基于草图局部几何不变矩的图像检索方法

利用草图进行图像检索的难点在于对不同尺度、位置、旋转及形变图像的有效检索。为了更准确地识别并检索不同尺度、位置和旋转的图像,提出一种基于草图局部几何不变矩的图像检索方法（SBIRULGMI）。首先,利用图像的几何特征分别确定各图像的坐标系;然后,在生成的坐标系中对图像进行平均分块并计算各块的几何不变矩作为特征向量;接着,用改进的欧氏距离计算目标图像与数据库图像的相似度;最后,采用蚁群（ACO）算法对按照相似度排序后的检索结果进行优化。所提方法在MPEG-7 shape1 part B图像数据库的检索识别准确率比形状上下文（SC）、边缘分布直方图（EOH）、局部线性高波特征（GALIF）及MindFinder方法平均提高了17个百分点。实验结果表明该方法对不同平移、缩放和翻转的图像有较好的识别效果,对图像一定程度的旋转和形变具有更好的鲁棒性。     

基于多尺度LBP金字塔特征的分类算法

为有效解决旋转变化、光照变化和尺度变化等图像的分类问题,提出一种基于多尺度局部二元模式(LBP)金字塔特征的图像分类算法。通过多尺度LBP金字塔提取各尺度的图像纹理特征,建立图像的多尺度LBP金字塔直方图,并将其作为图像特征向量,采用K-means方法对该特征向量进行降维,以用于图像分类。同时,针对传统二进制权值分布方法对噪声敏感的缺点,提出一种多端权值分布方法。实验结果表明,多尺度LBP金字塔方法具有较好的可鉴别性及图像描述能力,而多端权值分布法也能提高图像的分类精度。     

基于图像欧氏距离的二维局部多样性保持投影

主成分分析可以较好地保持数据的全局多样性几何属性, 在模式识别、机器学习、图像识别等领域有着很重要的作用. 缺点是他不能较好地保持局部数据的多样性几何属性, 且忽略了图像像素之间的相互关系, 导致算法性能不够好, 且对模式形变比较敏感. 对此问题, 提出了一种基于图像欧氏距离的二维局部多样性保持投影. 该方法利用邻接图描述局部数据之间的变化关系, 然后利用图像欧氏距离度量数据间的多样性几何属性, 有效地将图像像素之间的相互关系嵌入到目标函数中. 和主成分分析相比, 所提方法较好地保持了局部数据的多样性几何属性, 而且明确考虑了图像像素之间的相互关系, 对模式形变具有好的鲁棒性. 在Yale, AR及PIE三个人脸库上的实验结果证明了所提算法的有效性.     

基于Gabor滤波和Radon-Legendre矩的蛋白质结构域分类

提出一种有效的蛋白质结构域结构分类方法,将结构分类问题表示为图像分类问题。将蛋白质结构域的三维结构转换为距离矩阵,并视作灰度图像;从而将结构域的二级结构及拓扑结构,分别映射为此类图像中的不同尺度和方向的局部结构,以及由这些局部结构组成的形状。设计Gabor滤波器来分割这些局部结构,并构造描述二级结构组成的百分比特征。提出一种Radon-Legendre矩来描述形状,并构造描述形状的矩特征。对比实验表明,该方法在结构域分类的识别率和样本数目鲁棒性两个方面均优于其它方法,有效地实现结构域分类。     

基于Radon和解析Fourier-Mellin变换的尺度与旋转不变目标识别算法

由于正交矩对噪声鲁棒性强、重建效果好,因此被广泛应用于目标识别与分类中,但是正交矩本质上缺乏尺度变换不变性,而且必要的图像二值化与规一化过程会引入重采样与重量化误差。为此,在研究现有正交矩的基础上,提出了一种基于Radon变换和解析Fourier-Mellin变换的尺度与旋转不变的目标识别算法。该算法首先直接对目标灰度图像进行Radon变换,然后对Radon变换结果进行进一步解析,通过Fourier-Mellin变换将原图像的旋转变化转化为相位变化,将原图像的尺度变化转化为幅度变化;最后,通过定义一旋转与尺度不变函数,同时利用不变函数的4种特征,再应用k-近邻法实现分类。理论与实验结果表明,由于避免了正交矩方法存在的重采样与重量化误差,该算法的分类精度高于基于正交矩的分类方法,而且对白噪声的鲁棒性也显著高于基于正交矩的识别与分类方法。     

基于Radon和解析Fourier Mellin变换的尺度

由于正交矩对噪声鲁棒性强、重建效果好,因此被广泛应用于目标识别与分类中,但是正交矩本质上缺乏尺度变换不变性,而且必要的图像二值化与规一化过程会引入重采样与重量化误差。为此,在研究现有正交矩的基础上,提出了一种基于Radon变换和解析FourierMellin变换的尺度与旋转不变的目标识别算法。该算法首先直接对目标灰度图像进行Radon变换,然后对Radon变换结果进行进一步解析,通过FourierMellin变换将原图像的旋转变化转化为相位变化,将原图像的尺度变化转化为幅度变化;最后,通过定义一旋转与尺度不变函数,同时利用不变函数的4种特征,再应用k近邻法实现分类。理论与实验结果表明,由于避免了正交矩方法存在的重采样与重量化误差,该算法的分类精度高于基于正交矩的分类方法,而且对白噪声的鲁棒性也显著高于基于正交矩的识别与分类方法。     

