一种新的基于形状特征的图像检索方法

提出一种新的基于形状的图像特征提取和匹配方法.综合采用改进的不变矩和二维极坐标傅里叶描述子对形状特征进行描述.改进的不变矩可以描述物体的整体形状信息,具有平移、旋转和尺度不变性,二维极坐标傅里叶描述子可以对形状的相似性进行定量判别,具有较强的通用性.最后,采用线性加权求和的方式计算综合相似度,将具有较高相似度的结果集返回给用户.实验结果表明,与其它检索方法相比,该方法可以有效地提高检索的查全率和查准率.     

融合轮廓和区域特征的形状描述子

提出了一种融合轮廓和区域信息的新的形状描述子。首先提取图像的轮廓,并对轮廓进行采样,形成描述形状轮廓的有序点列表。之后对每个采样点分别顺时针和逆时针等距离跟踪获得两个邻点,计算相邻点距离、拱高以及质心距离三个函数的均值、方差和极差。然后获取由拱高和质心距离组成的复函数的傅里叶描述子。组合统计值与傅里叶描述子形成轮廓特征。最后对区域进行采样形成形状矩阵,获得低频傅里叶系数作为区域特征。对MPEG—7标准图形库的检索实验显示,该描述子的检索性能显著优于三角形面积函数、质心距离函数、拱高半径复函数和Hu不变矩等同类描述子。     

基于多级三角形面积函数的傅里叶形状描述子

提出了一种用于形状检索的基于多级三角形面积函数的傅里叶描述子.对形状轮廓上任一点,多级三角形面积函数通过轮廓的非等弧长分割计算得出,可以很好地描述形状的整体特征和局部细节特征.形状特征向量由多级三角形面积函数的低频傅里叶变换系数构成.在标准的MPEG-7形状图像库上对该方法进行了图像检索实验,并与已有的分别基于中心距离函数、面积函数、最远点距离函数、角度半径复函数、拱高半径复函数的傅里叶描述子以及混合傅里叶描述子进行了检索性能比较.实验结果表明,所提出的方法在相同查全率时具有最高的查准率,且具有较低的计算复杂度,证明该方法的有效性.     

两种形状识别方法及其实验

物体的形状识别是模式识别的重要方向,广泛应用于图像分析、机器视觉和目标识别等领域.目前,对形状识别的主要方法有傅里叶描述子、主分量分析等.对傅里叶描述子、主分量分析方法进行了详细阐述,通过对仿真得到的数据分析比较,验证了主分量分析法和傅里叶描述子方法对形状识别具有比较好的效果.     

基于傅里叶描述子的车牌号码识别

车牌号码识别基于图像处理、计算机视觉与模式识别技术,在智能交通系统(Intelligent Transportation System,ITS)研究中占有重要的地位.傅里叶描述子是一种常用的描述物体形状和边界的表示方法,它具有对平移、旋转、缩放等几何变化不敏感的特性.使用傅里叶描述子对常见车牌中的字母及数字的边界进行匹配识别,主要分为对车牌的预处理,对字母或数字的边界提取,对边界点的傅里叶描述子计算,与标准模板的匹配过程.实验结果表明利用傅里叶描述子可以有效地识别出存在一定几何失真的车牌号码.     

红外图像中的行人检测

为了有效地检测红外图像中的行人,提出了一种基于神经网络的检测方法。采用三维中值滤波来提取背景图像,用图像差分法提取目标区域(regions of interest,ROIs),提出傅里叶描述子作为目标区域形状特征;设计了BP神经网络分类器并用来对ROIs进行识别。通过大量不同种类不同形状的样本对分类器进行验证,结果表明该分类器具有较高的识别率和较低的虚警率,能够快速有效地识别ROIs,具有良好的分类能力。     

基于傅里叶描述子的图像检索技术研究

物体的形状分析和识别是模式识别的重要研究方向,其中傅立叶描述子是其重要方法之一,归一化傅立叶描述子具有旋转、平移、放缩不变性和对起始点的选取不敏感的特点.利用傅里叶描述子对二值图像轮廓进行处理得到特征向量,在获得特征向量后,对待检索图像的特征向量和数据库中的图像用过使用相关系数的度量方法进行相似性比较.在P100数据库上进行实验,通过对实验结果进行分析,表明傅里叶描述子在图像检索准确率方面与保留傅里叶描述子点个数的多少有很强的相关性.     

