一种基于曲率提取轮廓特征点的方法

对边缘轮廓线进行了自适应平滑,在以轮廓点为中心的支撑区域内定义了曲率角,并根据定义的曲率角及曲率符号,采用简单的模板匹配技术,提取出候选的轮廓特征点,对候选点附加抑制条件得到真正的特征点．此方法减少了数字化误差及噪声带来的影响,抗干扰性好,且运算量较小．实验表明,该方法具有很好的轮廓特征点检测及定位能力     

基于改进Canny算法的女性服装款式轮廓检测研究

为了降低女性服装多样性(如纹理、款式等)在边缘提取环节带来的难度,提出一种改进Canny算法,使得服装款式图像的轮廓提取更具有实用性和强适用性.创建女装图像的样本库后,对样本进行图像预处理,并使用Otsu算法对所获得的灰度图像进行二值化,凸显出目标的服装轮廓.然后在Canny算法中采用自适应的双阈值进行边缘分割,提升边缘的准确性,并设计追踪算法,提取服装款式的外部轮廓,减少了纹理和服装所形成的噪声.根据实验结果,对比微分算子算法和改进Canny算法.该算法在女性服装款式轮廓提取时,表现出良好的鲁棒性、准确性和连续性.     

基于分级轮廓分形特征的舰船目标识别方法

采用一种共线性检查算法去除舰船轮廓这，利用轮廓曲率的分级分形特征建立前视成像木制导过程中舰船目标的分级模型数据库，提出了一种基于分级分形特征的大型舰船目标识别方法，对舰船目标的实验结果表明了该识别方法的有效性和正确性。     

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.     

基于分级轮廓分形特征的舰船目标识别方法

采用一种共线性检查算法去除舰船轮廓底边，利用轮廓曲率的分级分形特征建立前视成像末制导过程中舰船目标的分级模型数据库，提出了一种基于分级分形特征的大型舰船目标识别方法．对舰船目标的实验结果表明了该识别方法的有效性和正确性．     

关于绘画服装款式图技法的几点

以工艺结构为主的的服装款式图,在服装生产中起着非常重要、非常实际的作用。这种形式的效果图主以表现服装款式的基本比例及主要结构为主,这种图的画法有一定的规范和要求,为服装的工艺设计和生产提供参照和依据,也是如实表达设计师设计思想的最佳方案。     

基于轮廓曲率的树上苹果自动识别

为实现机器人采摘作业中苹果的空间定位,研究了单幅自然光条件下果树图像中苹果及其果柄识别定位的方法.建立以规格化的r,g为输入,苹果、树枝、树叶等为输出的三层BP神经网络模型,用于图像分割,经预处理后,提取苹果目标,根据目标形状将苹果分为5类,通过不同的圆拟合方法得到苹果的准确位置.在对被遮挡苹果进行圆拟合时,依据目标轮廓曲率的变化,抽取连续光滑轮廓线段,用采样点平均曲率的倒数作为拟合圆的半径,再由几何关系求出圆心位置.结合苹果的拟合圆,给出果柄所在的近似矩形区域,在区域内分割出树枝部分,进而利用投影法确定果柄的精确位置.通过对40幅果树图像试验表明,苹果及其果柄的识别率在80%以上.     

基于曲率的轮廓精确分段技术

提出了一种基于轮廓曲率及曲率累加和曲线的轮廓精确分段方法。不仅吸收了曲率类方法所具有的旋转不变性及计算量少的优点，而且吸收了直接法对单纯直线类轮廓准确分段的优点，实现对复杂轮廓的精确分段。     

基于角点特征的目标识别方法

针对基于角点特征的目标识别存在的不足,提出了一种角点特征的构造方法,这种特征具有平移不变性、旋转不变性、尺度不变性以及对噪声的抗干扰能力.利用角点间的全局约束和局部约束得到类型可分离程度较高的模式向量,并根据目标角点的空间关系对模式向量进行适度的维数约简;根据目标的三维模型建立二维视面模型,从而提取出目标在不同姿态下的特征,解决目标姿态变化造成的难以识别的问题.结合反向传播网络的分类能力,将其应用到视点变化的目标识别领域.与其他三种形状特征进行实验对比,结果证明该方法在视点发生变化时对目标的识别更为有效.     

