用不变矩方法解决汽车覆盖件投影轮廓线的分类问题

曲线类型识别是汽车覆盖件模具智能CAD中的一项关键技术。不变矩方法在图像识别领域应用非常广泛。本文将改造后的不变矩方法应用于汽车覆盖件投影轮廓线识别 ,并与神经网络结合起来识别曲线形状 ,取得了良好的效果     

基于不变矩的机器视觉车辆类型识别技术

针对智能交通领域汽车类型识别的应用背景，利用单目视觉开发了基于计算机视觉车辆类型识别系统；论述了单目视觉原理及特征提取的关键技术，利用不变矩及不变矩矢量在图像平移、旋转及比例变换时保持不变的特性，以其作为主要特征实现车辆类型有效识别。试验结果表明，该技术可以实现车辆类型的自动、快速和准确分类。     

用谱矩进行不变特征识别

介绍的是一种基于矩不变特征进行识别的新方法。该方法首先消除部分数据的损失对矩的计算的影响，然后利用矩抽取出图象的不变特征，再利用该不变特征进行识别。最后给出了用该方法的对ＩＳＡＲ图象进行识别的模拟结果。     

汽车覆盖件模具智能CAD中的曲线类型识别

以沿曲线等弧长取n个点的曲率半径组成的n维向量为特征向量来描述曲线 ,并利用神经网络实现了曲线类型的识别。与前人的工作相比 ,本文提出的方法能充分考虑曲线形状对零件冲压成形性的影响 ,符合汽车覆盖件智能CAD中对曲线类型识别的要求     

汽车覆盖件模具智能ＣＡＤ中的曲线类型识别

以沿曲张等弧长取n个点的曲率半径组成的n维向量为特征向量来描述曲线,并利用神经网络实现了曲线类型的识别。与前人的工作相比,本文提出的方法能充分考虑曲线形状对零件冲压成形性的影响,符合汽车覆盖件智能ＣＡＤ中对曲线类型识别的要求。     

汽车覆盖件曲线曲面的光顺性研究

研究了大大型汽车覆盖件模具ＣＡＤ／ＣＡＥ／ＣＡＭ一体化应用与研究中，覆盖件曲面造型的关键技术曲线曲面的光顺性问题，给出了曲线曲面光顺的准则和方法，并着探讨了最小能量法数学模型的建立及其应用。最后给出了两个应用实例。     

不变矩算法的改进与人耳识别技术

由于人耳识别具有不受表情、化妆等影响的独特优势,研究了人耳识别特征技术,对不变矩算法进行了改进,获得6个改进的高阶不变矩特征向量。分别用两种算法对人耳图像进行识别处理,比较两种识别结果。改进后不变矩算法的高阶不变矩具有平移、旋转不变和尺度缩放不变的特性。采用BP人工神经网络对60只人耳图像进行识别验证,正确识别率达到91．8％。     

基于不变矩算法的行人识别方法研究

行人识别对于智能辅助驾驶和智能车辆至关重要.采用一种基于不变矩算法的行人特征提取和识别方法,通过利用不变矩在目标平移、旋转和缩放的不变性,在HU不变矩基础上添加3个表达式,使不变矩包含更多的细节特征,将其作为行人目标的识别特征,利用支持向量机分类器作为主要手段对不变矩进行分类识别,并分析影响识别效果的影响因素.试验结果表明,选择改进的不变矩作为行人特征具有较好的行人识别效果,较高的识别率使行人和非行人能得到有效的识别.     

基于不变矩的椭圆(圆)识别方法

为了能快速识别椭圆(圆)曲线,给出了利用不变矩的识别方法,根据曲线离散点的坐标,求出椭圆(圆)曲线的形心和归一化的中心矩,并利用这些中心矩,计算了椭圆(圆)曲线的特征参数,然后再根据这些特征参数和识别准则对曲线进行识别,该识别方法不需要施加任何条件和限制,能快速识别曲线中所有大小和摆向各异的椭圆,实验结果表明这种方法是有效的。     

小波和仿射不变矩的目标特征提取方法研究

不变矩是目标识别中重要而有效的特征提取方法。利用小波矩具有的多尺度、平移和旋转不变性进行特征提取,有较高的识别率。但当拍摄角度不同,图像发生形变,识别效果降低。针对这一问题,提出了一种将小波矩和仿射不变矩相结合用于目标特征新的提取方法,并验证本方法的鲁棒性更高,识别效果更好。     

NURBS方法在覆盖件模具型面几何建模中的应用

分析NURBS方法进行曲面设计的特点,并将之应用到汽车覆盖件模具工作型面的三维设计过程中,同时以汽车顶盖模具型面设计为例,具体说明采用NURBS方法进行曲面设计的设计过程及其优缺点,并深入探讨了汽车覆盖件原始数据点的光顺处理及NURBS曲线曲面的插值拟合等内容。     