基于张量子空间学习的人行为识别方法

提出了一种基于张量子空间学习降维人体高维侧影数据的人行为识别方法。给定一个动作的人侧影图像序列,首先用张量子空间学习方法将目标高维侧影图像投影到低维子空间来描述人运动的时空特性,并同时尽可能地保持目标侧影图像中像素之间的空间几何信息,然后用Hausdorff距离度量动作之间的相似性,并在最近邻距离框架下对动作进行分类识别。为验证本文算法的有效性,设计了动作识别和鲁棒性测试2个实验。实验结果表明提出的算法不仅能够有效地对人行为进行识别,且具有较强的鲁棒性。     

基于自适应感受野机制的颈部淋巴结自动识别算法

针对目前应用于医学影像目标检测的深度学习网络模型仅拥有固定的感受野,无法针对形态尺度差异明显的颈部淋巴结进行有效检测的问题,提出了一种新的基于自适应感受野机制的识别算法,将深度学习首次应用于完全三维医学图像的颈部淋巴结自动识别中。首先,采用半随机采样方法对医学序列图像进行裁剪,生成基于网格的局部图像块及对应真值标签;然后,通过局部图像块及标签构建并训练基于自适应感受野机制的DeepNode网络;最后,利用预训练的DeepNode网络模型进行预测,通过输入整体序列图像,可以端到端且快速地获得整体序列对应的颈部淋巴结识别结果。在颈部淋巴结数据集中,采用DeepNode网络识别颈部淋巴结的召回率可达98.13%,精确率可达97.38%,每次扫描的假阳性数量仅为29,同时耗时相对较短。实验结果分析表明,与当前表现优良的二维与三维卷积神经网络相结合的算法、三维通用目标检测算法、基于弱监督定位的识别算法等相比,所提算法可以实现颈部淋巴结的自动识别,并取得最优的识别效果。该算法端到端,简单高效,易于扩展到其他医学图像的三维目标检测任务中,可应用于临床的诊断和治疗。     

基于小波矩的车辆特征提取算法研究

车辆目标图像特征提取是智能交通系统中车辆识别与分类的关键问题。在车型提取算法中,矩特征是较为常用的车型特征描述子。针对Hu矩的七个特征分量在数量级上差别较大且受比例因子影响的问题,基于不变矩和小波能量的原理和特点的研究,重点提出了基于小波矩的特征提取算法,并应用于车辆的特征提取。最后的实验对实际车辆图像进行采集,对预处理图像进行小波分解得到三级子图像,对子图像求取修正Hu不变矩,将不变矩作为特征量,利用最小邻距离分类得出识别结果。最后的实验结果显示,通过这种方法提取的特征量具有平移、旋转、比例不变性,能反映目标图像的重要的、本原的属性,与传统Hu矩相比,识别率提高了13.5%,达到了预期的目标。     

一种基于反几何扩散分类的图像二值化方法及应用

从背景中将目标识别提取出来往往受到复杂背景中的不均匀信息干扰.本文研究基于反几何扩散的图像二值化方法,通过各向异性扩散的一种特殊形式--反几何扩散,对图像边缘进行最大限度的模糊和扩散,形成一个个分割阈值面,通过扩展的分类法则,在扩散过程中对每个目标像素进行分类.提出一种分类后处理方法使目标最终从不均匀背景中分割出来.通过对X光图像中铸造缺陷的识别实验,证明该方法对抑制噪声有较好的鲁棒性,给出处理背景变化不均匀的铸造产品X光图像的结果.     

Feature-based reverse modeling strategies

We presented two integrated solution schemes, sectional feature based strategy and surface feature based strategy, for modeling industrial components from point cloud to surfaces without using triangulation. For the sectional feature based strategy, slicing, curve feature recognition and constrained fitting are introduced. This strategy emphasizes the advanced feature architecture patterns from 2D to 3D in reverse engineering. The surface feature based strategy relies on differential geometric attributes estimation and diverse feature extraction techniques. The methods and algorithms such as attributes estimation based on 4D Shepard surface, symmetry plane extraction, quadric surface recognition and optimization, extruded and rotational surface extraction, and blend feature extraction with probability and statistic theory are proposed. The reliable three-dimensional feature fabricated the valid substratum of B-rep model faultlessly. All the algorithms are implemented in RE-SOFT, a reverse engineering software developed by Zhejiang University. The proposed strategies can be used to capture the original design intention accurately and to complete the reverse modeling process conveniently. Typical industrial components are used to illustrate the validation of our feature-based strategies.     

