资料下载
×
可见光和近红外HSV图像融合如何提高数据库的识别精度
消耗积分:0 |
格式:rar |
大小:0.96 MB |
2018-12-20
分享资料个
针对典型自然场景智能观测的需求，为提高稀疏分类器在小样本数据库上的识别精度，提出一种可见光和近红外（ NIR） HSV图像融合的场景类字典稀疏识别方法。首先，利用一直应用在计算机视觉显示领域中的图像HSV伪彩色处理技术将近红外图像与可见光图像融合；然后，对融合图像进行通用搜索树（GiST）特征和分层梯度方向直方图（ PHOG）特征的提取与融合；最后，结合提出的类字典稀疏识别方法得到场景分类结果。所提方法在RGB-NIR数据库上的实验识别精度达到了74. 75%。实验结果表明，融合近红外信息的场景图像的识别精度高于未融合时的识别精度，所提方法能够有效增加稀疏识别框架下场景目标的信息表征质量。
场景识别作为模式识别、计算机视觉系统、信号处理及人机交互等学科的重要技术，在图像（视频）检索、计算机视觉任务、数字图像处理、机器人移动定位、相机智能场景识别等方面都有非常重要的研究意义。常见的场景大致可以分为四类：自然场景、城市场景、室内场景和事件场景。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
