基于角点特征的眼睛轮廓提取

提出了一种新的基于可变形模板的提取眼睛轮廓的方法。在新的方法中,利用了眼睛所有角点的信息来构造能量函数。同时,采用了SUSAN(smallest univalue segment assimilating nucleus)中的角点强度函数来描述角点的特性。通过结合角点的信息,眼睛轮廓能够得到更为鲁棒地提取。考虑到角点能量函数的局部特性,采用了三步优化的方法来对能量函数进行优化。为了测试新的能量函数的表现,随机设置眼睛模板的初始参数以模拟各种预处理方法得到的结果。实验结果表明,该方法能比以前的方法更精确地提取出眼睛的轮廓。     

稀疏活动轮廓扩展形状脚本模型目标检测算法

传统的稀疏活动轮廓模型可以较好地解决目标微小形变情况下的定位问题,但是对训练样本要求比较严格,且在目标发生较大形变情况下采用学习到的可变形模板对目标进行定位会产生一定偏差。针对该问题,提出一种稀疏活动轮廓扩展形状脚本模型的目标检测算法。利用勾画样本通过扩展活动轮廓模型学习到组成目标的可变形形状图案,这些形状图案构成的形状脚本模型能够清晰地定义目标模式;采用递归sum-max maps结构进行搜索,用形状脚本模型匹配测试图像实现目标定位。经过多组实验,结果表明所提算法能较好地解决目标在发生较大形变、存在遮挡以及复杂背景下的定位问题。     

人脸定位算法的研究

提出了一种自适应的二级人脸定位算法:HBEL+可变形椭圆模板匹配算法。HBEL算法是针对大多数人都有头发这一特点,以头发定位为基础的人脸定位算法。而对于少数没有头发的人,其人脸都呈现出椭圆轮廓,根据这一特点,在HBEL算法失败后,采用可变形椭圆模板匹配算法对人脸进行定位。     

多尺度空间的自动形状模型的构造算法

提出一种基于多尺度的轮廓模型自动构造算法，可归纳出有形变的物体的轮廓结构．对于噪声及形变程度差异较大的轮廓，首先用多尺度的方法将轮廓分段匹配，根据每段曲线上的噪声和形变程度选择合适的滤波尺度；然后对由轮廓匹配得到的曲线段的对应关系进行归纳调整，得到它们的通用结构模型．该算法适用于对一类具有相同结构但局部存在不同程度噪声和形变的闭合轮廓建立模型，将其用在行人轮廓的建模上取得了较好的效果．     

模板匹配的恒常性特征及频域实现

构造了对空域几何变化具有强鲁棒性的频域模板匹配算法，使模板匹配成为具有几何恒常性特征的原型匹配。傅立叶变换提取信号的平移不变性；用原点自相关函数值R(0)进行能量归一化处理，消除信号幅度比例的影响；通过对数变换将空域尺度变化转化为可在频域中消除的平移变化；引入能量分布函数，消除来自空间旋转对匹配的影响，从原理上保证了频域模板匹配算法对空域几何干扰的恒常性。实验表明，该算法能够有效消除来自空域的几何变化对模板匹配过程的干扰。     

基于卡尔曼滤波与感知哈希技术的模板匹配跟踪算法

为解决传统模板匹配跟踪算法计算复杂度高且在目标形变、光照变化、遮挡等情况下容易发生跟踪漂移的问题,本文提出一种融合卡尔曼滤波、图像感知哈希与模板匹配的跟踪算法。本算法采用感知哈希技术提取目标的哈希值作为模板进行匹配,采用卡尔曼滤波预测下一帧中候选目标的搜索区域,然后,结合模板的哈希序值和目标位置变化信息设计新的匹配准则进行模板匹配,最后根据匹配结果,采用自适应模板更新策略和跟踪策略对目标进行跟踪。试验结果表明,本算法在目标形变、光照变化以及遮挡情况下具有一定的鲁棒性,且能满足实时跟踪的要求。     

基于马尔可夫随机场与活动轮廓的运动目标分割

针对视频序列图像中的运动目标分割，提出了将马尔可夫随机场模型和活动轮廓模型相结合的运动目标分割算法。该算法首先利用马尔可夫随机场模型的运动检测算法，得到运动目标的初始模板。在此基础上提取出活动轮廓模型的初始轮廓点，然后构造活动轮廓模型的能量函数。用改进的贪婪算法求得能量函数最小值，提取出运动目标的精确轮廓，从而得到具有精确边缘的运动目标。实验结果表明该算法能有效地分割和提取出视频序列中的运动目标。     

