一种基于特征点的二维碎片匹配算法

提出了一种基于特征点的二维碎片轮廓匹配算法,有效地减少了匹配过程中的计算量。先对图像轮廓进行提取和去噪,计算轮廓曲线的曲率后选取特征点。接着计算特征片段的弧长与弦长比值,作为曲线特征进行匹配。实例表明,该方法提高计算的效率和匹配的成功率。     

手写字符轮廓曲率的特征提取和识别

首先对手写体字符图像进行平滑,同时获取字符的轮廓点.然后提出了一个字符轮廓曲率计算的有效方法,为了利用小波变换对曲率信号进行去噪和平滑,该方法不是直接从轮廓点出发,而是进一步抽样得出新的轮廓点.最后得到了不受字符旋转、平移、大小、位置影响的字符特征,以及相应的识别算法.实验结果表明,它在单一的特征识别方法中优于其他方法.     

多视角三维识别

曲率尺度空间图像轮廓线的最大值可以用来表达物体边界并与2维平面图像对应。由存储数据库随机调用相应标准图像可以识别未知物体。采用有限少数图像并修复形变图像轮廓，尝试有条件地识别三维物体。     

基于离散曲率特征的弧线形状检测方法

物体形状检测是实现机器人自主环境理解的基础.针对机器人作业场景经过色彩分层及多尺度滤波分割后的物体表现为连通域,以及便于分析形状的特点,提出了一种基于离散曲率特征的物体轮廓弧线形状检测方法.该方法将物体轮廓提取、直线和特征点检测作为基础,剔除影响弧线检测的轮廓直线,并根据剩余轮廓各点处的离散曲率滑动变化特性检测弧线特征.对机器人作业场景实物进行实验,弧线形状检测的平均正确率达到90.6%,处理时间为0.75 s,表明该方法能有效地对物体轮廓弧线形状进行检测.     

基于点上下文描述子的三维手势轨迹识别

提出了一种基于曲率窗的点上下文描述子的三维手势轨迹识别方法,该方法通过采用曲率窗选取手势轨迹的上下文点,既有效地降低了描述子的维度,又提高了对三维手势轨迹的识别率.首先,计算三维手势轨迹上所有点的U弦长曲率;然后,选取曲率最大且相互分离的点作为手势轨迹的上下文点;最后,将每个轨迹点与上下文点之间的欧氏距离作为该点的特征向量.采用上述方法提取三维手势轨迹的形状特征,支持向量机(SVM)用于分类识别.实验结果表明:该方法对澳大利亚手语数据库(ASL)中任意8类三维手势轨迹的平均识别率达到92.98%,并且识别结果具有旋转、尺度、平移(RST)无关性.     

基于仿射不变性特征的视点空间划分

为了简化三维物体的识别过程,提高三维物体识别的识别率,该文利用Multi-scale autoconvolution、Trace变换、Zernike矩3种仿射不变性特征,对飞机、汽车、人等三维物体进行视点空间划分,用尽可能少的不等间隔的三维物体的二维投影图像来表达三维物体,并以此为依据进行三维物体识别。在此基础上提出一种针对不同类型物体的仿射不变性特征提取策略,并建立一个实现三维物体任意姿态识别的软件系统平台,应用Princeton形状标准库中的部分模型对该平台进行测试。结果表明,该方法能够取得较好的识别效果,识别率在90%以上。     

基于仿射不变性特征的视点空间划分

为了简化三维物体的识别过程,提高三维物体识别的识别率,该文利用Multi-scale autoconvolution、Trace变换、Zernike矩3种仿射不变性特征,对飞机、汽车、人等三维物体进行视点空间划分,用尽可能少的不等间隔的三维物体的二维投影图像来表达三维物体,并以此为依据进行三维物体识别。在此基础上提出一种针对不同类型物体的仿射不变性特征提取策略,并建立一个实现三维物体任意姿态识别的软件系统平台,应用Princeton形状标准库中的部分模型对该平台进行测试。结果表明,该方法能够取得较好的识别效果,识别率在90%以上。     