基于特征点和轮廓特征的粘连数字分割

提出一种粘连数字分割的新方法．利用粘连数字图像细化后得到的特征点给出图像的图表示,然后结合粘连数字的轮廓特征给出分割候选点,最后利用本文定义的分割效果评价标准,从分割候选中给出最佳分割．实验证明本文给出的新方法具有分割结果良好并且速度快的特点．     

基于轮廓形状分析的纱识别方法

提出了基于轮廓形状分析的图素识别方法，该方法克服了轮廓矢量匹配识别算法的缺陷，提高了纱识别的完整性。轮廓形状分析还被用于字符串与图线粘连下的字符串提取。     

基于知识的服装款式设计系统的研究

分析了服装款式辅助设计应用程度较低的原因,通过对服装款式设计过程的分析，进行了系统的体系结构设计、风格化部件库建立、知识的表示。实现了以风格化设计为基础具有一定智能性的款式设计系统。对服装款式辅助设计的进一步研究及应用推广有着重要意义。     

基于最小误差逼近的轮廓特征点提取

针对轮廓曲线的多边形近似和特征点提取,提出了多边形逼近误差和局部最小误差逼近特征点的定义和相应的实现算法.该特征点对轮廓曲线进行树状递归划分,并最大限度地减小逼近误差.使得在给定特征点数目情况下,多边形逼近误差为最小.在给定逼近误差的情况下,特征点数目为最少.对于轮廓线的特征提取、优化多边形逼近、压缩表示具有一定的意义.     

基于曲率模态的箱梁损伤识别方法研究

随着我国高速铁路的快速发展，针对高速铁路中桥梁的损伤识别研究已成为热门领域。通过曲率模态理论对实体单元建立的混凝土箱梁有限元模型进行损伤识别可行性研究，分析不同损伤位置、损伤程度和测点位置条件下损伤指标的变化。结果表明，结合曲率模态理论方法和实体单元建模方法可以更加全面准确地对损伤结构进行识别，为今后高速铁路桥梁检测提供参考。     

服装款式细节的数字化实现

以“图元构造”和“函数模拟”的思想在B-3次样条曲线上绘出规则和不规则服装细节图案，突破了以往服装CAD设计中手工绘制细节图案的传统。生成的细节图案参数可控，细节图案可调，并能沿着服装设计时给定的曲线准确贴合，且具有缩放、旋转等各种图案变换功能。     

服装款式图的空间结构研究

在不考虑面料形变的前提下,通过分析服装平面款式图的空间结构,得出服装平面款式图是服装平铺状态下的空间立体投影.假设平铺状态下的服装是刚性几何体,在建立该几何体的数学模型基础上,得出原型纸样与款式图的映射关系,从而实现了款式图到工业纸样的结构信息传递.     

基于轮廓形状分析的图素识别方法

提出了基于轮廓形状分析的图素识别方法，该方法克服了轮廓矢量匹配识别算法的缺陷（在图素生成或曲线跟踪过程中，在分枝点出现的生长或跟踪错误），提高了图素识别的完整性．轮廓形状分析还被用于字符串与图线粘连下的字符串提取     

基于车辆轮廓定位匹配的车型识别方法

采用背景减法提取运动车辆目标的轮廓,用外接矩形对目标轮廓进行定位,选取轿车、客车和货车3种车型的侧面轮廓作为标准样本,分别计算待识别车辆的侧面轮廓与3种标准样本的匹配程度系数,保留系数较小的两类标准样本,然后采用Hausdorff距离算法计算待识别车辆轮廓与剩余两类样本之间的匹配程度,认定Hausdorff距离较小的两者具有相同的车型.实验结果表明,该方法准确、有效且实时性较好,在高速公路收费站、自动收费停车场等场合具有较大的实用价值.     

基于角点及局部特征的饮料瓶识别方法

将机器视觉技术引入饮料瓶自动回收系统中.针对饮料瓶（PET材质）自身的特点,基于局部特征及几何不变性,采用一种亚像素级精度的角点提取方法,定义以角点为中心的左右曲线夹角及其符号作为饮料瓶的特征值,并提出基于“块”的快速匹配算法.实验结果表明,该算法具有较好的稳定性和可区分性,算法识别率高、速度快,能很好地满足饮料瓶自动识别回收的准确性和实时性要求.     

基于关键帧轮廓特征提取的人体动作识别方法

为了在人体动作识别中获得更加准确的前景分割和防止关键信息的几何丢失,提出一种利用关键帧提取关键姿势特征的人体动作识别方法.由于背景建模和差分获得的前景不准确,利用基于纹理的灰度共生矩阵提取动作轮廓,并对原图像帧进行分割;然后计算人体Blob的能量,选取最大信息内容的帧作为关键帧,关键帧的获取使得特征提取对时间的变化具有一定鲁棒性;在特征分类识别阶段,为了提高分类的准确性,提出使用支持向量机-K最近邻(support vector machine-k nearest neighbor,SVM-KNN)混合分类器完成分类.在Weizmann,KTH,Ballet和TUM 4个公开数据集上实验验证了该方法的有效性.相比于局部特征方法、全局特征方法和关键点方法等,该方法获得了更高的识别率.此外,实验结果表明,该方法在KTH和Weizmann数据集上的早期识别效果优于Ballet数据集.