基于PCA变换扩散投影的人眼轮廓提取

提出一种PCA变换扩散投影的人眼轮廓提取方法(PCA transform scattering projection,PCATSP),即采用PCA投影对人眼的虹膜进行定位,经在人眼区域内对形状点进行变换后对所得参数进行扩散投影,并结合霍夫变换进行整体处理,从而实现更为鲁棒地提取人眼轮廓.实验中通过与可变形模板法相比较,结果表明PCATSP在平均形状参数误差及整体优化时间上更能精确地提取人眼轮廓,并取得令人满意的效果.     

一种快速图像识别方法

构建了一种快速鲁棒的图像识别算法,它融合小波分解与遗传算法并行性的优点。对图像和模板进行小波分解,用低频部分代替图像和模板参与识别运算;把对模板进行形变旋转处理的参数编码为染色体,依据染色体表现值对模板进行形变和旋转处理;用模板匹配法判定图像中是否含有形变旋转后的模板,判定函数就是遗传算法的适应度函数。算法终止时的最佳适应度为图像中是否包含模板所示目标的判定依据。实验表明该图像识别方法适应性广、稳定性好、速度快。     

一种新结构下的主动轮廓算法

经典主动轮廓模型是采用由内部能量和外部能量共同组成的能量函数来进行收敛计算的，其中外部能量对精确收敛到目标轮廓起决定性作用，而内部能量在保证轮廓线进行合理变动的同时，却对收敛精确性产生了负作用。为克服这一问题，因而给出一种新的主动轮廓结构，即先把内部能量从能量函数中分离出来，仅采用外部能量进行收敛计算，然后在此结构下重新定义图像能量和控制能量，同时引入了轮廓修正函数，把连续性和光滑性约束应用到Snake曲线的变动过程之中。仿真实验表明，新结构下的主动轮廓算法对初始轮廓要求不高，具有收敛速度快、跟踪精度高等优点。     

一种新的基于snake模型的水平集图像分割方法

介绍了一种新的变分函数来替代传统水平集方法中的符号距离函数,因而可以完全忽略重复初始化符号距离函数的步骤,提高了计算效率。用一个能量函数来表示基于snake模型水平集函数的变化情况。其中能量函数主要由内部能量和外部能量表示。利用内部能量描述曲线的张力和平滑性;外部能量则基于图像数据,并在图像的目标边界形成极小值。同时最小化内部和外部能量,产生内力和外力：内力控制曲线演化的方向,并保持曲线不被过度弯曲;外力则吸引曲线到达目标边缘。     

基于变分水平集的图像分割模型

基于传统的变分水平集方法的图像分割,水平集函数必须周期性地重新初始化使之保持为符号距离函数,这存在如何选择重新初始化的时间和方式的难题.Li模型通过在能量泛函中引入一个内部约束能量,去除了水平集函数在演化过程中需重新初始化的难题.通过对Li模型的分析,提出了一个新的变分水平集的分割模型.该模型通过在能量泛函中加入一个较简单的内部约束能量,同样可以实现水平集演化过程中的无需重新初始化.并且通过对边缘停止函数的重新定义,引入了新的外部能量,使得本文模型对噪声图像的分割更具鲁棒性.实验表明无论是在收敛速度上,还是在对噪声图像的分割质量上,本文模型和Li模型相比都具有一定的优势.     

应用Snake模型提取彩色图象目标轮廓线的研究

为了更好地利用Snake模型来提取彩色图象中的物体轮廓，因而对Snake原型提出两点主要改进，即针对snake模型的手工初值设置问题，通过引入彩色聚类预处理过程来减少对人的依赖，首先，采用色彩聚类算法对原始图象进行分割，然后用改进的边缘追踪算法提取有意义区域的边缘，并用这一结果作为Snake模型的初值；然后针对Snake原型应用于彩色图象时出现的失真问题，通过对出错原因的分析，重新设计了Snake的外部能量函数，同时用像素在加权HSI颜色空间中的欧氏距离代替传统方法中常用的像素灰度的差分来近似图象梯度；最后，进行了对比实验，实验结果证明，改进后的算法，特别是在处理彩色图象时，大大优于原始方法．     

