基于改进典型形状上下文特征的形状识别方法

针对形状上下文特征难以解决大规模样本的形状识别问题,提出一种利用角点典型形状上下文特征进行快速形状识别的方法.该方法仅以少数角点作为代表点生成直方图,对目标形状关键特征进行描述,通过减少匹配的特征数目降低了采样点匹配时间;在此基础上提出了局部约束匹配的方法,能够快速实现形状匹配并解决特征旋转不变性的问题,最终通过结合快速剪枝和精确匹配完成形状的识别.对形状数据进行仿真实验的结果证明,文中方法能够快速、有效地实现大规模数据的形状识别和检索.     

基于H-EMD 的形状上下文特征形状匹配方法

为了快速有效利用推土机距离(EMD)模型计算直方图间的交叉相似度,提出一种基于直方图的EMD(H-EMD)模型.将原始模型对应的线性规划问题中变量数目进行约减,降低了直方图相似度计算的复杂度.利用H-EMD模型计算形状上下文特征间的相似度,进而对基于形状上下文形状匹配方法进行改进.通过对不同的数据仿真结果进行比较,H-EMD模型在匹配时间上更具优势,同时,改进的形状匹配方法能有效实现形状识别和检索.     

对称不变形状上下文特征提取与匹配

形状上下文是一种广泛应用的图像形状特征提取与匹配算法,针对其特征不具有对 称不变性,无法对互相对称的相似图像建立匹配的问题,提出了一种具有对称不变性的改进形状 上下文特征提取与匹配算法。在形状边缘采样点上计算形状上下文中的角度关系描述时,令该点 的梯度方向为极坐标系的0°,并比较特征0 到π 与π 到2π 两个角度区间内其他边缘点的数量大 小,根据比较结果,调整极坐标系中角度增加的方向,从而使特征具备对称不变性。在迭代变形 与计算形状上下文时,仅在第一次迭代中使用改进的形状上下文特征,从而使匹配更加稳定。仿 真实验证明,该算法能够有效地在互相对称的相似图像间建立匹配,提高检索精度。     

一种基于改进地貌形状上下文的形状匹配方法

在基于地貌形状上下文的形状匹配方法中,计算地貌空间测地距离消耗时间较高,对应形状特征提取过程的效率较低.针对这一问题,本文提出了一种基于地貌模糊形状上下文的快速形状匹配方法.在形状特征提取过程中,通过引入最短路径算法对轮廓采样点间的测地距离进行快速计算.在此基础上结合对数极坐标模糊直方图构造地貌模糊形状上下文,其能够更好地描述轮廓点分布情况进而有效提升形状描述符的表达能力.考虑到轮廓点集顺序已知,进一步引入动态规划分析不同地貌空间下形状片段间的对应关系,以获取准确的形状匹配结果.通过对不同的数据集进行实验仿真分析,验证了本文方法能够有效地提升运算效率并取得较好形状检索精度.     

基于形状上下文描述子的步态识别

首先提取出行人二值轮廓序列,用分通道的灰度差和变化局部区域阈值进一步去除阴影、增强轮廓.用形状上下文描述子求取轮廓边缘采样点集的直方图分布,以此作为人体轮廓特征.用改进的Hausdorff距离算法定量轮廓间的相似度,窗口滑动搜索策略计算关键姿态轮廓集合问的匹配距离,最终实现步态分类和识别.在小型CA-SIA室外步态数据库和大型Soton室内库上进行实验,方法的正确识别率分别可达到91.25%和86.97%,与现有方法相比识别率均有提高.实验结果还表明人体轮廓采样点数取200点时识别率最高.     