Polynomial-Time Geometric Matching for Object Recognition

This paper considers the task of recognition and position determination, by computer, of a 2D or 3D object where the input is a single 2D brightness image, and a model of the object is known a priori. The primary contribution of this paper is a novel formulation and methods for local geometric feature matching. This formulation is based on analyzing geometric constraints on transformations of the model features which geometrically align it with a substantial subset of image features. Specifically, the formulation and algorithms for geometric feature matching presented here provide a guaranteed method for finding all feasible interpretations of the data in terms of the model. This method is robust to measurement uncertainty in the data features and to the presence of spurious scene features, and its time and space requirements are only polynomial in the size of the feature sets. This formulation provides insight into the fundamental nature of the matching problem, and the algorithms commonly used in computer vision for solving it.     

Feature detection of triangular meshes based on tensor voting theory

This paper presents n-dimensional feature recognition of triangular meshes that can handle both geometric properties and additional attributes such as color information of a physical object. Our method is based on a tensor voting technique for classifying features and integrates a clustering and region growing methodology for segmenting a mesh into sub-patches. We classify a feature into a corner, a sharp edge and a face. Then, finally we detect features via region merging and cleaning processes. Our feature detection shows good performance with efficiency for various dimensional models.     

Contourlet域目标不变特征提取

在基于形状的目标识别中,提取出鉴别力强并具有不变性的特征是至关重要的问题。多尺度几何分析具有多方向选择性和各向异性的特点,能够更有效地表示目标图像的局部特征,但这些变换本身不具备不变性,极大地限制了它在模式识别中的应用。利用图像广义矩的概念,提出了一种在Contourlet域具有平移、缩放及旋转不变性特征的描述子,该特征能精细地刻画目标区域的局部特性,并在位置、角度及尺寸变换情况下具有不变性,仿真实验验证了其不变性,并讨论了一般情况下,Contourlct变换分解尺度对不同类目标间分离度的影响,为提取最具鉴别性的特征提供了有益的参考。     

基于局部特征概率密度估计的三维模型特征提取方法

特征提取是三维模型检索中的关键.给出了基于局部特征概率密度估计的三维模型特征提取体系框架.针对三维表面局部几何特征集,利用核密度估计方法估计选定目标点的特定局部特征密度构成特征向量,用以描述三维模型.抽取三维网格模型的单元特征及多个单元特征组合而成的多元特征支持实现三维模型检索.实验验证了其检索性能优于基于统计的直方图特征提取方法.     

Object recognition using discriminative parts

The existing object recognition methods can be classified into two categories: interest-point-based and discriminative-part-based. The interest-point-based methods do not perform well if the interest points cannot be selected very carefully. The performance of the discriminative-part-base methods is not stable if viewpoints change, because they select discriminative parts from the interest points. In addition, the discriminative-part-based methods often do not provide an incremental learning ability. To address these problems, we propose a novel method that consists of three phases. First, we use some sliding windows that are different in scale to retrieve a number of local parts from each model object and extract a feature vector for each local part retrieved. Next, we construct prototypes for the model objects by using the feature vectors obtained in the first phase. Each prototype represents a discriminative part of a model object. Then, we establish the correspondence between the local parts of a test object and those of the model objects. Finally, we compute the similarity between the test object and each model object, based on the correspondence established. The test object is recognized as the model object that has the highest similarity with the test object. The experimental results show that our proposed method outperforms or is comparable with the compared methods in terms of recognition rates on the COIL-100 dataset, Oxford buildings dataset and ETH-80 dataset, and recognizes all query images of the ZuBuD dataset. It is robust enough for distortion, occlusion, rotation, viewpoint and illumination change. In addition, we accelerate the recognition process using the C4.5 decision tree technique, and the proposed method has the ability to build prototypes incrementally.     

基于环查询和通道注意力的点云分类与分割

点云数据的特征处理是机器人、自动驾驶等领域中三维物体识别技术的关键组成部分,针对点云局部特征信息重复提取、点云物体整体几何结构缺乏识别等问题,提出一种基于环查询和通道注意力的点云分类与分割网络。首先将单层环查询和特征通道注意力机制进行结合,减少局部信息冗余并加强局部特征;然后计算法线变化识别出物体边缘、拐角区域的高响应点,并将其法线特征加入全局特征表示中,加强物体整体几何结构的识别。在 ModelNet40 和 ShapeNet Part 数据集上与多种点云网络进行比较,实验结果表明,该网络不仅有较高的点云分类与分割精度,同时在训练时间和内存占用等方面也优于其他方法,此外对于不同输入点云数量具有较强鲁棒性。因此该网络是一种有效、可行的点云分类与分割网络。     

几何不变性及其在3D物体识别中的应用

三维物体识别是计算机视觉研究的重要内容之一，它要求从3D物体的2D图象中识别和定位物体．由于物体成像时会受到观察视角、摄像机参数的影响，因此使得同一物体在不同观察视角、不同摄像机参数等条件下所得到的图象存在差异．但由于几何不变性方法可以有效地消除这种差异带给3D物体识别的不利影响，所以，近20年来这种方法受到了广泛的关注和研究．为使人们了解该领域的研究现状，以对该领域的研究有所启发，首先讨论了基于几何不变性的3D物体识别方法的研究内容，包括研究的几何框架和其不变性以及几何不变性在3D物体识别中的主要应用；其次，总结性地评述了该领域的研究现状；最后，提出了研究的发展方向．