傅里叶描述子及DIP应用

计算机视觉常以物体特征为基础进行区别、分类,本文以傅里叶描述子描述物体的形状特征,同时借助快速傅里叶变换完成傅里叶描述子的程序实现,并作为数字图像处理DIP的基本技术应用在区域分类、物体轮廓识别等方面。     

一种基于形状信息描述的图像特征匹配算法

针对已有匹配方法匹配特征点少、图像匹配精度低的问题,提出一种基于边缘形状描述子的图像特征匹配算法。该算法首先利用曲线凸性将图像边缘分割为近似直线段组,再将连接多个直线段的点定义为关键点,将关键点周围直线段组定义为形状特征包,最后利用局部形状特征包中所有点集相对其几何中心的位置关系分布形成描述子。实验结果表明：该算法的图像匹配正确率均高于SIFT算法和Shape Context算法,且对噪声问题不敏感,可应用于基于Hough变换的物体检测。     

结合图像信息和几何关系的配准算法

对图像配准中的特征点检测方法和描述方法进行了研究,提出了一种快速准确的图像配准算法.使用尺度空间理论进行特征点的检测,通过两种不同的特征点描述子对特征点进行描述:一种是基于图像信息的描述子,该描述子使用尺度空间理论上的尺度不变Harris算子的自相关矩阵来描述特征点;第二种是基于空间上的几何关系的描述子,提出了一种融合局部结构特征和全局信息的描述子.在图像配准的目标函数里,将特征点匹配矩阵和图像变换矩阵分解,分别使用两种不同的描述子对二者进行迭代求解.该算法结合了两种特征点描述方法的优点,实验结果表明该方法快速、准确,具有配准精度高和计算时间短的优点.     

用于精确定位的最佳匹配区选择分形法

图像中任意点局部邻域的分形维数越大,该领域图像数据的相关性越小,相关匹配搜索时定位该区域就越容易。由此提出了利用分形维数作为分离参数,在基准地图上选择最佳匹配区的方法。用相关法对选出的最匹配区验证表明,分形方法比传统的相关方法在选择最佳匹配区时,定位精度更高,计算更快。     

基于Kinect的中国手语识别

基于微软Kinect提取的深度图像信息,提出了一种新的中国手语识别方法。该方法首先利用Kinect获取人体主要骨骼的3D坐标和手的3D坐标;然后根据中国手语的手型、手的位置和手的方向3个主要构造成分,分别采用DBSCAN和K-means聚类算法获取手语特征中的手的位置基元和方向基元,提出一种结合CLTree和Attribute bagging聚类集成方法提取手型基元;最后将这3类基元进行组合采用模板匹配方法识别中国手语。通过对选取的72个中国手语进行识别实验,平均识别率为90.35%,实验结果说明了方法的可行性。     

基于极线约束SIFT特征和粒子滤波的目标跟踪算法

针对采用颜色或边缘等特征的目标跟踪算法所存在的跟踪效果不稳定的问题,提出了一种基于极线约束尺度不变特征变换(SIFT)和粒子滤波的目标跟踪方法.该方法采用SIFT特征向量构建目标模型,引入极线约束改善目标匹配精度,采用粒子滤波算法获得SIFT特征向量的候选目标模型,利用似然函数计算目标模型与候选目标模型间的相似性.实验结果表明,该方法可解决目标与背景颜色相似时的跟踪失败问题,且对目标外形与位姿发生变化具有较好的适应能力.     

