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.     

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.     

基于傅里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.     

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。     

基于傅里叶描述子的形状特征匹配方法在机场掩体目标检测中的应用

文章研究了基于傅里叶描述子的形状特征匹配方法在机场掩体检测中的应用。本文利用傅里叶描述子对目标旋转、缩放和平移描述的不变性,确定了用基于傅里叶描述子的特征匹配方法来检测掩体目标,井对匹配方法的原理、步骤和方案进行了论述。用仿真数据进行了试验,试验结果验证了文中设计的形状匹配方法对掩体类目标检测的有效性。     

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。     

基于自适应神经模糊推理系统的树叶特征的提取以及分类

通过植物的几何特征:长宽比,矩形度,面积凹凸比再根据傅里叶描述子和得到的傅里叶系数来提取树叶的一些形状特征:圆形度、细长度、密集度、凹凸度,再利用广泛应用于处理与分析具有复杂细节特征的分形维数来对植物特征进行提取,最后采用自适应神经模糊推理系统(Adaptive Network-based Fuzzy Inference System,ANFIS)基于sugeno模糊来对树叶进行分类,并对树叶的分类进行分析,结果显示:随着适应神经网络的训练次数的增加,识别的误差越来越低,最后达到了比较好的效果,能够准确的进行分类.     

基于LMP-KCPA的人体动作识别方法

为解决人体动作识别中由于特征描述子的维数过高, 无法表征目标变化的本质运动变化信息的问题,给出了核主成分分析(KPCA: Kernel Principal Component Analysis)对局部运动模式描述子(LMP: Local Motion Pattern)降维方法。首先利用LMP 描述子对人体运动目标进行描述, 然后利用KPCA 算法对局部运动模式特征
描述子进行处理, 获取新的特征描述方式。通过MATLAB 仿真, 与Cuboids+SVM 和LMP+SR 两种算法对比结果表明, 基于LMP鄄KPCA 的人体动作识别, 特征描述子维数明显降低, 可以表征人体运动目标变化关键信息,识别率比Cuboids+SVM 算法提高1. 1%, 比LMP+SR 提高1%。     

基于主分量分析的形状特征提取及识别研究

主分量分析(PCA)是统计学中分析数据的一种有效的方法,可以将数据从高维数据空间变换到低维特征空间,因而可以用于数据的特征提取及压缩等方面。在该文的形状识别系统中,用PCA法提取图像的形状特征,能够较好地满足识别层的输入要求。在识别层研究了3种识别方法:最近邻法则、BP网络及协同神经网络方法,均取得了满意的实验效果。     

中日褐菖鲉群体耳石形态学比较分析

利用判别分析、主成分分析和聚类分析等多元统计分析方法,对中国、日本4个褐菖鲉群体耳石的8个形状指标和77个椭圆傅里叶参数进行分析.判别分析结果显示,这4个褐菖鲉群体综合判别正确率为89.1%,各群体判别正确率在79.2%~100%之间;聚类分析结果显示,中国惠州和海口的褐菖鲉群体聚为一支,日本横须贺和伯方岛群体聚为另一支;主成分分析结果显示,前17个主成分累积贡献率为96.25%.研究结果表明中国、日本褐菖鲉群体在耳石形态上存在显著差异.     

中日褐菖鲇群体耳石形态学比较分析

利用判别分析、主成分分析和聚类分析等多元统计分析方法,对中国、日本4个褐菖蚰群体耳石的8个形状指标和77个椭圆傅里叶参数进行分析．判别分析结果显示,这4个褐菖铀群体综合判别正确率为89．1％,各群体判别正确率在79．2％--100％之间;聚类分析结果显示,中国惠州和海口的褐菖鼬群体聚为一支,日本横须贺和伯方岛群体聚为另一支;主成分分析结果显示,前17个主成分累积贡献率为96．25％．研究结果表明中国、日本褐菖触群体在耳石形态上存在显著差异．     

一种傅立叶描述子支持下的建筑群模式识别方法

利用傅立叶形状描述子对建筑群的空间分布模式进行相似性分析和识别.首先以多边形的质点—中心角度排序构建建筑群的等价多边形;然后利用傅立叶频谱技术提取等价多边形的形状描述子作为建筑群的空间分布模式的特征向量;最后通过形状描述子的欧式距离度量建筑群间分布模式的相似性.对一定数量的建筑群进行了人工比对实验,实验结果与人工认知基本一致.     

基于降维的堆积降噪自动编码机的表情识别方法

堆积降噪自动编码机是一种典型的深度学习模型,它能够刻画数据丰富的内在信息,具有较强的特征学习能力。基于主成分分析（principal component analysis,PCA）技术和堆积降噪自动编码机（stacked denoising autoen-coders,SDAE）模型,提出一种新的表情识别算法PCA＋SDAE。该算法对人脸图片进行裁剪及归一化等预处理,采用主成分分析技术对人脸特征进行线性降维,再利用堆积降噪自动编码机逐层进行特征学习并同时实现对人脸表情数据的非线性降维,可以得到更好的、维度更低的表情特征,并据此进行表情分类。对PCA＋SDAE算法的仿真测试实验结果表明,其综合性能比其他的基于深度学习模型的表情识别方法更好,同时与传统的非深度学习表情识别方法相比,它具有更高的表情识别正确率。     

基于变换域形状描述子的图像检索方法的比较与分析

为了更好地了解变换域方法在图像检索中的检索效果,比较分析了Zernike矩、GFD、PCET、RCFT和RFMT等现有的5种基于变换域的形状描述方法.分别在不变性、计算复杂性、噪声鲁棒性、有效特征数的选取方面对其进行了深入的分析和比较.选用MPEG7 CE Shape-1Part B中的1 400幅图像构成的图像库对这些方法进行检索和性能测试,并实际应用于由500幅病例图构成的图像库的医学图像检索.在研究噪声影响时,对各测试集图片加上不同程度的高斯噪声.通过比较分析及实验结果验证,Zernike矩和GFD方法的检索性能最好,有良好的抗噪性,因而适合于医学图像检索的实际应用.     

基于小波变换和2DPCA的人脸识别

主成分分析(principal component analysis:PCA)已成功用于人脸识别,但基于主成分分析的人脸识别方法需要将图像数据向量化,而向量化后的图像样本维数非常大,计算代价非常高.二维主成分分析(2 di mension principal component analysis:2DPCA)直接处理图像数据,不需要向量化的过程,2DPCA降低了计算复杂度,但是2DPCA与PCA相比,需要存储更多的系数,即要占用更多的存储空间.本文提出了一种基于小波变换和2DPCA的人脸识别方法,可以克服上述缺点,实验结果证明了该方法的有效性.     

基于改进的2DPCA对近红外人脸图像的识别方法

基于二维主成分分析（two dimensional principal component analysis, 2DPCA）算法与近红外人脸识别方法, 提出一种双向2DPCA算法和双向对称2DPCA
算法, 得到了识别率更高的人脸识别方法, 解决了环境光照对人脸识别的影响.     

一种多指标综合评价中确定指标权重的方法

通过对主成分分析法赋权原理的讨论，提出了如何把主观赋权法融入其中，从而实现了指标定权过程中主客观方法的有机结合，使赋权结果更理想，并以企业经济效益评价为例作了具体应用。