基于骨架层次分解的目标的图表示

基于骨架的目标表示技术是模式识别和计算机视觉的重要研究内容,近年来人们提出了许多骨架化算法,但是有关利用骨架信息表示并识别目标的研究还非常有限。Ablameyko等1996年提出了通过分解由距离标号的骨架为有意义的结构基元从而获得目标的层次结构图的方法。该图可以准确地刻画基元之间的拓扑关系,但是它对于骨架中的噪声比较敏感。主要表现为噪声基元破坏其它基元的完整性和图的稳定性。该文采用将分支编组为分支链以及构造多尺度结构图的改进策略来克服这些缺点,最终获得了目标的节点数更小、节点显著度更高、节点间连接关系更稳定的多尺度图,从而显著地提高后续利用不精确图匹配技术进行目标识别的效率。这项技术已经被应用于一个基于形状特征的图像数据库检索系统中。     

基于非脊点下降算子的多尺度骨架化算法

骨架是目标表示的一种重要方式.提出了一种基于区域标记直接从灰度图像中提取的骨架的新算法.算法对脊点概念作了补充撰述,组合利用了目标的轮廓与区域信息,采用了层次化的处理策略,适用于稳健地提取规则和不规则目标完整的多尺度骨架.所提取的骨架彼此连通、单像素宽并与原始图像拓扑一致.将算法应用于实际图像,检测到了与人视觉感知相一致的目标骨架.     

高分辨率遥感影像信息提取及块状基元特征提取

分析了基于目标基元的遥感信息提取技术相对于传统的基于像元的处理方式所具有的优势；结合人类视觉机制和计算机尺度空间理论，设计了基于特征基元的高分辨率遥感影像多尺度信息提取技术流程框架，即在大尺度下进行粗分割后进行块状基元提取的技术及实现过程；最后给出了相关实验结果，实验表明本文提出的基于基元的遥感信息提取便于与视觉知识和环境知识更好地结合，提高了遥感信息处理与应用的自动化和智能化水平。     

基于轮廓基元的目标表示及检测方法

为了从复杂真实的场景中提取筛选出目标本质特征,训练目标模型,进行有效的目标检测,提出了一种基于轮廓基元的目标表示及检测方法。采用轮廓基元进行部件建模,提出了从复杂真实场景中进行特征筛选的基本准则,无需对训练图像进行分割,使用外观聚类、位置聚类、AdaBoost三层筛选框架,建立部件模型并学习获得集成分类器。实验结果表明,该方法对复杂背景、局部遮挡和姿态变化具有较强的鲁棒性,对尺度变化具有不变性。     

基于边界曲线演化模型的生长骨架算法

基于距离变换的骨架算法往往不能直接用于骨架识别，且骨架的连通性难以保证.本文提出一种新型的骨架算法，由一个初始骨架点开始逐点生长出各骨架分支，同时在骨架生长过程中用离散曲线演化模型消除造成信息冗余的骨架枝，保留视觉上重要的骨架枝，实现了骨架的多尺度控制,实验证明本算法复杂度低，得到的骨架连通性得到保证，能较好地表示图形中视觉重要成分，符合人类视觉习惯，可直接用于图形识别和形状度量.     

P-四元树表示

本文提出了一种新的用四元树表示区域的方法--P-四元树表示.这种表示与四元树表 示相比较,约节省存贮空间94%.P-四元树表示不但保持了四元树表示所具有的快速运算特 性,而且显示了它的"基元-基元"的整体运算优越性.P-四元树可作为以微机为主的图象信息 系统中理想的数据结构.     

POLYBASE系统中的查询处理技术*

POLYBASE系统是一个集成的多数据库系统．本文主要讨论了POLYBASE系统的体系结构、集成数据模型，提出了一个基于加权查询树的查询表示模型，设计并实现了基于加权查询树查询表示模型的一个有效的导航查询处理算法．     

基于二元树复小波特征表示的人脸识别方法

二元树复小波变换（DTCWT）具备近似平移不变、多方向选择、完全重构和高效计算等优点，适合于人脸特征提取。提出了一种新的基于二元树复小波变换的人脸特征表示方法，用二维DTCWT提取了人脸图像不同尺度、位置和方向的局部特征，并用多尺度多方向的信息生成DTCWT人脸特征图。实验证明了DTCWT人脸特征表示方法提取了最具可判别性的人脸特征，获取了高识别率和泛化能力，优于其他特征表示方法。     

结合Top-down和Bottom-up准则的有效图像分割方法

基于图像的Bottom-up分割方法能够根据图像的不连续性以较高的正确率获取目标边缘;Top-down分割方法通过学习可以获取目标的外形表示,即对象基元CSF(Class-specific Fragment),该CSF能够用以覆盖待分割图像,帮助获得更好的分割效果。结合这两种准则的优势,提出一种有效的图像分割方法。把Top-down分割结果作为Bottom-up的输入,用改进的多尺度标记控制分水岭变换细化边缘,完成分割。算法利用相似性标准,能够简便快捷地判定属于对象基元的子块并匹配覆盖目标图像;同时,把形态学重构运算加入到强制最小技术中,对其结果求补后获取区域最小值,构建出的标记模型更加理想。实验表明,该方法得到的分割结果优于单独使用Top-down和Bottom-up方法,即使在背景可变和身体可动部位也能较好地分割出目标。     

最小生成树用于基因表示数据的聚类算法

在生物学研究中，需要对植物和动物分类，对基因进行分类，以获得对种群固有结构的认识．使用聚类分析方法，有效地鉴别基因表示数据的模式，将它们分组成为由类似对象组成的多个类，对研究基因的结构、功能以及不同种类基因之间的关系都具有重要意义．将图论的最小生成树理论引入分子生物学中基因表示数据的聚类分析方法，设计了生成树的表示和基于最小生成树的聚类算法，证明了该方法对于一些准则函数能够产生全局最优簇，并根据实验结果对算法进行了讨论和评价．     

