-
题名新的基于图像显著性区域特征的织物疵点检测算法
被引量：8
- 1
-
-
作者
赵波
郑力新
潘旭玲
周凯汀
徐园园
-
机构
华侨大学计算机科学与技术学院
华侨大学信息科学与工程学院
华侨大学数学科学学院
-
出处
《计算机应用》
CSCD
北大核心
2012年第6期1574-1577,共4页
-
基金
福建省产业计划开发项目(25201071)
泉州市科技计划项目(2010G1)
-
文摘
鉴于织物疵点类型的多样性和传统人工检测方法的低效率,为更有效地检测织物疵点,提出一种新的基于图像显著性特征的织物疵点检测方法——SGE。将原织物图分成相同两份:一份利用改进的基于频率的显著性区域(FSR)方法提取区域特征,粗定位疵点位置。另一份先Gabor滤波,取Gabor模图为输出特征;再利用基于像素的显著性区域(PSR)方法进行区域特征提取,细定位疵点位置;然后利用最大熵分别对粗细定位的疵点图进行分割,再融合;最后描绘轮廓,计算周长和面积,去除孤立点,得最终检测结果。采用OpenCV算法库,选取了4种具有代表的织物疵点图片进行验证。实验结果表明,这种粗细定位疵点的方法能够获得较好的检测结果,无需事先学习,能够满足实时性要求。
-
关键词
疵点检测
显著性区域特征
GABOR滤波器
最大熵
OPENCV
-
Keywords
defect detection
saliency region feature
Gabor filter
maximum entropy
OpenCV
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名一种提取反向协同显著区域特征的表情识别算法
被引量：5
- 2
-
-
作者
罗源
张灵
陈云华
曾碧
姜文超
-
机构
广东工业大学计算机学院
-
出处
《小型微型计算机系统》
CSCD
北大核心
2018年第7期1585-1589,共5页
-
基金
广东省自然科学基金博士启动项目(2014A030310169)资助
广东省自然科学基金面上项目(2016A030313703)资助
+3 种基金
广东省自然科学基金(2016A030313713)资助
广东省科技计划项目(2016B030305002)资助
广东省交通运输厅科技项目(科技-2016-02-030)资助
广州市重点科技项目(201604020016)资助
-
文摘
针对单幅表情图像识别缺乏表情间关联性及单分类器的局限性问题,提出一种基于反向协同显著区域特征的人脸表情识别方法.该方法首先对数据库进行预处理,获取表情图像的纯人脸区域,再选取相同的人七张不同表情图像,利用反向协同显著区域算法对选取图像提取表情之间的变化区域并作为显著区域,然后利用纹理和形状特征对显著区域进行描述,最后采用多分类器决策机制进行分类.在JAFFE和CK人脸表情库的实验结果表明,该方法在降低特征维度的同时,能挖掘出表情的显著区域部分并能对表情进行有效的描述,与其他近似的人脸表情识别方法对比,识别率平均提高了2.5%.
-
关键词
反向协同
显著区域特征
多分类决策机制
表情识别
-
Keywords
reverse co-saliency
salient region features
expression-correlation multiple classifiers decision
facial expression recognition
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于形状上下文的低质量车牌字符识别方法
被引量：7
- 3
-
-
作者
万燕
李晓园
周增刚
-
机构
东华大学计算机科学与技术学院
-
出处
《计算机应用与软件》
CSCD
北大核心
2013年第5期267-270,310,共5页
-
文摘
车牌字符识别的问题已经被广泛研究,但是对于一些低质量字符的识别率还是有待提高,特别是形近的字符,如(4,A)。针对这一问题提出一种结合局部特征和形状上下文特征的两级识别方法。在第一级分类时(称为粗分类),将形近字符识别为一类。若粗分类结果不是形近字符,则输出识别结果;否则进入第二级分类器进行细分类。细分类使用形状上下文的方法,并结合显著特征区域的思想,针对不同类别的形近字符,运用基于显著特征区域的形状上下文方法进行特征提取,再通过图像匹配得到识别结果。实验证明这种方法能够有效地对低质量形近字符进行识别。
-
关键词
低质量车牌字符
多级分类器
形状上下文
显著特征区域
-
Keywords
Licence plate characters with poor quality Multistage classifier Shape context Remarkable feature regions
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
