广东省工业攻关项目(2004B10101032)
- 作品数：9 被引量：35H指数：3
- 相关作者：黎绍发梁鹏王建覃姜维王成更多>>
- 相关机构：华南理工大学华南农业大学广东技术师范学院更多>>
- 发文基金：广东省工业攻关项目国家自然科学基金博士科研启动基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于苹果着色面积的计算机视觉分级技术研究被引量：14
- 2008年
- 通过数码相机获取不同苹果等级的彩色图像,将图像平滑后利用R颜色分量进行最小错误阀值分割,再进行腐蚀去噪声和孔洞填充,并将RGB值转换成HSL值,最后用像素点变换法恢复苹果在二维投影图中真实的几何信息,重新计算像素点的面积,计算苹果的着色面积并进行分级。实验结果表明,机器识别苹果等级的准确率为89.8%。
- 王建黎绍发
- 关键词：着色面积机器视觉计算机应用
- 基于多尺度LBP金字塔特征的分类算法被引量：14
- 2011年
- 为有效解决旋转变化、光照变化和尺度变化等图像的分类问题,提出一种基于多尺度局部二元模式(LBP)金字塔特征的图像分类算法。通过多尺度LBP金字塔提取各尺度的图像纹理特征,建立图像的多尺度LBP金字塔直方图,并将其作为图像特征向量,采用K-means方法对该特征向量进行降维,以用于图像分类。同时,针对传统二进制权值分布方法对噪声敏感的缺点,提出一种多端权值分布方法。实验结果表明,多尺度LBP金字塔方法具有较好的可鉴别性及图像描述能力,而多端权值分布法也能提高图像的分类精度。
- 梁鹏何俊诗黎绍发
- 关键词：图像分类特征向量
- 基于彩色聚类和人体运动知识的人体运动理解
- 2006年
- 提出了利用人体区域彩色聚类和人体运动的相关知识,理解机器视觉中人体运动的方法。根据人类视觉区分颜色的特性和实时视觉图像,自动调整区域颜色聚类的阈值;对视觉图像中的人体进行区域聚类,并分别计算出各区域聚类中心和聚类区域的质心;根据视觉图像中前后帧相对应的聚类区域质心位置变化,利用人体运动与聚类区域质心位移关系的知识,从整体或细节上理解人体的运动。
- 高东发黎绍发
- 关键词：聚类中心
- 基于PCNN的彩色图像混合噪声滤除被引量：1
- 2010年
- 针对基于阈值线性衰减输出带权均值型脉冲耦合神经网络(L&A-PCNN)的彩色图像混合噪声滤除在进行图像滤波时易产生噪点误判,从而导致污迹斑的问题,结合混合噪声性质,以及PCNN模型的点火特征,对L&A-PCNN算法做出进一步改进,建立新的噪点判断方法,提出基于L&A-PCNN的彩色图像混合噪声滤除改进型算法,仿真实验证明了其有效性。
- 何凯黎绍发王成
- 关键词：脉冲耦合神经网络混合噪声
- 基于局部类别一致k均值聚类的目标识别方法被引量：3
- 2011年
- 针对复杂背景下的目标识别,提出了一种同时检测目标位置和区分目标类别的识别方法.该方法首先从图像中提取丰富的兴趣点,通过图像之间的对极几何约束,过滤出精确匹配的图像兴趣点;然后在兴趣点特征空间用局部类别一致k均值聚类方法生成特征码本;最后,对于给定的测试兴趣点集,通过投票得到表示目标类别的局部特征,采用最大化目标类别和目标位置的联合概率得到前景目标.在Caltech-101数据库和实际场景图像上的实验表明,该方法的识别精度大约提高了8%.
- 梁鹏黎绍发覃姜维
- 关键词：目标识别兴趣点
- 基于半监督学习的增量图像分类方法被引量：1
- 2012年
- 为有效使用大量未标注的图像进行分类,提出一种基于半监督学习的图像分类方法.通过共同的隐含话题桥接少量已标注的图像和大量未标注的图像,利用已标注图像的Must-link约束和Cannot-link约束提高未标注图像分类的精度.实验结果表明,该方法有效提高Caltech-101数据集和7类图像集约10%的分类精度.此外,针对目前绝大部分半监督图像分类方法不具备增量学习能力这一缺点,提出该方法的增量学习模型.实验结果表明,增量学习模型相比无增量学习模型提高近90%的计算效率.
- 梁鹏黎绍发覃姜维罗剑高
- 关键词：半监督学习图像分类
- 一种优化的鞋样图像矢量化方法
- 2007年
- 针对制鞋业中鞋样的录入问题,提出了一种实现从图像格式到图形格式转化的图像矢量化方法。并且形成的图形文件可根据不同鞋业CAD软件的要求而存储成相应的格式。该方法还在轮廓跟踪过程中采用了各种优化算法,从而节省了搜索时间,提高了轮廓线拟合精度,符合了鞋子设计的特殊要求,为鞋业CAD软件的应用提供了良好的基础。
- 代秋芳王建谢家兴刘江
- 关键词：鞋样矢量化
- 结合形态学分水岭的模糊聚类图像分割方法被引量：2
- 2010年
- 图像分割是将图像分成各具特性的区域,并将感兴趣的目标提取出来的技术,是图像分析和计算机视觉中非常重要的研究内容。根据图像单一的属性标准对图像进行分割会产生过分割的现象,不容易提取到图像中有用的信息。结合数学形态学分水岭算法先对图像进行分割,得到了对图像的初步处理结果,再利用模糊聚类方法对分水岭分割产生的图像进行后处理,使得灰度信息相同或相近的点聚合在一起,得到了较好的图形轮廓。
- 王建宋豫晓居本祥
- 关键词：图像分割模糊聚类计算机视觉
- 一种新的无监督前景目标检测方法
- 2012年
- 针对基于无监督特征提取的目标检测方法效率不高的问题,提出一种在无标记数据集中准确检测前景目标的方法.其基本出发点是:正确的特征聚类结果可以指导目标特征提取,同时准确提取的目标特征可以提高特征聚类的精度.该方法首先对无标记样本图像进行局部特征提取,然后根据最小化特征距离进行无监督特征聚类.将同一个聚类内的图像两两匹配,将特征匹配的重现程度作为特征权重,最后根据更新后的特征权重指导下一次迭代的特征聚类.多次迭代后同时得到聚类结果和前景目标.实验结果表明,该方法有效地提高Caltech-256数据集和Google车辆图像的检测精度.此外,针对目前绝大部分无监督目标检测方法不具备增量学习能力这一缺点,提出了增量学习方法实现,实验结果表明,增量学习方法有效地提高了计算速度.
- 梁鹏黎绍发王成
- 关键词：无监督学习特征聚类特征提取