动态骨架算法

骨架是表示物体形状的一种有效形式.基于距离变换的骨架求解算法得到的骨架尽管准确光滑,但必须仔细地检查其连续性;而当骨架的结构较为复杂时,这种连续性检查会变得非常困难.结合Thinning技术和Snake模型,提出了一个平面二值图的动态骨架算法.首先利用Thinning技术生成连续且拓扑保持的初始骨架,然后根据Snake模型的思想,将初始骨架引导到正确的位置上.动态骨架算法提取的骨架不仅保持了位置的准确和外形的光滑,同时也解决了骨架的连续性问题.     

A Generic Implementation of Tree Skeletons

In data-parallel skeleton libraries, the implementation of skeletons is usually tightly-coupled with that of data structures. However, loose coupling between them like C++ STL will improve modularity and flexibility of skeletons and data structures. This flexibility is particularly valuable for tree skeletons. To achieve such loose coupling, we present an iterator-based interface of trees for tree skeletons. We have implemented tree skeletons on the basis of our interface; we present their design and implementation. This paper also reports the results of preliminary experiments.     

基于任意骨架的隐式曲面造型技术

给出了一个新的基于任意多面体网格骨架的构造性自由曲面造型算法.算法首先由每个给定骨架构造出一个距离场,然后利用隐函数光滑过渡技术和CSG(constructive solid geometry)表示技术将所构造的隐式曲面自由地两两粘合成一张光滑曲面.隐式曲面的多边形化算法则用来生成最终曲面网格.以任意骨架作为基本体素,突破了传统隐式曲面以点为基本骨架的限制.而且,距离曲面很好地逼近了原骨架形状,使用户可直观地对复杂曲面进行交互设计.而形变函数的引入,则极大地丰富了此方法的造型能力.实验结果表明,基于该算法的原型系统能够方便、直观地构造复杂的自由曲面.     

基于骨架的隐曲面造型技术

为实现光滑物体的参数化特征造型，对巳有的基于骨架的隐曲面造型技术做了两项改进：（1）提出一个不同于传统的欧几里得距离定义的点到一般凸集骨架距离定义，使得基于点到骨架距离定义的一般凸集骨架所张成的曲面保留了点骨架所张成曲面-球面的所有特性，特别是曲面的高度光滑性和曲面的骨架表示的高度抽象性；（2）提出一种骨架生成场的融合方法，即累乘各个骨架生成场，与传统的融合方法相比，这种融合方法具有更好的融合特性。     

Skeletonization based on angle maps

This paper presents a novel skeleton pruning approach based on angle maps. The angle map of the test object is a representation of the object contour’s angles during a 2D empirical mode like decomposition (EMD-like). The intrinsic mode functions produced by the EMD like decomposition are used to compose the angle map of the object contour. This angle map has very good properties for obtaining the object’s skeleton. The experimental results demonstrate that the obtained skeletons match to hand-labelled skeletons provided by human subjects, even in the presence of significant noise and shape variations, cuts and tears, and have the same topology as the original skeletons.     

Modeling Complex Unfoliaged Trees from a Sparse Set of Images

We present a novel image‐based technique for modeling complex unfoliaged trees. Existing tree modeling tools either require capturing a large number of views for dense 3D reconstruction or rely on user inputs and botanic rules to synthesize natural‐looking tree geometry. In this paper, we focus on faithfully recovering real instead of realistically‐looking tree geometry from a sparse set of images. Our solution directly integrates 2D/3D tree topology as shape priors into the modeling process. For each input view, we first estimate a 2D skeleton graph from its matte image and then find a 2D skeleton tree from the graph by imposing tree topology. We develop a simple but effective technique for computing the optimal 3D skeleton tree most consistent with the 2D skeletons. For each edge in the 3D skeleton tree, we further apply volumetric reconstruction to recover its corresponding curved branch. Finally, we use piecewise cylinders to approximate each branch from the volumetric results. We demonstrate our framework on a variety of trees to illustrate the robustness and usefulness of our technique.     

On the generation of skeletons from discrete Euclidean distancemaps

The skeleton is an important representation for shape analysis. A common approach for generating discrete skeletons takes three steps: 1) computing the distance map, 2) detecting maximal disks from the distance map, and 3) linking the centers of maximal disks (CMDs) into a connected skeleton. Algorithms using approximate distance metrics are abundant and their theory has been well established. However, the resulting skeletons may be inaccurate and sensitive to rotation. In this paper, we study methods for generating skeletons based on the exact Euclidean metric. We first show that no previous algorithms identify the exact set of discrete maximal disks under the Euclidean metric. We then propose new algorithms and show that they are correct. To link CMDs into connected skeletons, we examine two prevalent approaches: connected thinning and steepest ascent. We point out that the connected thinning approach does not work properly for Euclidean distance maps. Only the steepest ascent algorithm produces skeletons that are truly medially placed. The resulting skeletons have all the desirable properties: they have the same simple connectivity as the figure, they are well-centered, they are insensitive to rotation, and they allow exact reconstruction. The effectiveness of our algorithms is demonstrated with numerous examples     

利用近似骨架线进行面状要素注记算法及实现

骨架是表示物体形状的一种有效形式。本文介绍了一种获取多边形近似骨架线的算法设计和实现，并利用该算法进行面状要素的注记。文中的算法基本保持骨架位置的准确，保证骨架线的连续性。