三维异联想Hopfield模型

三维物体的识别是有重要应用意义的课题,神经网络模型是解决该复杂问题的一个途径。作者将神经网络模型表达为矩阵形式,提出异联想矩阵形式的Ｈｏｆｉｅｌｄ模型,从而提出了能较好地解决这一问题的新方案。与传统Ｈｏｐｆｉｅｌｄ模型相比较,该模型对三维物体的识别有较好的识别率,对神经网络的发展和实际应用有重要参考价值。     

二维物体识别的暂态混沌神经网络方法

给出了一种二维物体识别混沌神经网络的方法,该方法采用图匹配方式的二维物体识别可以转化为一个组合优化问题求解。根据二维物体识别的能量函数定义式推导出一种新的暂戾混沌神经网络模型,它采用混沌模拟退火方式求解优化问题。随着分叉尺度参数的逐步降低,ＴＣＮＮ由混沌解逐步稳定在全局最优的解上,从而得出该方法优于Ｈｏｐｆｉｅｌｄ神经网络的方法。     

基于计算机视觉的三维重建技术研究

针对计算机视觉在图像识别和三维模型构建中的广泛应用,本论文对基于计算机视觉的三维重建技术进行了分析探讨,首先分析了当前三维模型重建技术中存在的问题,在此基础上重点探讨了基于机器视觉的三维重建技术应用,给出了基于特征点的三维模型匹配方法,探讨了三维重建机制的步骤,对于进一步提高计算机视觉在三维重建技术方面的应用水平具有一定借鉴和指导意义。     

改进的 Hopfield 网络及汉字识别

针对Ｈｏｐｆｉｅｌｄ网络的局限性，本文提出了对Ｈｏｐｆｉｅｌｄ模型及联想记忆算法的改进：（１）改变其权对称性（２）引入反传学习算法（３）为避免在学习过程中出现振荡，引入基本反传值，并作了理论上的分析，运用改进的Ｈｏｐｆｉｅｌｄ网络进行相近的汉字识别，取得了较好效果。     

基于拓扑图及三维特征的三维物体识别方法

提出一种基于拓扑图及三维特征的三维物体识别方法.该方法在图象预处理阶段先检测物体可视表面的闭合边界,再依据闭合边界对物体进行表面分割,并用一个景物特征图对景物进行表达(SAGR).在建模阶段,先采用多视图表面模型方法建模,再依据表面分割,对模型用一个模型特征图进行表达(MAGR).在物体识别阶段,将景物与模型的匹配分3部分进行,即扫描部件、图的匹配部件及匹配检验部件.匹配首先是基于 SAGR 与 MAGR 图的拓扑性质的匹配,然后是基于三维特征的匹配.根据匹配结果,或对未知物体自动建模,或给出识别结果.     

基于视觉SLAM的物体实例识别与语义地图构建

针对目前面向语义同步定位与地图构建(SLAM)研究大多需要已知三维对象模型作为先验知识,或者只对有限的几种物体的类别进行语义分割,而没有区分对象的个体的问题,结合目前先进的基于深度学习的实例分割算法和视觉SLAM算法提出了一种面向实例个体的物体识别和语义地图构建方法,使得机器人不仅获得了面向导航的环境几何信息,而且掌握了面向物体个体的属性和位置信息.该方法利用由视觉SLAM算法获得的图像帧间几何一致性约束来促进连续图像帧中物体匹配与识别结果,提高物体实例识别的精度,同时结合实例识别结果完成语义建图的任务.最后实现了基于视觉SLAM算法的物体实例识别与语义地图构建系统,并在ICL-NUIM数据集上进行实验,实验结果表明该系统能够基本完整地识别场景中的各种物体并生成环境的语义地图,验证了本方法的有效性.     

具有灰度信息三维网面的边缘检测方法

讨论一种从具有灰度信息的三维网面模型中提取三维边缘的方法,可用于提取单线宽度的边缘信息,以利后续的三维模型识别及其它处理操作。该方法以二维图像Canny边缘检测算法为基础,将非极大值抑制引入三维模型中,实现三维网面单线宽度边缘的准确提取,该算法可应用在基于视觉的三维物体建模和识别中。     

改进的三维坐标测量编码图案投影方法

为改进后的图案编码的识别和三维坐标的计算提供理论和技术依据,测量物体的三维坐标,恢复物体三维面形图。用３灰度级块状图案构成编码图案投射到被测物体上,通过新的解码算法实现对应点之间的匹配,并用坐标变换方式计算三维坐标。     

基于立体视觉的一般物体识别方法

为了使计算机具有与人类相似的在复杂背景下识别一般物体的视觉处理能力,提出了一种基于立体视觉的一般物体识别方法.该方法的核心在于融合二维图像信息和双目相机获取的深度信息,对视野中的环境进行物体定位、图像分割、特征描述以及物体识别.通过双目相机获取环境的三维点云信息,并利用mean-shift算法进行聚类,剔除干扰点,从而实现物体在二维图像上的定位与分割.利用含有空间关系的BoW模型对分割后独立区域内的物体进行识别,得出判别结果.此外,在利用sift算法进行特征点提取以及利用mean-shift算法进行聚类的环节中,采用CUDA环境下的GPU进行加速处理,提高了处理速度.实验结果表明,所提方法具有较好的识别效果和鲁棒性.     