一种基于不变矩的红外目标识别算法

针对单一目标特征量提取与识别存在的不足,提出了不变矩与红外目标几何形态特征组成的联合特征量,并选取欧氏距离作为目标分类识别的判别准则。实验结果表明,联合不变矩作为特征量满足尺度不变性,且有很强的独立性与可分性。在目标识别分类的应用中,其效果优于不变矩特征识别。     

面向CAE的汽车覆盖件模面设计中零件边界光顺技术

探讨了面向CAE的汽车覆盖件模面设计中光顺零件边界的几个关键技术,给出了零件边界需要光顺区域的判断依据和NURBS光顺曲线的生成方法和流程,开发了相应的参数化设计模块。通过对某汽车前翼子板等实际覆盖件边界的光顺验证了算法的可行性。     

面向CAE的汽车覆盖件模面设计中零件边界光顺技术

探讨了面向CAE的汽车覆盖件模面设计中光顺零件边界的几个关键技术,给出了零件边界需要光顺区域的判断依据和NURBS光顺曲线的生成方法和流程,开发了相应的参数化设计模块.通过对某汽车前翼子板等实际覆盖件边界的光顺验证了算法的可行性.     

基于不变矩和神经网络的三维物体识别

为了提高三维物体识别系统的识别率,研究了将三维物体的不变矩作为物体特征,结合改进的BP神经网络应用于三维物体分类识别。理论分析和仿真实验表明,利用三维物体的不变矩特征能够有效地进行识别,对不变矩特征进行主成分分析可以进一步提高识别性能,达到100%的识别率,并降低神经网络结构复杂性和减少训练时间。     

基于网格的覆盖件曲面自动补孔算法

为了实现覆盖件曲面的自动补孔功能,提出了基于网格的覆盖件曲面自动补孔算法。利用覆盖件网格的边界边信息,确定零件的边界环(内边界环和外边界环)。通过比较覆盖件边界环最小绑定矩形的大小区别覆盖件的外边界和内孔。采用离散边界环的方法将内孔边界分成近似相等的4条曲线段。根据曲线段的边界信息、跨界切向量生成双三次Coons补孔曲面。实例证明算法能够准确识别内孔并自动生成补孔曲面。     

基于特征提取的电气设备红外图像识别算法

针对变电站设备的红外图像特征提取和识别问题,提出了基于不变矩的图像特征提取和识别算法.基于统计学中矩函数的概念,提出了用于表征图像全局特征的图像矩函数,并以二维几何矩为基础,提出了用于图像识别的6个矩不变量参数.通过对中心矩计算方法进行改进,消除了图像变换过程中的计算误差,实现了图像不变矩参数的准确计算.结果表明,所提出算法的综合识别率可达94%,能够满足实际应用需求.     

基于图像轮廓特征和粒子群优化神经网络的气液两相流流型识别

根据流型轮廓特征提取的不变矩能有效检测出具有平移、旋转、比例变化的图像特性,提出了一种基于图像不变矩与粒子群优化神经网络相结合的气液两相流流型识别的新方法。该方法利用高速摄影系统获取水平管道内气液两相流的流动图像,经过图像处理后和形态学轮廓提取图像不变矩特征向量,并以此特征向量作为流型样本对粒子群优化神经网络进行训练,实现了对流动图像的流型智能化识别。实验结果表明,训练成功的粒子群优化神经网络能够快速准确识别水平管道内的7种典型流型,整体识别率达到97.5%,为流型在线识别提供了一种新的有效方法。     

一种有效的SAR图像目标识别方法

根据不变矩特征提取和支撑矢量机分类的优势,提出了一种有效的SAR图像目标识别方法.首先对样本SAR图像进行预处理。然后提取目标区域的不变矩特征并计算灰度均值,将其组成特征向量训练SVM分类器,最后用训练好的SVM分类器对要识别的SAR图像进行目标识别.采用该方法对一些含有桥梁和坦克的SAR图像进行目标识别实验,取得了较好的识别结果.     

基于Gabor变换和不变矩的掌纹识别研究

提出了一种将二维Gabor变换和不变矩特征相结合对掌纹图像进行特征提取,并采用多层前向反馈神经网络进行掌纹图像训练识别的方法。该方法首先对掌纹图像进行预处理,获得掌纹感兴趣区域(ROI),然后构造一组Ga-bor滤波器从而得到ROI的特征向量,结合掌纹图像的不变矩特征共同作为神经网络的输入进行训练识别。实验表明该方法的有效性。