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。     

一种视点直方图特征优化的点云目标识别算法

为了提高点云目标识别算法的识别率、增强算法鲁棒性,研究了一种将颜色纹理的方向特征直方图(CSHOT)算法与视点特征直方图(VFH)算法相结合的点云目标识别算法(CSHOT-VFH)。利用VFH特征对点云目标进行识别,实现目标快速估测。在此基础上,进一步利用CSHOT特征进行精确识别。搭建了实验系统,分别对单物体场景、多物体场景及目标存在部分遮挡等情况进行了测试。测试结果表明:本文算法识别率达到了90%以上,在目标遮挡的两组实验中,本文算法比VFH算法的识别率提高了10%以上,能够满足室内场景目标检测的需求。     

基于白化变换及曲率特征的3维物体识别及姿态计算

为解决3维物体识别及姿态计算问题,提出了一种基于白化变换和改进U弦长曲率特征的图像识别及姿态计算方法。该方法首先提取物体的2维形状特征,然后使用白化变换对模板物体图像轮廓和目标物体图像轮廓进行处理,使处理后的轮廓点集仅存在旋转关系;根据改进后的U弦长曲率方法,求取两轮廓的曲率,并进行匹配。实验结果表明:该方法具备较好的仿射不变性,其识别速度达到58ms/帧(CPU:2.3GHz;内存:4GB),识别率在无遮挡情况下达到了100%,姿态检测精度达到了1.5°。     

基于综合特征的花卉种类识别方法研究

提出了1种基于综合特征的花卉识别方法﹒该方法首先利用图像显著性进行分割,以实现前景背景分离;然后分别提取花卉的颜色特征、形状特征和纹理特征,在提取纹理特征时,为了提高特征对花卉的表述能力,对图像进行边缘增强和压缩处理;最后使用SVM分类器进行分类识别﹒实验分别与BP神经网络、KNN最近邻分类这2种分类方法进行了对比分析,相对于BP神经网络的分类识别率(85.81%)和KNN最近邻分类的识别率(84.09%),基于综合特征的识别方法具有更高的准确率,识别率可以达到93.7%﹒     

结合光晕颜色和网格聚类的夜间尾灯识别

为了能够在夜间检测前方同向车辆的坐标位置,提出了一种夜间车辆尾灯识别方法。先对摄像头采集的前方交通图像进行颜色处理,采用自适应阈值和固定阈值分割尾灯光晕和背景。再使用网格聚类算法检测尾灯光晕范围,计算此范围内原图像灰度值,检测出光源。最后,通过分析光源面积大小剔除干扰光源,完成尾灯识别。实验结果表明:该方法在城市道路工况下,尾灯识别率达到87.53%。在郊区道路工况下,尾灯识别率达到95.43%,同时对于形状各异的尾灯具有很好的适应性。     

基于颜色特征和纹理特征的岩屑岩性识别

针对现有条件下的岩屑录井中岩屑识别率低、识别速度慢等问题,从特征提取和分类器方面对岩屑岩性识别进行了分析研究.采用二级分类器的思想,首先通过颜色特征和和差直方图特征采用朴素贝叶斯分类器将岩屑粗分为泥岩和砂岩,然后进一步采用贝叶斯分类器,通过颜色特征和和差直方图特征分别将泥岩和砂岩进行进一步的细分.实验结果表明,粗分的识别率、泥岩细分的识别率和砂岩细分的识别率分别能达到94.79%、97.59%和90.28%.这种识别方法更加符合现实的应用需求,有着更高的识别率,为岩屑岩性分析工作提供了可靠的依据.     

独立子空间下的草图人脸合成与识别

基于草图的人脸识别对于公安机关通过目击者描述出的犯罪嫌疑人草图来确定疑犯的身份具有重要的意义.为实现草图人脸识别,从人脸独立特征子空间和人脸形状结构特征出发,提出了一种新的草图人脸合成和识别方法.根据人脸图像在独立分量子空间上的重建,研究了基于独立成分分析(ICA)的草图人脸合成,实现了照片草图人脸转换;针对人脸结构信息在人脸识别中的重要作用,在分析主动形状模型(ASM)算法在提取人脸结构信息上所具有的局限性的基础上,提出了极坐标形状模型(PSM);最后,将合成的草图与待识别草图利用ICA/线性鉴别分别(LDA)和极坐标形状模型进行联合识别.实验结果表明,提出的算法可以有效地将照片转换为草图,并具有较好的识别率,1阶识别率达到94.7%,10阶达到99.1%,将子空间投影与极坐标形状模型联合起来识别,1阶识别率可提高5.3%,前3阶识别率平均提高约4.2%.算法较好的识别率基本上满足了自动草图识别系统的要求.     

