基于椭圆傅里叶描述子的形状表示的研究

形状表示是模式识别和计算机视觉中最重要的研究内容之一。针对传统形状表示算法对形状的整体特征和细节信息不能同时描述、通用性不高的问题,提出了一种基于高斯多尺度分析下的椭圆傅里叶描述算子。提出的算法利用高斯函数与目标形状的复坐标函数进行卷积,通过选择高斯曲线的参数,将形状的边界信息呈现到不同的尺度空间之中;利用椭圆傅里叶变换将其展开得到表示该形状的特征向量。实验结果表明,该方法的优点在于描述同类形状时,特征向量之间的相关系数高,具有很好的平移、旋转以及尺度不变性;在描述不同类形状时,相关系数低,有很强的形状区分能力。该方法在形状分类实验中也有较高的检索准确率。     

圆周特征描述:有效的叶片图像分类和检索方法

叶片图像的识别是计算机视觉的一个重要应用,其关键问题是如何对其进行有效的描述.提出了一种圆周特征描述方法.该方法用圆心在轮廓线上的圆与轮廓线和叶片形状区域分别相交所得到的圆心角、区域点的空间分布和灰度统计,分别表征叶片的轮廓、形状区域和灰度信息这3类特征,称其为叶片图像的圆周特征描述.通过改变圆的半径来产生由粗到细的圆周特征描述,给出了一种局部的多尺度安排,根据圆心到轮廓线其他各点的距离信息,确定半径的取值范围和各个尺度的半径取值.该方法描述全面,通过分析圆周与叶片图像相交的几何特性,自然地抽取了叶片的轮廓线、区域和灰度信息,且描述子满足对相似性变换的不变性.在公开的测试集上,对该方法进行叶片的分类和检索实验,取得了比现有流行方法更高的精确度,验证了该方法的有效性.     

基于一种SIFT优化算法的图像检索

提出了一种基于优化后的SIFT图像检索算法,该算法采用高斯核尺寸自适应的方法来构建金字塔影像,降低其计算复杂度,然后按照传统步骤进行提取特征。它将一幅图像转换成特征向量的集合,通过计算两幅图像特征向量间的欧氏距离来度量图像间的相似性,并且采用BBF搜索算法来提高检索速度。实验结果表明,该改良后的算法具有尺度、平移、旋转不变性,一定的仿射、光照不变性,以及对特定形状特征目标的检索,无论在时间还是效率上都具有相当的优越性。     

二维流形上一组等距与尺度不变的形状描述子

在流形上构造了一组具有等距不变与尺度不变的形状描述子.该方法首先利用Biharmonic距离构造核函数,然后利用勒贝格积分构造具有等距不变的描述子,再利用曲面的勒贝格测度对形状描述子进行标准化,得到了一组新的描述子.这种新的形状描述子既具有等距不变性,又具有尺度不变性,反映了几何形状的内蕴性质.在非刚体模型上进行了大量实验,通过实验结果可以看出,该方法对于发生等距变形的物体具有很好的识别和区分效果.     

基于SIFT特征的图像检索*

提出一种多尺度图像检索算法,该算法基于SIFT特征提取,它将一幅图像转换成特征向量的集合,图像间的相似距离是通过计算两幅图像特征向量间的欧氏距离来实现的.实验结果很好地说明了该算法具有尺度、平移、旋转不变性,一定的仿射、光照不变性以及算法能很好地应用在特定形状特征目标的检索中.     

球面调和描述子在图像形状匹配中的应用

球面调和分析是球面信号分析的重要工具, 本文采用球面调和描述子对图像进行形状匹配. 首先把平面图像映射到球面上, 然后计算球面图像的球面调和描述子, 最后通过球面调和描述子得到平面图像的相似性. 实验结果表明, 球面调和描述子可以较好地匹配图像的形状相似性, 并且具有旋转和比例不变性.     

以多尺度三角形为特征的快速形状匹配

为了减少形状匹配阶段的计算量并保持匹配精度,提出一种结合多尺度三角形特征的形状描述子,利用形状整体特征进行粗匹配并使用实时匹配方法完成匹配过程.首先通过高斯演化获得多尺度下的形状轮廓并用不同尺度上的轮廓点组成特征三角形;然后采用三角形面积和特征角来描述轮廓信息;最后用形状面积率对候选轮廓进行筛选,通过计算不同形状间描述子的相似度进行匹配.在不同形状数据集上进行实验的结果表明,该方法有较好的匹配结果和较少的匹配耗时,能够快速准确地描述形状的局部及整体特征,在实际应用中具有优势.     

一种改进的综合纹理和形状特征的图像检索方法

提出一种利用小波进行综合纹理和形状特征的具有旋转、平移和尺度不变性的图像检索算法.使用角向矩加权方向定义图像的主方向来进行坐标轴的旋转矫正,得到图像的旋转不变性表示;采用具有平移和尺度不变性的小波变换对图像进行小波分解,利用各子带的能量作为纹理特征;利用小波分解的逼近子图重构图像并进一步利用Hu不变矩提取其形状特征.最后对纹理和形状特征进行高斯归一化,综合其特征进行检索.实验中对算法的尺度不变性、旋转不变性、平移不变性及对噪声的不敏感性进行了验证,实验结果证明了该算法具有更高的鲁棒性和查准率.     

