骨架提取算法的研究及在异形纤维中的应用

为了对异形纤维进行分类识别,需要对主分枝进行计数,提取纤维骨架是重要的预处理方法.提出利用物体边缘点和最小覆盖集的骨架生成算法,提取异形纤维的骨架信息.通过计算二值图像物体的局部中心点集,结合物体边缘点建立相关矩阵,获得最小覆盖集,然后利用爬山算法结合方向导数生成连续骨架.最后,对细小分枝进行修剪,保留纤维主分枝.实验证明,本算法计算的骨架保存了物体拓扑信息,并且对物体边缘噪声具有较强的抗干扰能力.     

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%.     

基于改进凸分解的手势识别

提出了一种新的基于Kinect的实时静态手势识别方法,主要贡献包括:提出了一种简易可行的、结合图像深度信息与肤色信息的手势区域检测与分割方法;提出了一种改进的凸分解算法,对手势区域进行近似凸形状分解,以得到表征手势特征的骨架信息;采用基于路径相似性的骨架图匹配算法对手势进行匹配以实现识别.针对特定手势集进行了对比实验,实验结果表明,本文方法在识别结果的准确率以及算法的效率上都有着良好的表现.      

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.     

融合目标轮廓和阴影轮廓的SAR图像目标识别

针对合成孔径雷达图像目标识别问题,在基于图像成像模型分析基础上,提出了一种融合SAR目标轮廓和阴影轮廓的目标识别算法.首先提出了一种基于去控制标记符的SAR图像分割算法,得到SAR图像目标轮廓和阴影轮廓,然后用这2种轮廓融合,用傅立叶描述子将二维数据转为一维数据,最后用基于串接准则的融合算法得到识别结果,进行SAR目标识别.基于MSTAR的实验结果验证了本算法的有效性.实验结果证明:目标轮廓和阴影轮廓的结合,除反映本身包含的局部空间结构信息外,还能反映SAR目标的高度信息,较单一轮廓特征,是一种更为稳健的特征.     

基于关键点运动轨迹建模的步态识别

步态信息作为一个新兴的生物特征,在医疗、刑侦等方面具有广泛的应用前景.研究者已经提出了很多种步态识别方法,但普遍存在适应性不强、特征描述过于复杂或缺乏可解释性等问题.针对此问题,首先,通过改进三帧差分完成对视频图像中人体轮廓的提取;然后,基于人体轮廓图获取人体骨架模型,通过骨架模型得到所需的人体关键点位置,并对视频图像中同一关键点的位置轨迹进行曲线建模;最后依据关键点轨迹曲线模型建立一种以模型参数作为步态特征向量的步态特征描述方法,并在此基础上选取合适的分类方法进行步态识别.实验结果表明,基于关键点运动轨迹模型的步态特征表达能够很好地描述步态信息,识别率也相对较高.     

基于多特征融合的停车场行人异常行为识别

视频异常行为检测对保障公共安全至关重要。针对停车场视频监控中行人异常行为识别准确率低的问题,提出一种基于轨迹-骨架多特征融合的异常目标识别方法。首先根据停车场的环境要求定义异常行为类型;然后对停车场区域进行行人识别,对行人进行图像跟踪,得到其运动轨迹,并对人体姿态进行分析,计算相应关节点的图像坐标;最后融合轨迹特征和骨架特征,对正常行为和异常行为进行分类,实现对目标异常行为的识别。在行为分析数据库上的试验结果表明,本算法的准确率达到87.08%,与单一特征识别方法相比,提高了异常行为的检测效率。本方法能够有效地识别停车场行人的异常行为,在实际工程中具有参考价值。     

迭代骨架化算法在汉字图像识别中的分析与应用

图像骨架是一种图像对象结构的表示方法,在基于汉字的图像检索中起着举足轻重的作用.研究了几种经典的图像骨架提取算法Zhang-Suen,Rosenfld和Pavlidis.通过程序实现算法分析和比较不同汉字图像骨架的提取效果,并给出针对识别不同的汉字图像应选择的最佳图像识别算法.     

基于Canny算子和轮廓方向图的异形纤维轮廓增强算法

显微包埋采集纤维图像过程中,由于背景光照不均、景深和聚焦等造成纤维图像对比度较低、目标与背景区分不明显的问题.传统的Canny算子对于异形纤维的轮廓提取存在边缘不连续、虚假边缘等不足,尤其是对于粘连纤维无法确定其轮廓.针对这些不足,提出了一种利用轮廓跟踪算法剔除Canny算子产生的噪声边缘,并在方向图的基础上利用矩形方框确定真正的轮廓区域,然后对此区域内的像素进行模糊域非线性拉伸,从而得到增强后的异形纤维图像.对增强后的异形纤维图像进行Otsu二值化处理,其结果表明该算法能够得到准确完整的异形纤维轮廓.     

基于运动目标识别的摩托车视频监控驾考识别技术研究

针对人工监考摩托车驾考往往存在徇私舞弊、判断不准确等缺点,提出一种基于运动目标识别的摩托车视频监控驾考识别技术.基于改进ORB图像特征匹配算法、消除误匹配点等策略对摩托车驾考监控视频进行稳像处理;使用边缘轮廓检测的运动目标识别算法,完成运动中摩托车目标图像边缘轮廓特征检测,利用双目视觉极线约束模型对摩托车目标特征点进行立体匹配与三维重构,提高轮廓检测精度.测试结果显示,该方法检测摩托车驾考目标的最优准确率可达96％,检测算法运行的响应时间较少、实时性优,具有良好的视频监控驾考适应性.     