关于SIMD的计算机图像模板算法发展的探究

进行图像匹配、识别目标、检测边缘、进行滤波的有效方法就是模板匹配,是一种最为基本的方法。在单处理机上,周期性模板匹配算法需要时间,计算机视觉与大多数的图像处理和模板匹配都属于计算机密集型问题,文章以LSMPP并行阵列计算机为基础,提出与K元2-立方体网络适用的SIMD计算机图像模板匹配并行计算方法,并应用于计算机上。     

一种基于混合区域分割的特征词袋模型识别算法

数字广告图像识别与数据分析在广告精准推送、收视行为分析、商业网络搜索等各大应用领域有着重要的应用。针对网络图片搜索的实际需求,结合图像特征提取识别技术,本文对数字媒体广告图像的识别和分类方法进行了研究。针对传统的基于空间金字塔匹配的视觉词典模型算法匹配条件较为苛刻、缺乏抗形变能力等局限性,在视觉词典模型算法的基础上,引入视觉特征词典特征点的空间位置信息,使用混合高斯模型实现了自适应的空间区域划分。实验结果表明,识别算法的抗形变能力和识别精度在标准库及本地广告库的测试中均能取得较好的测试结果。     

运动目标识别与跟踪的模板匹配算法改进及仿真研究

针对传统模板匹配算法存在运算量大,以及干扰物中有部分区域和目标形状相同时识别率差的问题,改进传统的模板匹配算法,并在MATLAB6.5环境下,应用改进的新算法对简单背景中的运动目标进行计算机识别与跟踪仿真.新算法先对识别区域进行扫描点检测,判断该点是否满足要求再进行模板匹配运算;当某些干扰物体中某部分区域与目标模板相同时,采用自动模板更新的方法进行区分.仿真实验结果表明,改进的模板匹配算法大大减少模板匹配的运算量,并且可以有效地排除干扰物体对目标识别的干扰.     

基于三维视觉的运动易损动作识别方法研究

在对运动易损动作进行识别时,一直由于无法克服外界条件带来的影响,存在识别精度低、误差大的问题。提出基于三维视觉的运动易损动作识别方法,对运动动作的三维视觉空间进行三维梯度值求解,获取三维视觉梯度直方图特征;并进行降维出来,得到低维隐空间下的运动模型,在此基础上,对其进行序列映射,求出测试序列与训练序列的吻合度。通过匹配计算,获取匹配度,实现运动易损动作的识别。实验结果表明,所提方法具有很高的识别精度,所需时间较短,识别性能高。     

光带法激光三维彩色数字化技术

针对三堆彩色数字化技术的应用问题,利用基于光学三角形原理的光带法激光三堆数字化技术实现对物体的三堆数字化,采用直接拍照的方法实现对物体的彩色数字化,并利用传感器标定技术实现了三维信息与彩色信息的匹配,进而得到物体的三维彩色数字化模型．在此基础上,对三维彩色物体进行了数字化实验,实验结果真实反映了被测物体的三维彩色信息,验证了所提出理论和算法的正确性．     

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。     

基于双目立体视觉技术的驼峰自动摘钩设备研究

在驼峰解体作业中,国内外均采用人工摘钩的作业方式,本文主要针对驼峰自动摘钩设备,提出了用计算机视觉技术解决目标车钩捕捉的问题。根据双目视觉原理,选取两个摄像机从不同角度拍摄的图像,通过对图像的预处理得到能表现图像特征的角点,然后对两幅图像中的特征点进行特征匹配,根据视差原理,得出目标物体的深度信息,完成物体三维立体坐标的计算,设备能以此信息为依据完成自动摘钩作业。     

“编码光源法获取三维立体信息”通过评审

由信息所袁保宗教授等5人研究的“编码光源法获取三维立体信息”1990年12月7日通过校级评审。评审组专家们认为:三维立体信息获取是计算机视觉研究的重要课题,它对于三维物体的识别、理解,对于机器人的视觉,生产线自动化等均有很大意义。因而研制简单、实用的     

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。     

基于深度学习的三维模型重构研究

由单个图像建立其三维模型是计算机视觉领域的一个热门且具有挑战性的问题.现有的传统单视图三维重构算法在处理低分辨率图像时效果不好,在训练中由于三维图形的高维性,使网络也变得高度不稳定,导致模型重构效果差.针对传统三维重构算法存在的缺点,提出一种基于深度学习网络的改进模型,在模型中加入超分辨率、投影、对抗生成网络(gene...     

基于Mask R-CNN的物体识别和定位

为了让机器人能识别物体类别、探测物体形状、判断物体距离,提出一种基于Mask R-CNN模型的双目视觉的物体识别和定位方法。该方法利用Mask R-CNN处理双目图像,对每张图像进行物体识别和形状分割,然后利用神经网络特征对双目图像中的相同目标进行匹配。以物体形状为依据,使用最近点搜索算法估计视差并计算距离。实验结果表明,该方法能够以准实时的速度进行物体的识别和定位,与传统的依赖计算全局视差图的方法相比,在速度和精度上都有提高。