基于分形维数的火焰特征提取方法

本文运用分形维数可以表示曲线的复杂程度的特性来提取图像轮廓特征,它具有计算简单、物理意义明确、抗干扰能力强的特点。实验证明该方法计算简单,处理速度快,为进一步进行火焰图像的识别奠定了基础。     

基于机器视觉的烹饪机器人锅具识别算法

全面介绍了基于机器视觉的烹饪机器人锅具识别算法,用于提取复杂背景中的锅具曲线.算法分为两个阶段:特征点确定、图像匹配.使用曲率作为特征点,给出了数字图像的离散特征点计算方法和加权Hausdorff距离识别锅具轮廓特征点.解决了图像因为旋转、位移、缩放造成图像形变以及由于锅具动作图像部分遮挡、动态模糊造成识别困难问题.实验表明该锅具识别算法能够高效地提取画面中的锅具轮廓,能较好地满足烹饪机器人示教系统的要求.     

利用弦长不变特征的叶片截面轮廓匹配算法

针对大型燃气轮机叶片型面形状加工质量高精度检测分析评价中的无基准坐标匹配问题,提出了一种利用截面轮廓曲线弦长几何不变特征的精确坐标匹配算法.该算法在获取对应截面轮廓数据后,基于叶片截面轮廓曲线对应弦长不变特征建立目标函数,并依此计算出理论轮廓曲线中与测量数据对应的坐标点,构造出坐标变换超静定方程组,然后通过豪斯荷尔德矩阵变换方法计算出该坐标变换的最小二乘最优解.采用该算法计算出叶片截面轮廓曲线的模拟测量数据与理论数据之间的坐标变换矩阵,得出了该变换矩阵下的截面轮廓评价结果,其偏差小于1.5μm,表明该算法对于自由曲面的大型燃气轮机叶片型面形状加工质量的检测评价具有较好的应用效果.     

新轮廓波变换与二维非负矩阵分解的图像融合

为了克服经典轮廓波变换存在Gibbs现象的缺陷,提出一种基于新型轮廓波变换与二维非负矩阵分解模型的图像融合方法。与经典模型相比,新型轮廓波变换很大程度上改善了成像效果,该方法首先对原始待融合图像进行分解;其次,对经典非负矩阵分解模型进行改进,提出二维非负矩阵分解模型,并利用该模型完成对低频分解系数和高频分解系数的融合;最后,采取新轮廓波变换的逆变换获得最终结果图像。仿真实验结果表明,该方法在主观效果和客观评价过程中均有良好的表现。     

新轮廓波变换与二维非负矩阵分解的图像融合

为了克服经典轮廓波变换存在Gibbs现象的缺陷,提出一种基于新型轮廓波变换与二维非负矩阵分解模型的图像融合方法。与经典模型相比,新型轮廓波变换很大程度上改善了成像效果,该方法首先对原始待融合图像进行分解;其次,对经典非负矩阵分解模型进行改进,提出二维非负矩阵分解模型,并利用该模型完成对低频分解系数和高频分解系数的融合;最后,采取新轮廓波变换的逆变换获得最终结果图像。仿真实验结果表明,该方法在主观效果和客观评价过程中均有良好的表现。
     

基于小波变换和改进PCA的人脸特征提取算法

针对在人脸图像高维数据降维时单纯使用主成分分析(PCA)算法的提取精度和速度受限问题,  提出一种基于小波变换和改进PCA的混合特征提取算法. 该方法首先对人脸图像进行小波分解, 选取低频分量对人脸图像进行特征提取;然后利用改进的PCA算法进行主成分提取, 获得代表人脸特征的特征向量; 最后将该算法应用于Olivetti Faces人脸库数据集的图像分类. 实验结果表明, 经过该混合算法处理后的图像特征数据, 由卷积神经网络(CNN)算法分类识别时准确率提升10%, 识别速度提高约37%.     

一种基于轮廓特征的运动目标识别方法

针对视频图像中形状匹配的局限性,即当待检测物体出现平移、旋转变化时识别目标需要很长的计算时间,提出了一种基于轮廓特征的运动目标识别方法.首先获取能自动更新的背景图像,采用背景减法提取运动目标的轮廓,然后运用其轮廓的边界不变矩特征和形态学特征,构建一个轮廓特征向量的模型,再分析比较待测运动目标轮廓特征向量与每类标准样本之间的欧氏距离,实现对运动目标的识别分类. 试验结果表明,该方法具有识别精度高、计算量小、实时性好的特点.     