基于直方图的形状描述及骨架图匹配算法

考虑物体形状的多变性,给出了一种基于二维直方图的物体形状描述及骨架图匹配算法.该算法利用骨架长度和骨架上点的圆盘半径作为特征量来描述形状.首先基于二维直方图给出一种形状及骨架端点的特征描述方法,其次结合改进的最优子序列匹配算法实现骨架图的匹配.算法中的形状及骨架端点的特征描述在一些常见非刚性变换下具有不变性.实验结果表明,该算法能够实现一些非刚性变换下的物体形状的骨架图匹配和较高精度的形状检索,且复杂度较低.     

一种新型的图象形状松弛匹配方法

松弛匹配方法是一种重要的图象匹配方法。本文通过图象中特征间的相互关系,利用松弛过程不断更新标识符的原始值,并且引入简单方便的寻优技术,以减少混乱度及提高相容性为原则提出了一种优化准则,从而加速及改善了松弛过程。本文提出的松弛匹配方法还可应用于识别重叠景物,结果优于一般的松弛匹配方法。     

基于形状的遥感图像检索系统

研究了基于内容的遥感图像库的快速检索系统．系统采用基于形状全局特征与局部特征相结合的两步检索策略，由简单的全局特征来过滤掉大部分的非相关形状，利用矢量近似方法来对所属类别进行快速定位，缩小搜索空间；局部特征相似性是通过形状小波变换系数之间的距离直接计算的．仿真试验表明，该查询结构能够高效准确地对高分辨遥感图像和航片进行检索．     

一种基于QC距离的形状匹配方法

形状上下文特征描述是图像描述的一种,形状特征向量的提取和相似度量方法至关重要.提出了一种基于QC距离的形状匹配方法,首先计算所有形状轮廓点间径向和角度的相对位置关系,得到形状的特征描述分布,然后利用QC距离来度量特征分布间的相似度,最终实现形状匹配.在手写数字公测数据集MNIST上的实验结果表明,引入QC距离度量有效地提高了匹配的准确率.     

基于稀疏转稠密机制的仿射不变特征匹配算法

提出一种基于稀疏、稠密特征转换的仿射不变特征匹配算法,其中稀疏特征包括坐标,尺度,仿射模拟参数等,稠密特征指基于图像局部区域内光学属性的局部描述符.本文算法在Affine-SIFT算法基础之上,针对在特征提取阶段仅使用稀疏特征提取的缺陷做出了改进.由于稠密信息只有在稀疏参数满一定足检测条件时才能提取到特征,导致本可以匹配到的特征(包括稀疏、稠密参数)无法提取,将通过使用稀疏特征构造新的模拟图像,通过将稀疏特征重新稠密化,并在模拟图像基础上进一步提取稀疏特征,同时可检测到原始图像中检测不到的可匹配特征,最终达到增大特征建立匹配的概率,提升正确匹配数量的目标.经实验验证,本文提出的稀密特征转换算法相比于ASIFT算法能大量增加特征匹配的数量.除针对ASIFT方法提供扩展外,该方法也可用于扩展具有充分稀疏特征参数的其它特征提取和匹配方法,并适用于目标识别、目标分类和三维重建等问题.     

结合彩色边缘与LBP纹理的图像检索算法

基于图像颜色、纹理和形状单一特征的特征提取和匹配的方法很多,各有优缺点,因此,本文提出了将图像中心区域的uniform模式的LBP纹理与环形分块彩色边缘相结合的图像检索算法。常用的形状检索算法只能对连续封闭曲线才有好的检索效果,而对自然彩色图像检索效果较差,而本文将图像分成几个环形分块,对每一环形分块内的图像提取彩色边缘并形成颜色直方图用于图像形状描述。纹理采用uniform模式的LBP描述,最后采用加权法融合形状特征和纹理特征。根据实验比较,该算法能较大提高大多数类别图像检索的查准率。