基于轮廓的旋转和尺度不变区域的检测

为了获取鲁棒的特征区域,提出了一种基于轮廓的旋转和尺度不变区域的检测算法。算法应用多尺度乘积LoG(Laplacian of Gaussian)提取轮廓上稳定的角点作为特征点。根据角平分线的旋转和尺度不变性提取特征方向,利用特征方向求得特征半径。由角点、特征方向和特征半径构造不变区域。进行了特征匹配的实验,图像集包含旋转、尺度、仿射、光照和压缩五种变换,算法获得了很好的匹配结果。结果表明算法简单快速,具有较强的鲁棒性和广泛的应用性。     

基于B-样条轮廓方向变化率多尺度表示的角点检测

基于B-样条尺度空间定义了轮廓方向变化率的多尺度表示,并利用多尺度轮廓方向变化率及其乘积提出了的新的角点检测算法。该算法直接把多尺度轮廓方向变化率乘积的局部极值点定义为角点,这是由于多尺度乘积不但融入了多个尺度下轮廓方向变化率的特征信息,而且能极大地增强角点的变化率,抑制受边界和量化噪声影响的边界点的轮廓方向变化率。这样,算法仅通过一个全局阈值就能获得很好的检测效果,而且真正地实现了候选角点多尺度检测。最后,定性分析了角点检测的定位性能,并通过对比实验验证了所提出的算法具有很好的检测性能。     

基于多尺度Harris角点的图像文字检测

为解决传统的基于Harris角点的图像文字检测算法易受非文字角点干扰,检测准确率低的问题,提出一种基于多尺度Harris图像文字检测算法.该算法在多个尺度下提取角点,并利用分块方法分析文字局部特征,有效剔除了非文字角点.使用多次迭代逐步剔除非文字区域角点,精确提取备选块中的文字角点;通过区域融合形成文字区域,用轮廓跟踪法标识文字区域.实验结果表明,该算法明显提高了图像/视频文字检测的稳定性和准确率.     

一种基于边缘轮廓线的LoG角点检测

角点是数字图像中目标的重要局部特征,提供了目标的低层次视觉特性。将Laplace of Gaussian变换引入到平面曲线,提出了一种基于边缘轮廓的LoG角点检测算子。深入分析LoG变换的几何特征,建立了边缘轮廓曲率和LoG范数间的等价度量关系。角点响应函数被定义为边缘点的LoG变换范数,边缘轮廓上LoG范数的局部极值点被认为是角点。并针对?祝-角点模型和圆周曲线模型,验证了这种定义的合理性。实验结果表明,相比经典角点检测算子,该文算法具有高效、稳定的优点。     

基于角点角度特征串的RSI多目标识别

轮廓角点检测与特征构造是基于轮廓角点的RSI多目标识别算法的关键。针对现有的轮廓角点检测方法在准确性与抗噪能力的不足,提出一种改进的轮廓角点检测算法,构造一种基于目标主轴与轮廓角点的特征串,利用动态规划算法计算特征串间的相似度进行目标识别。算法中把目标主轴的旋转角度作为目标的姿态角。实验证明该算法能够快速地识别出目标的旋转角度,对目标进行分类,且具有平移不变性、旋转不变性、尺度不变性以及较好的抗噪能力。     

基于改进多尺度乘积LoG算子的仿射不变形状匹配算法

目标在成像过程中发生的几何变形多数情况下可用仿射变换来描述。据此,提出一种利用角点进行仿射不变形状匹配的算法。首先引入多尺度乘积LoG(MPLoG)算子检测轮廓角点,并根据角点间距自适应地提取轮廓特征点,从而获取形状关键特征;为解决目标的仿射变形问题,采用Grassmann流形Gr(2,n)来表征和度量两形状之间的相似度;最后通过迭代式序列移位匹配算法来克服Grassmann流形对起始点的依赖并完成形状的匹配。对形状数据进行仿真实验的结果表明,所提算法能够有效地实现形状检索和识别,并对噪声有较强的鲁棒性。     

基于改进多尺度乘积LoG算子的仿射不变形状匹配算法

目标在成像过程中发生的几何变形多数情况下可用仿射变换来描述。据此,提出一种利用角点进行仿射不变形状匹配的算法。首先引入多尺度乘积LoG(MPLoG)算子检测轮廓角点,并根据角点间距自适应地提取轮廓特征点,从而获取形状关键特征;为解决目标的仿射变形问题,采用Grassmann流形Gr(2,n)来表征和度量两形状之间的相似度;最后通过迭代式序列移位匹配算法来克服Grassmann流形对起始点的依赖并完成形状的匹配。对形状数据进行仿真实验的结果表明,所提算法能够有效地实现形状检索和识别,并对噪声有较强的鲁棒性。     

轮廓结构张量的仿射不变性

通过研究轮廓结构张量行列式的代数性质,论证了轮廓结构张量代数结构的仿射不变性:轮廓结构张量的行列式在仿射变换下所描述的极值点在数量和位置上不改变,并且轮廓各点处的响应强度仅受尺度变换的影响,与平移和旋转变换无关。最后,在基于重复率准则的实验中将其与经典轮廓角点检测算法对比,表明了算法具有较高的稳定性。     

多支撑区域模式化融合角点检测算法仿真

传统的基于轮廓的角点检测算法常常会因为阈值选择不当,使检测准确率降低.针对上述问题,提出一种多支撑区域下模式化的角点融合方法.首先计算曲线上各点的曲率值,然后对曲线上的点进行初步筛选并分组,使曲线上相邻且曲率相近的点分为一组,在每组中选取局部曲率极大值点作为备选角点,再修改支撑区域,重复上述步骤,产生多组备选角点,最后对轮廓曲线进行模式划分,在不同模式下进行角点融合.实验分别在旋转变换和伸缩变换下评估平均重复率和准确率,通过与CSS、He&Yung角点检测器进行对比实验,所提算法提高了平均重复率和准确率,是一种可行的角点检测算法.     