结合颜色不变量的SIFT和形状上下文图像匹配算法

针对传统图像匹配算法sift和shape-context存在的不足,把这两种算法分别作了改进,并提出一种二者相结合的混合匹配算法。首先在传统sift算法的基础上融入图像的颜色信息,即加入颜色不变量,构建彩色描述子;在shape-context算法中改用基于重心点的形状上下文直方图,代替传统的基于各个轮廓点的形状上下文直方图,生成形状上下文描述子。然后把这两种描述子级联成新的联合描述子,依据设定的新的联合距离对特征点进行匹配,得到初始匹配对。最后利用偏最小二乘法消除误匹配,得到精确匹配点对。实验结果表明,提出的算法能够有效提高图像匹配准确率。     

基于SURF和形状上下文的人脸匹配算法

针对人脸匹配在光照、姿态、表情等背景因素影响下匹配正确率低的问题,本文提出一种基于SURF(Speeded up Robust Features)和形状上下文(Shape Context, SC)的人脸图像匹配算法。在对图像进行人脸区域检测和重构积分图预处理的基础上,本文利用两次SURF算法提取人脸特征点并匹配,第一次用SURF进行粗匹配得到初始匹配集,并据此计算待匹配人脸图像间的尺度差和角度差,以此作为约束条件第二次进行SURF精匹配,以获得更多的匹配点对,最后采用不依赖位置信息的形状上下文算法剔除误匹配点对。在IMM和Georgia人脸数据库上与目前流行的人脸匹配方法进行实验对比,实验结果显示本文算法有效增加了匹配点对数目,并提高了人脸图像匹配正确率,具有更好的稳定性和鲁棒性。     

一种基于多尺度轮廓点空间关系特征的形状匹配方法

针对使用三角形区域表示描述子对相似形状进行匹配时,对微小形变比较敏感 以及区分剧烈变化的不相似形状时判别能力较弱的问题, 提出一种结合轮廓点空间关系特征的多尺度形状特征描述子.通过分析不同尺度下参考点与其他采样点之间的位置关系, 利用对应角度信息来对形状进行表示, 并在此基础上构造出一种新的形状特征描述子.本文所提特征提取方法能对形状的局部及全局信息更准确地描述, 具有较好的鲁棒性和判别能力.在形状特征匹配阶段, 利用轮廓点集顺序关系已知这一优势, 引入动态规划及形状复杂度分析的方法,分析形状间的匹配结果, 能够得到较好的形状匹配精度.通过对不同形状数据集行仿真实验, 证明本文方法能够有效地实现形状识别和检索.     

基于L1范数的形状快速匹配算法

针对内距离形状上下文IDSC（inner-distance shape context）和轮廓点分布直方图CPDH（contours points distribution histogram）在形状相似性度量中直方图匹配耗时长,工程应用性不佳的问题,提出了一种用EMD-L1测量轮廓特征直方图的距离的方法。EMD-L1在原始EMD (earth mover’s distance)的基础上融合了L1范数,通过替换地面距离计算方法,减少了目标函数的变量,加快了直方图匹配的速度,能够快速实现形状匹配并保持较好的检索性能。对形状数据集进行仿真实验的结果证明,该方法能够有效地进行数据集的形状识别和检索,并且在MNIST数据集下的匹配速度优于其他算法。     

基于形状上下文的人脸匹配算法

提出一种基于形状上下文的人脸形状匹配算法。在形状匹配中,将2个目标进行相似度比较,得到2幅图的对数极坐标直方图的Cost值,计算相似度是否达到预设的阈值来判定其人脸是否匹配。实验结果表明,该算法在二维目标的不变性中,具有准确的匹配效果。     

基于骨架和统计直方图的形状匹配算法

目标的柔性变化和局部遮挡是形状匹配的主要困难,传统的形状匹配算法对这类问题常不能奏效。针对该问题,提出了一种新的接合骨架和统计直方图匹配柔性变化和局部遮挡目标的方法。算法首先提取骨架接合点,根据骨架接合点将目标形状分块;基于每个骨架接合点构造各个子块的不变特征并将其直方图化;再构建了一种新的相似性度量函数;通过对骨架接合点的匹配实现目标形状的匹配。由于算法是提取骨架接合点,较骨架端点提取更稳定,从而能提高匹配精度;此外算法采用分块描述匹配的思想,所以能有效处理局部遮挡和柔性变化。理论分析和实验结果均表明算法是有效的。     