基于稀疏图像序列的雕塑点自动云三维重构方法

为了提高对雕塑点稀疏图像的点云三维重建的分析能力,提出一种基于稀疏图像序列的雕塑点自动云三维重构方法,基于稀疏散乱点三维重建和锐化模板特征匹配方法进行图像三维重建。采用三维角点检测和边缘轮廓特征提取方法,进行雕塑点稀疏图像三维点云特征检测,对检测的雕塑点稀疏图像点云数据进行信息融合处理,采用梯度运算方法进行特征分解,实现对雕塑点稀疏图像的信息增强和融合滤波。结合局部均值降噪方法进行图像的提纯处理,提高雕塑点稀疏图像轮廓重建能力,采用锐化模板特征匹配和块分割技术,实现雕塑点自动云三维重构。仿真结果表明,采用该方法进行雕塑点自动云三维重构的准确性较高,图像匹配能力较好,且重构输出信噪比较高。     

基于曲率匹配的细胞几何形状特征提取方法

细胞轮廓的几何形状是细胞学涂片判读的重要参考,对研究宫颈病变的计算机辅助诊断具有重要意义。针对现有基于形状模板匹配的几何形状识别方法鲁棒性较差的问题,提出了基于曲率匹配的几何形状特征提取方法,通过比较模板轮廓和待识别轮廓的曲率,计算曲率曲线之间的相似度,进而得到细胞轮廓的形状特征,并采用依次旋转轮廓选取最佳匹配的方法来解决轮廓方向不一致的问题,采用以面积等效圆的半径比作为放大比率进行轮廓缩放的方法来解决轮廓大小不一致的问题。通过相关实验证明了该方法所提取的几何形状特征具有尺度不变性和旋转不变性,并与改进Hausdorff距离进行了实验对比,结果表明提取的形状特征能更加准确地识别出细胞轮廓的几何形状。     

Dynamic visual tracking based on multiple feature matching and g–h filter

The area-based matching approach has been used extensively in many dynamic visual tracking systems to detect moving targets because it is computation efficient and does not require an object model. Unfortunately, area-based matching is sensitive to occlusion and illumination variation. In order to improve the robustness of visual tracking, two image cues, i.e., target template and target contour, are used in the proposed visual tracking algorithm. In particular, the target contour is represented by the active contour model that is used in combination with the fast greedy algorithm. However, to use the conventional active contour method, the initial contour needs to be provided manually. In order to facilitate the use of contour matching, a new approach that combines the adaptive background subtraction method with the border tracing technique was developed and is used to automatically generate the initial contour. In addition, a g–h filter is added to the visual loop to deal with the latency problem of visual feedback so that the performance of dynamic visual tracking can be improved. Experimental results demonstrate the effectiveness of the proposed approach.     

用于形状特征提取的spike函数

形状特征是图像的一种重要视觉特征，其提取方法是形状识别、图像检索以及图像匹配等领域的研究热点。Spike参数用来反映磨粒轮廓角度的变化，spike参数越大，磨粒越尖锐，磨粒的磨损作用越大。在spike参数的基础上，提出了4种用于形状特征提取的spike函数，分别为用于表征形状轮廓细节特征的spike-angle函数和spike-height函数，以及用于表征形状轮廓整体特征的spike-area函数和spike-distance函数。根据spike函数提取形状特征时，采用多个步长的spike-angle函数和spike-height函数，同时采用单个步长的spike-area函数和spike-distance函数。为了消除起始点对spike函数计算的影响，以多尺度spike函数的归一化傅里叶变换系数的幅值作为形状特征。分别在MPEG-7和Swedish leaf数据集进行实验验证，与其他方法的对比结果表明采用spike函数提取形状特征，用于形状识别时，识别准确率高，抗噪声能力强。     

基于三维可变形模板的眼睛特征提取

眼睛特征提取在人脸感知的各种应用中有着非常重要的作用，为了解决人脸垂直旋转角度比较大时，眼睛特征提取的问题，提出了一种新的基于三维可变形模板的眼睛特征提取方法，此方法采用了两个新提出的技术，一个是人脸姿态估计策略用于估测人脸的垂直旋转方向，另一个就是三维可变形模板匹配技术用于具体提取眼睛的精确特征，实验表明该方法能够适应人脸图像垂直旋转角度的变化，获得很好的特征提取结果。