基于角点和三角形内间距的多工件检测方法

针对堆叠条件下工件的视觉检测问题,该文提出了一种基于角点特征信息的三角形内间距 (Triangular Centroid Distances,TCDs)描述子。首先,对目标局部轮廓角点和方向进行检测;然后, 基于检测到的角点和方向信息在模板轮廓上生成疑似轮廓段;最后,对目标轮廓和模板上的疑似轮廓段提取改进后的描述子特征矩阵,并计算目标轮廓矩阵与各疑似轮廓特征矩阵之间的距离,其中距离最小的疑似轮廓段即为目标轮廓段在模板轮廓段上的匹配结果。实验结果表明,在相同取样点的情况下,所提出的算法不仅识别准确率优于传统三角形内间距算法,而且计算效率也大幅提升。     

一种基于曲率尺度空间的自适应角点检测方法

角点是图像处理中的重要特征,基于曲率尺度空间技术,提出一种自适应角点检测方法.首先提取图像的轮廓,采用一个固定的低尺度计算所有轮廓点的曲率,并根据曲率得到候选角点集,然后用由自适应支持区域确定的角点角度和一个动态曲率阙值代替固定的阙值筛选出正确角点.实验结果证实该方法应用于复杂图像的精确性和稳定性.     

一种有效的秦俑碎块匹配算法

针对秦俑碎块的三维网格数据模型,提出了一种基于特征轮廓线的碎块断裂面匹配算法.首先,对数据模型进行纹理贴图、去噪、补洞、简化数据模型等预处理,然后提取碎块的主轮廓线和次轮廓线,进而提取出碎块的特征轮廓线,最后根据角点对特征轮廓线进行分段,并采用计算最长公共子序列的方法对分段曲线进行匹配,完成特征轮廓线的匹配,从而实现碎块断裂面的匹配.实验结果表明,该算法是一种有效的、精确的秦俑碎块匹配方法.     

融合LSH和LoG特征的人脸识别

为了解决人脸识别率受光照变化影响较大的问题,提出一种局部敏感直方图（LSH）和高斯-拉普拉斯（LoG）特征相结合的人脸识别方法。首先,提取人脸图像中的LSH光照不变特征以及LoG边缘细节特征,然后通过计算各特征的标准差确定自适应融合权重,将其进行特征级融合来弥补单一使用LSH特征带来的细节损失,并以此构建更为有效的人脸特征样本集,最后使用稀疏表示算法对样本进行分类识别。在PIE和AR人脸库上的实验表明,所提方法能很好地处理光照问题,而且在训练样本较少的情况下,依然能获得较高的识别率。     

基于图像轮廓曲线的拐点检测算法

拐点是图像很重要的特征,包含图像的主要结构信息，拐点检测对图像配准、目标识别和三维重建等任务的处理都有着非常重要的作用。从研究轮廓上点的曲率出发，针对传统基于轮廓的拐点检测算法对噪声和局部变化敏感而造成检测结果不稳定的问题，提出一种间接反映轮廓曲率特性的方法，记为APTD(Accumulation of Point to Tangent Distance)。使用高斯函数对轮廓曲线进行平滑处理，轮廓上点的曲率越大则该点附近的点到该点处切线的距离也越大，根据这一思想，将轮廓上点附近支撑域内的点到该点所对应切线相对距离的累加和作为拐点的判别函数，从而实现轮廓拐点的检测。经由数学推导表明所提出的算法具有合理性和可行性，对比实验分析表明该算法精度高、运算量小、定位准确。     

基于格式塔心理学和Euler spiral的轮廓修复算法

现有的轮廓修复方法假设已知遮挡发生的位置, 且未考虑人类认知特性。针对该问题, 提出一种结构较完整的轮廓修复方法。算法首先检测T型节点确定遮挡发生的位置; 根据格式塔心理学的完形法则提出组合约束条件, 据此将T型节点进行组合。对平滑轮廓遮挡, 基于Euler spiral, 并以曲率变化最小作为能量最小化准则, 修复局部缺失的轮廓; 对角点轮廓遮挡, 利用过角点的两条曲线的可见部分构造两条Euler spiral, 根据Euler spiral的扩展性对构造的两条Euler spiral进行延拓并求交, 从而修复角点遮挡轮廓。方法能自动确定遮挡发生的位置, 能够对T型节点进行正确组合, 使轮廓修复更符合人类视觉感知; 对角点轮廓遮挡采用Euler spiral的扩展性进行修复, 能克服角点轮廓修复仅适合于修复轮廓为直线或圆弧的规则物体。应用模拟图像和真实图像验证了方法的有效性。