一种基于优化“词袋”模型的物体识别方法*

针对传统基于“词袋”模型物体识别现有方法的不足,对现特征表达、视觉词典和图像表示方法进行优化,以提高物体识别正确率。采用HUE直方图与SIFT特征描述符分别描述兴趣点周围的颜色和形状特征,实现“词袋”模型下两种特征的特征级和图像级融合,引入K-means++聚类算法生成视觉词典,并利用软权重思想将特征向量映射到视觉单词形成图像直方图。实验结果表明,所述方法会产生较高的物体识别正确率,且识别结果不受两种特征融合权重的影响。     

一种改进主动形状模型的研究

主动形状模型（Active Shape Model,ASM）是一种较为流行的用于特征定位的统计学形状模型,主要应用于灰度图像中物体的跟踪与定位。在传统主动形状模型基础上,研究了一种构建局部纹理模型的新方法。该模型充分利用特征点之间的联系,构建加权模型。在ORL人脸数据库、JAFFE人脸数据库中进行特征定位实验,并进行了ASM性能分析。结果表明,改进ASM方法提高了搜索速度与特征点定位的精度。     

基于改进SIFT特征点匹配的图像拼接算法

基于传统SIFT方法和图像像素加权平滑融合的思想,提出了一种改进SIFT特征点的图像拼接方法;该方法首先利用Canny边缘检测算法获得图像的边缘点坐标,通过和SIFT算法关键点坐标进行对比,去除不稳定响应点;其次通过K-L变换降低算法复杂度,对得到的匹配点对,使用RANSAC算法进行提纯,计算投影变换模型参数;最后使用渐入渐出的加权融合算法平滑图像,消除图像之间的拼接缝隙;该算法的可行性和有效性通过实验结果可以得到证明。     

单视图对称曲面建模及纹理提取

给出了镜面对称物体的水平图像等价于从另外一个位置拍摄图像的完整证明。利用物体中平行结构实现相机标定。在原始图像和水平翻转图像上匹配特征点,通过传统的基于运动的重建技术恢复特征点的位置。把特征点的位置、共面、共线、透视投影等作为约束,通过最小化线性约束下的二次目标函数实现曲面重建。最后采用基于重心坐标的加权纹理提取方法提取纹理图像。利用真实的图像验证了该方法的可行性。     

基于多模态特征融合的三维点云分类方法

针对点云数据本身信息量不足导致现有三维点云分类方法分类精度较低的问题,结合多模态特征融合,设计一种三维点云分类模型。通过引入投影图对点云数据信息进行扩充,将点云数据与图像数据同时作为输入,对PointCNN模型提取的点云特征与CNN模型提取的投影图特征进行加权融合,从而得到最终分类结果。在ModelNet40数据集上的分类结果表明,该模型的分类精度达到96.4%,相比PointCNN模型提升4.7个百分点。     

基于切尾加权融合算法的多传感器CCD测量系统

为解决小直径物体的几何参数的精确测量问题,提出了一种基于多源数据切尾加权融合算法的图像测量方法;该方法首先利用CCD成像技术实时获取被测物体的图像;根据图像的特点,对图像进行边缘定位,在单传感器上测得被测物体的几何参数;最后利用探索性数据分析方法中的切尾均值概念构造加权因子,得到多传感器测量数据的精确估计值;仿真实验结果表明,该测量方法具有运算简便、精度高等特点。     

基于经验模态分解的图像拼接

对待拼接图像分别进行经验模态分解,对分解得到的第一个固有模态函数与第二个固有模态函数的叠加进行特征点提取、特征点匹配与变换矩阵的估计以实现图像的拼接,文中提出的方法有效提高了特征点匹配的正确率,具有很强的鲁棒性.在图像融合方面文中提出一种新的基于余弦关系变换的加权融合技术,在实现图像无缝拼接的同时,可有效去除拼接图像重...     

基于特征点融合小波能量特征的手背静脉识别

手背静脉识别是生物识别领域的新兴课题,针对单一手背静脉识别方法在大量样本情况下正确识别率识较低的问题,提出了一种空间域特征融合小波域特征的识别方法,对预处理后的样本提取了空间域中的特征点以及在小波域中构造了小波能特征,并分别用改进的豪斯多夫距离以及加权城区距离进行度量,最后将两种方法进行加权融合,采用最近邻分类器进行识别;在具有100个样本的数据库上对该方法进行了测试,在最近邻分类阈值为9.46时识别率达到97.2%,表明了该方法的优越性.     