基于OPENMV的色彩引导机器人系统研究

随着机器人技术的发展,越来越多较为单调、劳动强度大,危险程度高的工作逐渐交由机器人来完成,近年来,机器视觉技术日渐完善,并得到广泛应用,本文设计了一套基于OPENMV的自动寻物系统。系统根据用户指定的物体形状或颜色,自主进行色彩识别和形状识别,通过算法对物体匹配,自动以较优的速度从起始点运行到指定物体前,并稳定停在其前方。用户可以通过蓝牙对系统识别物体的颜色和形状进行设置,从而增强其实用性。     

基于噪声特征的地震动信号目标预警和识别算法研究

利用MEMS加速度传感器采集到的人员、车辆目标在地面运动产生的地震动信号,由MSP430单片机采集和处理,完成对地面目标的预警、分类识别. 预警提出了基于噪声方差的3倍作为阈值的方法,目标识别采用一种改进的过零分析方法. 结果表明,该算法能对8 m以内的人员、20 m以内的轮式车辆进行预警和分类识别,正确识别率达到85%以上. 此算法对于识别数字输出式传感器采集到的信号非常简单、实用.      

基于LVQ神经网络的医学图像识别研究

以医学肝脏CT图为研究对象,设计了一种基于LVQ神经网络的医学图像识别方法。基本思想是首先确定图像ROI区域,并作灰度映射变换。接着提取其颜色、纹理和形状特征构成表征医学图像的特征矢量,最后将特征归一化后利用LVQ神经网络进行识别。通过与其他典型神经网络识别方法的实验比较,结果表明,设计的方法能取得更为理想的识别效果。     

一种有效的SAR图象典型目标特征提取和识别方法

在合成孔径雷达（SAR）图象中，需要对其中的人工和自然目标进行识别和分类，目标的特征提取是自动目标识别系统中的关键部分．一般图象的特征会采用颜色、纹理、形状等特征量．在SAR图象中，由于存在大量的背景噪声、目标边界模糊等问题，造成以上特征量在分类时往往不能达到很好的分类效果．作者提出了一种典型目标特征提取和分类识别方法、这种方法基于SAR成像的原理，在图象灰度阂值分割后做粗搜索分别提取灰度特征，椭圆矢量特征，以及栅格特征，然后进行SAR图象典型目标的分类识别、实验表明，这种方法效果较好．     

智能装配系统中神经视觉的三维物体识别

根据智能装配系统的实际要求，提出了一种利用神经视觉进行三维物体识别的理论和方法，在利用立体象对重建物体的三维外形的基础上，建立物体的区域图，利用物体的三维矩及其不变性来构造代表物体的特征矢量．采用ＡＲＴ２神经网络构成神经网络分类器，把物体的特征矢量作为神经网络分类器的输入，从而对物体进行识别或分类．这种识别或分类方法可以在线学习，能满足智能装配环境下连续作业的要求     

基于支持向量机的栗属树种分类研究

形状特征是物体识别的重要依据。同时,分类算法的选择也将对识别的性能造成很大影响。围绕上述两个问题,以栗属树种的果实图像为例,在准确分割出目标图像的基础上,分别应用不变矩和边界矩提取其形状特征值,并使用支持向量机算法对栗属树种果实图像进行分类。实验结果表明：基于支持向量机的栗属树种果实图像分类识别准确率可达到87．5％,识别的结果较为理想。     

机器人足球识别算法研究

在基于YUV色彩空间上采用混合方法进行颜色分类基础上，提出了一种基于种子填充的新目标机器人搜索算法——二分搜索法，从而明显减少了识别过程中的计算量。通过在F180机器人足球系统上的试验，证明此方法是有效的，可以在保证识别精度的前提下，快速识别机器人。     