架空输电线路巡线机器人越障视觉伺服控制

为解决巡线机器人越障问题，设计了基于图像的越障视觉伺服控制方案．采用傅里叶描述子构造了具有平移、旋转、尺度缩放及起始点不变性的轮廓形状特征向量，实现了驱动轮的识别；进而抽取图像特征和估计驱动轮—相线在图像空间中的相对位姿，并设计了带有死区的比例控制律来实现驱动轮—相线“对中”视觉伺服控制．模拟线路实验结果表明，该方案能可靠地完成巡线机器人驱动轮—相线“对中”控制任务．     

基于SC特征的叶片图像识别研究

提出一种基于改进SC形状上下文描述子的叶片图像特征提取方法。利用颜色聚类分割图像,使用Ostu算子实现二值化处理,提取图像边缘轮廓,结合形状上下文(SC)描述子提取图像轮廓特征,计算匹配代价矩阵,利用匈牙利算法获得最小匹配代价。结果表明该算法具有较高的识别准确度。     

密度分布特征及其在二值图像检索中的应用

图像的形状是描述图像的重要视觉和语义特征,可通过图像中像素点的区域分布表现出来。为了对二值图像进行有效检索,提出了一种基于区域的形状特征——密度分布特征,用来进行二值图像检索。该方法在经过形心定位和子图像区域划分后,可得到2个M维特征向量,其中第1个表示各个子图像区域的目标像素的相对密度,第2个表示各个子图像区域的目标像素在极坐标方向上的相对密度的一阶数值差分。在进行相似性度量时,首先采用Gaussian模型对用这2个特征向量计算得到的距离分别进行归一化处理;然后综合两个特征向量的距离计算总的相似度。实验结果表明,密度分布特征不仅能够有效地刻画二值图像的形状,具有非常好的平移、尺度和旋转不变性,而且检索结果优于Hu不变矩。     

噪声不敏感的柱状图特征描述符及其在图像检索中的应用

基于内容的图像检索方法往往将图片的内容表示成柱状图,根据图片柱状图之间的相似性进行图片的检索。数码图片中包含的噪声使得柱状图变得平滑,从而使图片之间变得更为相似,这增加了返回结果中包含的图片数量。为了进一步提高图片检索的性能,提出了一种对噪声不敏感的柱状图特征描述符,并应用该特征描述符进行图像之间的相似性匹配。首先将图片中的噪声描述为平稳附加高斯白噪声,并给出了相应的柱状图表示;然后通过随机变量的原点矩定义了柱状图的特征描述符,并分析了如何应用特征描述符恢复原始图片的柱状图。在算法的性能验证过程中,将提出的方法与4种相关算法进行比较,应用两个真实的图片数据库的图像检索实验验证了所提方法的有效性。     

人体行为动作的形状轮廓特征提取及识别

将傅里叶变换与边缘小波矩描述子相结合,提出一种人体行为动作的识别方法。凹凸复杂图像的质心到轮廓为非单一直线,据此,给出一种多段定向距离轮廓描述矩阵,实现轮廓特征的提取。分别对2类人体和4种行为动作进行仿真实验,结果表明,边缘小波矩描述子能较好地体现人体行为动作的形状轮廓局部特征,具有较高的识别率。     

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RGB-D图像核描述子的物体识别方法

针对传统的颜色-深度（RGB-D）图像物体识别的方法所存在的图像特征学习不全面、特征编码鲁棒性不够等问题,提出了基于核描述子局部约束线性编码（KD-LLC）的RGB-D图像物体识别方法。首先,在图像块间匹配核函数基础上,应用核主成分分析法提取RGB-D图像的3D形状、尺寸、边缘、颜色等多个互补性核描述子;然后,分别对它们进行LLC编码及空间池化处理以形成相应的图像编码向量;最后,把这些图像编码向量融合成具有鲁棒性、区分性的图像表示。基于RGB-D数据集的仿真实验结果表明,作为一种基于人工设计特征的RGB-D图像物体识别方法,由于所提算法综合利用深度图像和RGB图像的多方面特征,而且对传统深度核描述子的采样点选取和紧凑基向量的计算这两方面进行了改进,使得物体类别识别率达到86.8%,实体识别率达到92.7%,比其他同类方法具有更高的识别准确率。     

基于快速尺度空间特征检测的手势识别方法

在基于几何模型的手势识别方法中,尺度空间特征检测是一种最常用的方法。由于传统方法涉及大量的高斯卷积运算,计算非常复杂。提出了一种快速的尺度空间特征检测方法,采用一组简单的矩形特征模板近似传统方法中复杂的高斯导数卷积模板,得到了尺度空间几何特征的快速检测子。通过对手势图像中Blob和Ridge结构的检测,得到手掌和手指结构的描述,进而完成手势识别。矩形特征模板的卷积可以用积分图进行快速计算,该方法使特征检测的速度得到了很大提高。在标准数据集和自然环境图像数据上的实验结果表明,该方法在保证识别准确率的同时,有效地提高了手势识别的实时性。