采用轮廓片段空间关系实现遮挡目标识别

为了实现高比例遮挡情况下的目标识别,提出一种基于轮廓片段空间关系的目标识别算法.首先,在采用轮廓的形状上下文特征进行粗匹配的基础上,对模板图像和待识别图像分别进行图像骨架关键接合点的提取和轮廓形状质心的提取.然后,以图像像素中心点为原点建立坐标系,以图像骨架关键接合点和轮廓片段质心在各自图像建立的坐标系内的位置确定空间关系.最后,制定空间关系参数约束标准,筛选满足空间关系约束准则的目标库图像为最后识别结果.与现有遮挡目标匹配算法相比,该算法可以实现高比例遮挡情况下的目标识别,在目标遮挡比例为60%的情况下,识别率可达到78%.     

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.     

一种基于规范化形状的手绘草图检索算法

提出了一种基于仿射变换自适应的形状和骨架特征的手绘草图检索算法.首先采用一种基于傅里叶变换的降维滤波方法对对象进行规范化处理,并以此为基础提取对象轮廓和区域特征;然后提出一种仿射变换自适应骨架提取算法提取对象骨架、得到骨架树特征描述子,并提出一种骨架树匹配算法;最后结合对象轮廓区域和骨架特征来实现草图检索.实验结果表明,该方法对对象仿射变换(平移、缩放、旋转)有很强的适应性,对噪声有较强的鲁棒性.     

基于形状上下文特征和ICP的高精度轮廓视觉检测算法

为了解决任意形状工件轮廓尺寸的高精度检测问题,提出了一种基于形状上下文特征和迭代最近点的轮廓视觉检测算法.首先,在图像中采用基于局部面积的边缘提取算法提取工件的亚像素边缘,并过滤掉噪声和补齐轮廓;然后,基于从粗到精的匹配策略,先使用形状上下文特征进行粗匹配,再使用迭代最近点算法进行精匹配;最后,提出邻域法来计算出轮廓偏差.标定板实验和工件实验结果表明,该算法的检测精度达到0.5个像素,可以满足实际应用的需要;同时,该算法应用在工业检测上可大大提升误差检测的应用范围和工业生产效率.     

基于局部直方图信息的相似图像组分割模型

针对ACGS模型不能有效分割具有纹理变化的相似图像组问题,提出一种基于图像局部直方图信息的协同分割模型.该模型能量泛函分为两项,一项为基于图像直方图信息的数据项,反映了图像组中每张图像的纹理信息;另一项为用形状矩阵的秩表示的相似性约束项,用来控制待分割图像之间目标形状的相似性,其中形状矩阵中每个列向量代表图像组中一幅图像的目标轮廓.同时,在SUN显著图上演化CV模型实现轮廓的初始化,提高了ACGS模型对初始轮廓位置的鲁棒性.实验表明,该模型对具有纹理变化的形状相似图像组分割效果优于ACGS模型.     

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.     

基于微分进化算法的轮廓匹配方法

轮廓匹配是图像处理中一个重要匹配方法,针对现有匹配方法中匹配搜索耗时多的局限性,提出了一种改进的轮廓匹配方法.对模板图像和待匹配图像分别提取轮廓,计算轮廓上每一点的曲率,并选择满足阈值条件的轮廓点为候选点;以此点及其两侧若干点构造特征向量,依据欧氏距离构造相似性度量函数,使用具有全局最优性的微分进化算法求解,以保证获得全局最优解.对比实验表明,所提出的方法有较快的寻优速度和较高的配准率.     

基于边缘方向和梯度的图像特征匹配算法

主动形状模型(Active shape model,ASM)是一种基于统计参数化的图像特征匹配算法,它主要应用于提取图像的特征点.在分析传统方法不足的基础上,提出一种基于改进主动形状模型的图像特征匹配新算法.传统的ASM直接采样灰度值信息建立局部纹理模型,灰度值对光照、姿态等因素是非常敏感的,常会带来较大匹配误差或者导致模型匹配失败.采用基于每个像素的边缘方向和强度来代替灰度值,改进的表示方法是利用边缘方向和强度的信息去建模,并且加入了边缘结构的方向和强度.改进的表示方法增加了纹理表示的边缘特征,边缘特征能有效地让模型收敛到图像的外轮廓,当外轮廓精准匹配后可以有效抑制和促进图像内部特征点定位更加准确.实验结果表明,改进的方法可以有效提高模型的匹配精度.     

基于傅立叶描述子的轮胎标识点形状识别

针对人工识别轮胎标识点形状效率低、误差大等问题,提出了一种基于傅里叶描述子的轮胎标识点形状识别算法.首先对采集的轮胎标识点图像进行降噪、分割、轮廓提取等图像预处理操作;然后通过对预处理后的轮胎标识点图像进行傅里叶变换,提取轮胎标识点轮廓的傅里叶描述子系数;最后通过计算待识别轮胎标识点图像的傅里叶描述子系数,与轮胎标识点模板库中图像的傅里叶描述子系数的欧氏距离数值,其中与最小欧氏距离相对应的模板库形状即为待识别轮胎标识点轮廓的近似形状,从而实现轮胎标识点的形状识别.实验选取圆形、方形、菱形以及十字形,四种共计200幅轮胎标识点形状图像,进行标识点形状识别准确率测试.实验结果表明,该算法能准确地识别出轮胎标识点形状,四种轮胎标识点形状的平均识别准确率为97.25％,其中圆形和方形轮胎标识点的形状识别准确率达98％.     

基于有序点集距离的形状匹配算法

针对基于豪斯多夫距离的匹配算法存在时间复杂度高、较难处理部分匹配和无法精确对位等问题,提出了一种改进的基于有序点集距离的形状匹配算法.该算法利用轮廓点集的有序性,动态计算点集之间的匹配关系.算法首先计算曲线的轮廓点曲率,并根据匹配代价作出匹配矩阵,然后基于匹配矩阵的连通情况来判断2幅图像是否匹配,最后依据最短连通路径附近的像素点分布来确定最终的匹配点.实验证明,本算法能加快匹配速度,较好地处理部分曲线匹配,并能确定匹配轮廓点到点的一一对应关系.