提取可见光参考图中的关键点梯度特征，将其转换为可进行实时坐标变换的特征点对并进行本地化保存；在线匹配时，读取这些特征点对，进行坐标变换后与实时红外图像关键点特征进行异源特征相似度计算，从而有效提高匹配速度和精度。

摘要： 本发明提供了一种图像中梯度特征的确定方法及装置、脊柱手术机器人，图像中梯度特征的确定方法包括：确定GPU设备中对目标图像中第i个像素块进行处理时可用的第一目标线程块，其中，所述第i个像素块包括N个像素，所述第一目标线程块包括N个线程，N大于等于2且小于等于所述GPU设备单次运行支持的最大线程数，1≤i≤M，M为所述目标图像包括的像素块的总量，M≥1且为整数；针对所述第i个像素块，所述N个线程调用预先封装的像素梯度特征计算核函数并行计算所述N个像素的梯度，以计算出M个像素块中像素的梯度，其中，一个线程针对一个像素；根据M个像素块中所有像素的梯度，确定所述目标图像的梯度特征，可以加快梯度特征的计算速度。