基于特征比的平面目标识别

模式识别是人工智能研究领域的一项重要课题,对于目标物在射影变换、仿射变换下的识别,尤其是严重变形情况下的识别和匹配更是该领域的研究热点和难点.针对仿射变换下的平面目标识别问题,提出了一种新的几何特征不变量——特征比,并以此为基础构造了一种新的仿射不变图像特征描述符.该描述符通过构造一系列与目标图像相交的直线,将图像用一系列共线点的位置关系进行表示.进而,将点的位置关系转化为特征比并表示成一系列的特征比谱;最后,通过动态时间规整(dynamic time warping,DTW)算法比较特征比谱间的距离得出图像间的相关性,从而进行目标识别.实验表明,该算法不仅对严重的仿射变形有较高的识别率,对相似度较高的图像也有很好的区分效果.     

基于轮廓分段特征描述的遮挡目标识别算法

针对传统目标识别算法对于遮挡目标识别准确率低的问题,提出了一种基于轮廓分段特征描述的遮挡目标识别算法。该算法首先采用离散曲线演化算法初步划分目标轮廓,根据分段起伏度进行分段优化,得到完整描述目标轮廓特征的有效分段;然后通过动态规划算法分析轮廓分段之间高度函数特征的相似度,利用特征显著度评价分段特征相对于目标整体特征的重要性;最后将分段之间的相似度和其特征显著度相结合,得到衡量识别准确率的联合相似度,获得最终的识别结果。通过对MPEG-7测试集进行实验分析,证明所提算法能够有效地对遮挡目标进行匹配识别,识别率优于常见的遮挡目标识别算法。     

基于轮廓分段特征描述的遮挡目标识别算法

针对传统目标识别算法对于遮挡目标识别准确率低的问题,提出了一种基于轮廓分段特征描述的遮挡目标识别算法。该算法首先采用离散曲线演化算法初步划分目标轮廓,根据分段起伏度进行分段优化,得到完整描述目标轮廓特征的有效分段;然后通过动态规划算法分析轮廓分段之间高度函数特征的相似度,利用特征显著度评价分段特征相对于目标整体特征的重要性;最后将分段之间的相似度和其特征显著度相结合,得到衡量识别准确率的联合相似度,获得最终的识别结果。通过对MPEG-7测试集进行实验分析,证明所提算法能够有效地对遮挡目标进行匹配识别,识别率优于常见的遮挡目标识别算法。     

一种基于Local Jet结构的全局图像特征构造方法

提出一种鲁棒的特征描述符MSALJS （Multi-Scale Autoconvolution on Local Jet Structure),该描述符对仿射变换具有近似不变性. MSALJS是一种全局图像特征描述符,它基于描述图像局部结构的微分进行多尺度自卷积矩计算. 实验结果表明,MSALJS能适用于目标识别实际应用时图像发生部分遮挡、视角变化等变形情形.     

加权模型下的相似匹配跟踪方法

针对传统跟踪方法易受相似物遮挡而导致丢失目标问题,提出一种加权模型下的相似匹配跟踪方法。首先,将目标区域分割成局部特征块,并为其分配权重,建立带权局部特征块组成的外观模型;然后,利用目标的颜色、位置特征进行相似性匹配,为了避免复杂背景干扰,在匹配前划分前景区域,从而实现较准确跟踪;最后,提出一种遮挡决策模型更新机制,通过对目标发生严重遮挡进行判定,保证模型的匹配鲁棒性。实验结果表明,利用加权模型以及多特征相似匹配,使得该方法能够得到较高的跟踪准确率,平均误差仅为13.21,跟踪重叠率为0.71。     

基于卷积神经网络的云雾遮挡舰船目标识别

海上舰船目标识别对于海运交通、海上目标跟踪、军事侦察等都有着重要作用,然而海面气象复杂、光照不均、云雾遮挡等自然现象易导致遥感图像中舰船目标识别率低、鲁棒性差等问题.针对云雾遮挡问题,提出一种改进InceptionV3网络模型InceptionV3-FC的舰船目标识别算法.首先, InceptionV3-FC通过引入一层全连接层用来学习新的目标函数,用该目标函数对清晰样本和遮挡样本进行训练;其次,通过目标函数的约束项对清晰样本以及遮挡样本的特征进行约束,进而使得训练的遮挡样本和清晰样本的特征映射彼此接近,共享它们的特征,提高被遮挡舰船目标识别的鲁棒性.由光学遥感图像数据集的实验可知,相比于改进前的网络,将被云雾遮挡达到30%、50%、70%的舰船目标平均识别率分别提高3.23%、4.44%、15.67%.实验结果表明,该网络模型能有效改善舰船被云雾遮挡后特征丢失而导致的识别率低的问题.     

基于弦高点和遗传算法的仿射配准

针对复杂场景中目标由于成像畸变、部分遮挡和局部缺失难于识别的难题, 提出了一种新的特征点——弦高点, 将其和遗传算法相结合用于图像的仿射配准. 算法首先给出了弦高点的定义, 并证明了其仿射不变性; 然后,应用遗传算法搜索模型和目标轮廓上两对对应点, 以弦高点作为第三对对应点, 求解最优的仿射变换矩阵; 最后,对遗传算法搜索的结果再进行线性搜索, 提高配准的精度. 本文利用 LTS Hausdorff距离(Least trimmed square Hausdorff distance, LTS-HD) 进行度量, 能有效克服部分遮挡或局部缺失的影响. 由于采用遗传算法, 并只需搜索两对对应点, 配准的速度得到提高. 理论分析和实验结果均表明, 该算法能有效地进行仿射配准, 并能处理部分遮挡或局部缺失.     

利用局部不变特征识别复杂平面多边形

提出一种基于最佳匹配点、利用交比来识别平面多边形目标的方法．该方法利用目标的顶点构造交比不变量，并以其作为目标的特征矢量．采用最大隶属度原则，首先通过局部联合矢量寻找最佳匹配点和判断目标是否丢失顶点，然后识别目标．实验表明：该方法容易实现，计算量小，识别效率高，并且能够适用目标局部缺损的情况．     

余弦权重逆稀疏框架视频目标跟踪算法

针对目标跟踪的遮挡与局部形变,提出局部余弦相似度训练权重的逆稀疏视觉目标跟踪策略。借鉴参数空间的粒子滤波的核心思想,以逆稀疏表示为理论框架,用候选目标重构模板获得候选目标的稀疏表示系数,依据表示系数分布特征筛选出最佳候选目标。为克服遮挡影响,引入新的目标函数构建模板的局部块判别能力：计算正负样本与模板之间的局部余弦相似度差值,利用二次优化,更新具有判别能力的权重。依据权重信息综合进行有选择的模板更新,避免模板更新的无效性。多组实验结果表明,该算法在部分遮挡等复杂环境下,仍然可以准确地跟踪目标,相比已有算法具有自己的优势。     

基于双特征的多模块目标跟踪算法

针对运动目标在受到严重遮挡时难以被精确跟踪的问题,提出一种融合颜色和LBP (local binary pattern)纹理特征的多模块跟踪算法.综合考虑目标与背景的特征显著性和相似性两个因素建立比值关系进行量化分析,选取了能够最大程度区分前景目标和背景的颜色空间特征,并结合LBP纹理特征建立概率分布直方图.利用卡尔曼滤波器预测均值漂移算法的初始迭代位置.引入相似度因子来定义新的遮挡判决准则,自适应采用多模块模型进行跟踪.仿真实验结果表明了该算法的有效性.