基于模板匹配的全景图像拼接

图像拼接在制作全景图中具有重要的作用。本文提出了一种很健壮的区域模板,它采用Moravec算子定位出特征物体区域,并在次区域上构建基准模板,有效地提高了匹配的可靠性。在模板匹配中采用加权相似性度量的方法,该方法提高了相似性度量的可靠性。另外,通过采用一种融合的拼接算法,得到了较平滑的全景图像。试验结果证实了算法的有效性。     

结合最佳缝合线和多分辨率融合的图像拼接

目的 针对图像拼接过程中,缝合线通过运动物体或配准不准确区域等情况导致融合图像出现鬼影、重影的问题,提出了一种基于差异图像加权的改进最佳缝合线算法,采用基于多分辨率和加权平均的分区图像融合算法解决了拼接线问题。方法 首先将两幅图像的重叠区域划分为缝合线区域和过渡区域;在缝合线区域内,使用差异图像加权的最佳缝合线搜索准则构建准则值图像,基于动态规划思想来搜索得到最佳缝合线;基于缝合线生成掩码图像,并对重叠区域图像进行扩展,采用多分辨率融合算法实现了非严格重叠区域的融合;在过渡区域采用加权平均算法来消除拼接线。结果 采用含有大量运动物体的图像序列对算法进行测试,实验结果表明,基于差分图像加权的最佳缝合线有效避开了大部分运动物体,当缝合线难以绕开运动物体时,能够尽量少地穿过运动物体;通过多分辨率和加权平均融合算法消除了拼缝等问题。结论 提出的最佳缝合线算法能够有效地避免缝合线通过运动物体、配准不准确的区域,将多分辨率图像融合算法应用于非严格重叠图像融合,能够合成高质量的全景图像。     

一种基于模糊融合的遥感图像目标识别方法

数据融合利用多传感器的信息,克服了单一传感器信息不完整、不精确、不确定的缺点,因此广泛应用于目标识别中,该文提出了一种基于模糊融合的遥感图像目标识别的新方法。首先在单源图像上提取可疑目标,然后根据目标在不同类型图像上的成像特点,选择合适的目标特征,充分考虑到各特征的重要程度,把模糊隶属度函数和模糊密度结合起来,最后利用特征层模糊融合对目标的身份进行判定。此方法应用在实际目标的识别中,取得了很好的效果。     

一类光照不均图像的特征提取方法

图像采集过程中因环境光照不佳等原因往往造成的光照不均,同一物体在不同光照条件下成像差异极大,给图像特征提取带来了挑战.为了提高特征提取对光照不均的鲁棒性,提出了基于色彩衡量的特征检测方法.根据Kubelka-Munk光谱辐射理论,分析计算颜色的空间结构和光谱结构,利用高斯颜色模型估算得到色彩衡量取代灰度图作为信息输入,...     

基于算术平均数粒度计算的人形特征约简

为将基于粒度计算的属性约简方法应用于人形特征的筛选,避免传统方法难以准确消除冗余的缺点,提出一种基于算术平均数的粒度计算方法。采用支持向量机对目标图片进行人形识别,记录不同特征参数下的识别率,求出其算术平均数,并与单个数据做比较,简化决策表后通过粒度计算的方法约简人形特征。将得到的约简特征与原始特征在相同测试集下做性能比较,实验结果表明,该方法能消除冗余,提高识别的性能,且鲁棒性较好。     

基于改进YOLOv3的目标识别方法

在复杂的自然场景中,目标识别存在背景干扰、周围物体遮挡和光照变化等问题,同时识别的目标大多拥有多种不同的尺寸和类型.针对上述目标识别存在的问题,本文提出了一种基于改进YOLOv3的非限制自然场景中中等或较大尺寸的目标识别方法 (简称CDSP-YOLO).该方法采用CLAHE图像增强预处理方法来消除自然场景中光照变化对目标识别效果的影响,并使用随机空间采样池化(S3Pool)作为特征提取网络的下采样方法来保留特征图的空间信息解决复杂环境中的背景干扰问题,而且对多尺度识别进行改进来解决YOLOv3对于中等或较大尺寸目标识别效果不佳的问题.实验结果表明:本文提出的方法在移动通信铁塔测试集上的准确率达97%,召回率达80%.与YOLOv3相比,该方法在非限制自然场景中的目标识别应用上具有更好的性能和推广应用前景.     