基于轮廓的物体识别与定位方法

给出一种通过物体轮廓匹配来识别物体和对物体姿态进行定位的方法。该方法基于提取物体的轮廓信息,然后通过与库存物体的轮廓信息进行匹配来认识物体的类型,最后与库存物体模型的外轮廓进行逐点匹配,获取累计偏差和,通过二分法逐渐逼近最佳相对转角,使累计偏差和变小,从而使当前物体与库存物体模型的相对转角达到较高的精度。本方法可用于生产装配线上的零件识别,具有适应性好,定位准确的特点。     

基于等距变换的三维点云相似性检测算法

本文研究目的是运用基于等距变换的三维点云相似性检测算法来为三维点云识别和分类问题提供新的方法.该研究方法利用投票空间的思想,认为相似的点对具有相同的等距变换.首先,通过B样条参数曲面拟合表达物体形状.其次,定义了一种主曲率和法向量组成的局部几何特征来匹配特征点对.计算点对特征之间的等距变换,将等距变换进行分类,比较同类等距下点对间特征的等距距离.最后,在每类等距变换下,对具有相同近似等距的点对进行基于PCA的聚类算法,从而得到相似点对之间构成的相似区域.实验研究结果显示在通过普林斯顿和TOSCA点云数据集下测试,对原始点云进行等距变换、噪声、降采样的处理后,能够检测到物体形状上的相似区域.研究结论:通过实验,验证了算法的可行性和鲁棒性,该方法简化了数据的预处理的过程,能够高效检测物体模型的相似性,对三维点云的分类和识别问题有着很好的应用前景.     

一种局部特征点提取方法及在监控系统中的应用研究

描述了一种局部不变特征点的方法,该方法能够用于在物体、场景的不同视图之间完成可靠的匹配。其具体方法是通过使用快速最近邻算法将来自已知对象的特征数据库的各个特征匹配,随后进行霍夫变换以识别属于单个对象的群集,最后通过用一致姿态参数的最小二乘解决方案进行验证。这种识别方法可以在实现接近实时性能的同时,较好地识别匹配图像中的对象。     

港口目标特征提取与识别

港口目标的识别包括两个方面：识别港口轮廓和识别轮廓两侧的港口纹理,轮廓链码表示轮廓的走向及轮曲线的曲率,经过自适应平滑后由波变换的极大值检测得到角点,即大曲率点,港口轮廓的基元是一种连续四个角点的结构,基元的识别取决于这些角点有关的三个特征,这些特征只与角点的角度正负性质有关。     

基于结构光和序列图像的三维重建方法

为解决在基于图像三维重建物体表面的过程中,对不同图像进行立体匹配的难题,提出了基于特征的立体匹配算法,建立了利用序列图像重建物体表面的系统。系统采用投影结构光给物体表面加上主动特征的方法,以快速精确地重建物体表面,并对Canny算法进行了改进,用于轮廓提取、细化和修正等操作,从而准确获取图像主动线索特征。该方法能快速获取物体表面的三维点云数据,并达到了较高的精度。     

采用改进的尺度不变特征转换及多视角模型对车型识别

针对车型识别过程中车辆的姿态复杂以及采集图像时尺度缩放和光照等因素导致识别出现困难的问题,提出采用改进尺度不变特征转换(SIFT)及多视角的车型识别算法。该算法对尺度不变特征提取方法进行改进,并获取车型特征;通过视觉聚类对车辆进行多视角建模;利用最佳节点优先搜索算法完成特征向量的近邻搜索,并根据匹配相似度完成车型识别。实验结果表明,该算法所给出的车型识别方法具有可行性和有效性,可以在不同的图像畸变条件下保持稳定性,最终的车型识别效率也都可达到90%,所用时间要低于SIFT方法,处理时间在原SIFT方法的基础上降低了20.58%。