基于形状轮廓特征的金字塔匹配算法

形状检索在计算机视觉中一直是一个具有挑战性的问题，其中对形状特征直方图距离的测量是评价形状检索算法优劣的一个重要因素。针对轮廓特征的直方图距离测量，算法引进一种在图像分类领域中应用广泛的金字塔匹配算法。不同于其他传统的直方图度量算法，金字塔匹配算法将形状的轮廓分成若干块，给每一块分配相应的权重，然后分别统计块中的特征，再计算特征的加权和进行相似度的测量。通过在不同形状数据集下实验，该方法能够有效地进行形状匹配和检索，且能得到较好的形状匹配精度。     

基于形状上下文和方向梯度直方图特征的异源图像配准

针对单模态图像包含的信息存在局限性的问题,提出了一种基于形状上下文和HOG（histogram of oriented gradient）特征的红外和可见光图像配准方法.在混合高斯模型前景检测的基础上,通过提出的形状上下文和HOG特征结合的方法实现轮廓特征匹配,再利用TPS（thin plate spline）转换模型将匹配延伸到整个形状,并使用正则化和缩放特性迭代重组对应关系及估计转换降低估计误差.最后,采用RANSAC（random sample consensus）算法去除错误匹配点.与已有的形状上下文方法相比,此方法结合了边缘和轮廓特征信息,降低了误差,鲁棒性更好.     

一种基于广义期望首达时间的形状距离学习算法

形状距离学习是形状匹配框架中引入的后处理步骤, 能够有效改善逐对计算得到的形状间距离.利用期望首达时间分析形状间相似度可能导致距离更新不准确, 针对这一问题提出了一种基于广义期望首达时间 (Generalized mean first-passage time, GMFPT) 的形状距离学习方法.将形状样本集合视作状态空间, 广义期望首达时间表示质点由一个状态转移至指定状态集合所需的平均时间步长, 本文将其视作更新后的形状间距离.通过引入广义期望首达时间, 形状距离学习方法能够有效地分析上下文相关的形状相似度, 显式地挖掘样本空间流形中的最短路径, 并消除冗余上下文形状信息的影响.将所提出的方法应用到不同形状数据集中进行仿真实验, 本文方法比其他方法能够得到更准确的形状检索结果.     

基于相对形状上下文的低分辨率遥感影像阵群目标关联算法

目标关联是遥感影像融合处理的重要步骤,本质上是目标配对问题。针对低分辫率遥感影像中阵群目标的特点,提出了一种基于点模式匹配的阵群目标关联算法。首先提出一种新的基于点集的不变特征—相对形状上下文特征,然后建立了以相对形状上下文特征的统计检验匹配测度为基拙的阵群目标关联数学模型。为了求解该模型,在构造新的相容性度量函数来初始化关联概率矩阵后,利用松弛标记法通过迭代逐步更新关联概率矩阵,同时通过行列双向正则化最终得到满足一对一约束的最优关联匹配结果。通过仿真和实际数据实验验证了新算法的有效性和鲁棒性。     

基于参数化求和不变量与特征重整的形状匹配

从特征提取和特征匹配两方面考虑,提出了一种鲁棒的形状匹配方法。首先,基于求和不变量,设计了基于面积的形状参数化和归一化方法,提出了参数化求和不变量,该不变量基于形状局部描述且采用积分算子计算,具有较好的鲁棒性和仿射不变性。然后,为进一步提高形状匹配的鲁棒性,在特征匹配上,分析了参数化求和不变量的先验信息,设计了基于特征重整的匹配距离函数,并通过动态规划进行实现。仿真实验表明了所提方法的有效性。