Model construction and shape recognition from occluding contours

A technique is presented for recognizing a 3D object (a model in an image library) from a single 2D silhouette using information such as corners (points with high positive curvatures) and occluding contours, rather than straight line segments. The silhouette is assumed to be a parallel projection of the object. Each model is stored as a set of the principal quadtrees, from which the volume/surface octree of the model is generated. Feature points (i.e. corners) are extracted to guide the recognition process. Four-point correspondences between the 2D feature points of the observed object and 3D feature points of each model are hypothesized, and then verified by applying a variety of constraints to their associated viewing parameters. The result of the hypothesis and verification process is further validated by 2D contour matching. This approach allows for a method of handling both planar and curved objects in a uniform manner, and provides a solution to the recognition of multiple objects with occlusion as demonstrated by the experimental results     

一种改进的角点探测方法

提出了一种改进的角点提取算法。该算法是基于角点的性质,即在角点的某个邻域内,图像灰度变化在任意一条通过该点的直线上都很大。本文利用此性质对象素点直线方向上灰度变化值求取极值,建立角点候选点。再通过SUSAN特征检测原则进一步剔除虚假角点。测试表明改进后的算法具有运算量小,定位精度高,抗噪能力强的特点,易于实时实现。     

基于人造物体直线段结构特征的不变性识别

传统的用假设验证法进行三维物体识别的方法需要通过一组非线性方程组求解从模型到场景的坐标系变换,具有非常高的复杂度.文中提出了一种基于能够表明物体几何构造的直线段特征的人造物体识别方法,将假设验证法中对于全局坐标系变换的求解分散在各个平面单应性变换的求解中,降低了求解的复杂度.该方法首先利用几何不变量预匹配特征点,进而假设并求出场景和模型平面之间的单应矩阵,随后通过模型与场景之间直线段特征匹配的结果进行验证.实验证明,该方法能够快速准确地识别含有较多共面直线段特征的人造物体.     

简谱识别方法研究

简谱是大家非常熟悉和常用的乐谱之一,但是在目前光学乐谱识别领域中对它的研究几乎空白,研究的焦点都集中在五线谱识别上。在深入分析简谱特征的基础上,提出了一整套简谱识别的实现方法。输入的光学简谱经预处理后,首先通过每行的小节线特征提取出简谱部分,然后通过投影法和种子填充算法定位出简谱符号基元的位置,并由此采用不同的识别算法识别出每个简谱符号基元的类型,最后通过组装把各个简谱符号组装成音乐特征符,形成数字化乐谱。实验表明,这套方法对印刷乐谱的识别达到了令人满意的效果,是一项有意义的研究。     

结合兴趣点和边缘的建筑物和物体识别方法

提出了多种图像特征相结合的建筑物和物体识别方法．使用尺度不变特征描述器描述的Harris-Laplace兴趣点以及边缘颜色直方图描述的边缘特征表示图像．边缘和兴趣点包含图像的重要信息．对2种特征的抽取同时进行：基于Harris检测器可以直接得到边缘特征；在多个尺度下进行Harris兴趣点检测，利用Laplace公式得到Harris-Laplace兴趣点．进行物体识别时，根据兴趣点的数目自适应地改变兴趣点和边缘特征的相似性权重．与同类方法相比较表明，该方法具有更高的识别正确率，在视点变化、光照条件变化等情况下具有较好的性能．     

Multiresolution feature detection using a family of isotropicbandpass filters

Presents a novel method which uses a special type of multi-scale isotropic band-pass filters to detect image landmark and corner features. This paper mainly contributes to the solutions of the following problems: (1) defining a general family of feature detectors under a unified framework that are able to enhance and detect the desired features; (2) explaining theoretically and experimentally why these feature points can be detected by the proposed detectors; and (3) extending the detectors to multi-scale versions for jointly achieving good detectability and localization where an automatic scale selection method is applied. The paper then presents several applications for detecting landmarks and corners using the proposed methods, in order to illustrate their usage. These include detecting landmarks from gesture images (of the face and hand), from airborne and vehicle-borne IR landmine images, and from images containing object corners. Experiments have been performed using the proposed detectors to these applications. Some comparisons and evaluations have also been performed. The results have demonstrated the effectiveness of the proposed detectors in terms of feature detectability and localization.