基于势能平衡的图像骨架抽取算法

基于骨架的基本特征和势能的概念，提出了一种基于势能平衡方式的二值图像骨架抽取算法．将抽取对象的边缘点作为零势能的等势点，计算出处于势能平衡点上的基本骨架点，并据此通过向势能小处延伸的方式构建出骨架，还解决了由于各点周围参考零势能点数量不同而带来的各点势能值间难以比较的问题。通过计算机模拟显示，本算法对于边界噪声影响不太敏感，且在端点处的畸变比最大圆盘方式小。     

基于向量内积的骨架提取算法

骨架是形状表示的重要特征,传统的骨架算法往往不能直接用于物体识别,且连通性难以保证.用求向量内积的方法对骨架进行提取,通过距离变换得到连接图像各点与最近边沿点的向量,并利用内积计算求取两个相邻点向量的内积值;再根据内积值进行骨架种子点的选择,经两次骨架生长处理得到连通的骨架.实验证明本算法复杂度低,能很好保证骨架的连通性.     

用于字符数控加工的图像细化算法

提出了一种针对字符加工的图像细化算法。该算法满足了新的字符加工方法因为要使用字符骨架生成刀位轨迹而对细化算法的要求。根据新的加工方法的思路，通过对传统细化算法进行分析，并且结合opta算法，新算法弥被了通过传统算法获得的骨架偏离图像中心，有毛刺等缺点，新算法能准确地得到骨架上每一点的宽度，并计算出相应的深度，使新的字符加工方法能够加工出传统字符加工无法表现的雕刻效果，通过新算法得到了居中并且光滑的骨架，取得了很好的加工效果。     

一种基于多尺度描述的异形粘连纤维分割方法

针对异形纤维的形状特征,在分水岭算法结果的基础上,提出一种结合多尺度描述方法标记异形粘连纤维轮廓特征点对其进行分割的方法,并采用自适应滑动窗口策略在保留正确的分割线的同时消除多余的分割线.试验结果表明,该算法能够准确分割粘连的异形纤维.     

基于二值图像的手写体快速细化算法

针对查表算法模板数量多、匹配过程耗时长的缺点,分析手写体节点与周围像素邻点的相对位置,提出了一种手写体快速细化算法.该算法仅需要44个标记模板和15个优化模板即可实现对手写体二值图像的细化.实验结果表明,改进算法能够在有效降低算法复杂度的同时准确识别手写体的骨架.     

一种图像细化算法及其在医学图像中的应用

提出一种具有较高准确度的细化算法。通过基本细化和优化等步骤,该算法抽取的骨架相当接近理想的骨架。还讨论这种细化算法在人类染色体图像处理中的应用。     

数学形态学的细化算法

对目标图象进行细化处理,提取其骨架,在目标检测、图象编码以及光学字符识别等计算机视觉、图象处理与模式识别领域都有着广泛的应用．在定义了数学形态学图象轮廓和骨架的基础上,提出了基于两组结构元素模板的数学形态学细化新算法,这两组结构元素模板分别用来去掉目标的西北、东北、东南、西南方向四个角上的点和北、东、南、西四个方向上的点．用该算法对实际的字符进行细化,获得了令人满意的结果．     

基于广义变换矩阵的机械零件三维模型骨架匹配

提出了一种基于广义变换矩阵的机械零件三维模型骨架匹配方法。骨架中两骨架点间的连线称为骨架枝,借鉴机器人学中广义连杆之间关系的表示方法,将骨架枝看成若干个连杆,在骨架点处建立固定坐标系及骨架枝坐标系,采用广义变换矩阵表示骨架枝。将广义变换矩阵转化成向量,引用统计学中的相关性度量方法,通过计算2个向量的皮尔逊相关系数得到2个广义变换矩阵的相似度,即得到2个骨架枝的相似度。搜索相匹配的骨架枝并计算整个骨架的相似度。通过实例验证和实验分析,表明该算法具有较快的检索速度和较高的准确度。     

基于细化和最小生成树的多边形主骨架线提取

现有的不规则多边形主骨架线提取方法存在设计复杂、执行效率低等缺点,对此提出一种基于细化和最小生成树的多边形主骨架线提取方法 .首先,确定多边形的最小包围盒,并在其中生成均匀分布、数值分别为0或1的点,运用细化算法提取多边形骨架;再利用Prim算法生成最小生成树;最后,计算最小生成树上的两个叶子节点间的路径长度,将长度最长的路径定义为主骨架线.实验结果表明：本方法提取出的主骨架线效果较好,具有一定的实用性.     

基于骨架平滑与均匀膨胀的女书轮廓字形生成方法

针对手写女书字符目前尚未规范化,提取轮廓不平滑的问题,提出了一种笔画粗细均匀的女书轮廓字形生成方法,包括骨架提取、毛刺去除、骨架膨胀和轮廓提取等四个步骤。针对女书字符多呈菱形,弧笔和斜笔居多的特点,提出了一种单像素骨架提取算法;该算法结合八邻域模板邻域像素值分析与索引表遍历查找的思想,获得的骨架可以保持平滑性与骨架整体的单像素性。针对少量骨架结果伴有部分毛刺的情况,采用Rutoviz相交数分析法和Freeman方向链码法,设定不同的长度阈值和级别进行分级处理,有效去除毛刺。然后采用形态学运算对骨架进行均匀膨胀,得到笔画粗细均匀的女书字符,并采用边缘梯度和边缘跟踪的方法提取字符轮廓和生成轮廓字形。实验结果表明,该方法能快速、有效生成笔画粗细均匀、轮廓平滑的女书轮廓字形,对其他手写字符具有一定适用性。