混合交通场景中的车辆检测和识别

介绍了一种城市交通流量视频检测系统及其车辆识别新算法。通过检测道路上的运动目标并利用目标的运动信息和外形特征进行车辆识别。考虑到目标的阴影会影响目标的形状特征 ,导致目标识别错误 ,提出了一种新的阴影检测算法———利用目标的灰度特征对运动目标进行阴影检测和分离。实验结果表明该系统在模拟城市混合交通环境下 ,能够克服目标阴影的影响 ,准确检测和识别车辆 ,同时能够满足实时性的要求     

用于自动导引车辆的数字工位实时识别系统设计

开发了用于自动导引车辆的数字工位视觉识别系统.根据路面区域、导航线区域和数字工位区域的不同颜色特征,以彩色图像中的R分量(红色分量)为处理对象,利用红色分量在每一副采集图片的像素分布中寻找字符可能出现的区域;根据HIS颜色空间特征参数饱和度S和色调H,提取数字工位;快速校正后,利用字符的整体结构特征进行数字初步分类,优化字符特征区域的确定及统计办法,在改进的特征统计基础上进行数字的再辨识.现场实验表明,该系统可获得较好的识别效果(正确率达到98%),字符提取耗时16 ms,校正、识别总耗时47 ms,满足车辆数字工位识别实时性、准确性、鲁棒性的要求.     

基于四元数的彩色人脸识别

为充分挖掘人脸模式样本之间的鉴别信息、强化不同样本之间的区分性,以利于增强识别系统鲁棒性、提高人脸正确识别率,提出一种新颖的基于四元数的彩色人脸识别算法．将定义于实数域的PcA方法以及Fisher鉴别分析法向四元数体作合理推广,得到定义于体上的广义主成分分析方法及广义线性鉴别分析法,将这2种方法用于彩色人脸识别,从而得到全新的识别算法．该算法巧妙地将彩色像素的R、G、B3个分量结合在一起,从数学上有机融合具有丰富鉴别信息的肤色成分以及反映人脸轮廓形状信息的灰度成分,较传统仅利用灰度信息的识别方法,具有更稳定的性能以及更高的正确识别率．提出的关于共轭四元数矩阵正交特征矢量集的获取方法,数学上有详细的推导证明,该方法在理论上合理,同时在自己建立的彩色人脸库上进行的实验表明,该方法可行且实用．     

基于视触数据融合的多模态细分类系统

随着自动化时代的到来,机械臂已经越来越多的应用到了工业生产以及人们的日常生活中,利用机械臂进行物体的分类抓取更是广泛应用于有害物分拣、航天探索等重要领域,然而实现对物体的分类目前还存在着一些不足,如大部分的分类系统主要依靠机械臂结合视觉来实现,这种单一视觉的分类系统在光线不足或物体外观相似但分属不同的工作环境并不能起到很好的效果。针对多种外观类似物体的精细分类开展研究,通过深度相机与压敏传感器综合获取物体的外观、材质等信息,然后将这些信息数据传输到具有双输入的卷积神经网络模型,借助机械臂实现对具有相似外观不同材质物体的细分类。结果表明：所述系统在实际机械臂测试环境下对物体的正确识别率达到了98.5%,相较于AlexNet与VGG16两种传统的单一视觉分类模型分别提高了35.7%和24%,可见融合物体的视觉与触觉信息的神经网络模型能够完成物体的细分类任务。     

LiDAR与航空影像的融合分类与精度分析

为了弥补单一数据源在地物分类时的不足,提出将机载激光扫描(LiDAR)数据与航空影像融合进行地物分类的思想,实现基于面向对象和单像元的复杂城区多级地物分类.将真彩色航空影像与机载激光扫描距离影像融合,采用光谱特征和空间特征将影像分割成若干同质区域;利用多源数据产生的各种信息建立分类规则并实现基于面向对象的地物分类,将植被信息和高差信息与分类结果叠加,实现基于单像元的分类结果纠正,然后再以对象内包含的建筑物直线段数量为约束条件对分类结果中的建筑物进行三级精化分类.实验表明该方法能够有效地自动分离建筑物、树木、草地和道路,其中建筑物的制图精度和用户精度分别是92.53%和95.79%,整个区域的分类精度为89.62%,该方法在复杂城区可行有效.