基于角点角度特征串的RSI多目标识别

轮廓角点检测与特征构造是基于轮廓角点的RSI多目标识别算法的关键。针对现有的轮廓角点检测方法在准确性与抗噪能力的不足,提出一种改进的轮廓角点检测算法,构造一种基于目标主轴与轮廓角点的特征串,利用动态规划算法计算特征串间的相似度进行目标识别。算法中把目标主轴的旋转角度作为目标的姿态角。实验证明该算法能够快速地识别出目标的旋转角度,对目标进行分类,且具有平移不变性、旋转不变性、尺度不变性以及较好的抗噪能力。     

带旋转与尺度估计的全卷积孪生网络目标跟踪算法

针对目标跟踪任务中,全卷积孪生网络（SiamFC）跟踪算法存在因目标的旋转、尺度变化而造成跟踪错误或跟踪结果不准确的问题,提出一种带旋转与尺度估计的SiamFC跟踪算法。该算法由定位模块与旋转、尺度估计模块两部分组成。首先在定位模块中,利用SiamFC算法获得跟踪位置,并结合旋转与尺度信息对该位置进行调整;其次在旋转、尺度估计模块中,鉴于图像的旋转和尺度变化在对数极坐标系下变成了平移运动,将目标搜索区域从笛卡儿坐标系变换到对数极坐标系下,由此便可利用相关滤波技术估计待跟踪目标的尺度和旋转角度;最终实现了一个能同步估计目标位置、旋转角度以及尺度变化的目标跟踪模型。在对比实验中,该算法在OTB2015数据集上的成功率与准确率分别达到57.7%和81.4%;在包含目标旋转和尺度变化的POT数据集上的成功率与准确率分别达到51.8%和53.3%。与SiamFC算法相比,所提算法的成功率和准确率分别提高了13.5个百分点和13.4个百分点。实验结果表明,所提算法能有效应对目标旋转与尺度变化带来的跟踪挑战。     

基于傅里叶变换的形状上下文描述方法

提出了一种新的基于傅里叶变换的形状上下文描述方法,与以前的形状上下文描述子相比,增加了天然的旋转不变性,同时描述子本身也更加简洁.该傅里叶形状描述子,将全局采样点的分布信息有机地结合到了每个采样点的特征描述中去,从而使代表不同形状的采样点集可以得到准确的鉴别匹配.进一步考虑点集之间仿射变换的代价,从而可以很好地运用到二维形状分类识别问题中去.该方法满足平移、缩放、旋转三个不变性,在形状有遮挡、缺损的情况下都可以取得较好的容错识别效果.     

一种基于极坐标变换的点模式匹配算法

点模式匹配是目标识别、图像配准与匹配、姿态估计等计算机视觉与模式识别应用方向的基础问题之一。提出了一种新的利用点特征进行匹配的算法,该算法根据点集的分布与点位置信息,构建了点的特征属性图,通过极坐标变换得到对数极坐标的特征图,并利用几何不变矩方法对特征图进行描述。由特征描述向量的比较,获得粗匹配结果,然后通过几何约束迭代的方法获取最终的点集匹配结果。本文贡献如下:一,构建了一种点的极坐标变换特征,并运用不变矩进行描述,使所提特征具有旋转与平移的不变性;二,提出了利用点特征与整体点集几何约束结合的匹配算法,能有效克服出格点与噪声带来的不利影响。最终实验说明了算法的有效性和鲁棒性。     

图像识别的RSTC不变矩

分析了对比度变化对Hu矩的影响，构造了一种新的不变矩形式，该矩不但具有通常的旋转、尺度缩放以及平移不变性，同时还具有对比度变化不变性。以三类具有旋转、尺度缩放、平移以及对比度变化（RSTC）的目标图像为例进行了识别仿真实验，结果表明新的不变矩形式消除了对比度变化带来的影响，增强了三类图像的类内内聚性和类间可分性，实验结果证明能够对具有RSTC变化的目标图像进行有效识别。     

基于轮廓的形状射线描述模型

提出一种新的基于轮廓的形状描述和匹配方法。提取物体的轮廓并在轮廓上进行等间隔采样,利用参考点到采样点的距离、采样点处的轮廓方向及采样点间的空间关系来直观地表达目标的形状特征;通过在不同尺度、方向和位置进行最大表决来获得形状匹配的尺度、旋转和平移不变性;提出了结合局部和整体特征的相似度评分机制来实现目标的匹配和检测。实验表明,形状的射线描述模型不仅能对具有清晰轮廓的目标进行有效的检索和匹配,也可在复杂的图像背景中检测目标。     

基于二维模型的瞄准点跟踪定位

为解决目标跟踪中的瞄准点准确定位的问题,提出了一种基于二维模型的瞄准点跟踪定位算法。无论目标做怎样的平移,旋转及尺度变化,也无论瞄准点是表面点还是内部点,此算法都能确定瞄准点在目标中的准确位置。     

基于二维模型的瞄准点跟踪定位

为解决目标跟踪中的瞄准点准确定位的问题，提出了一种基于二维模型的瞄准点跟踪定位算法。无论目标做怎样的平移，旋转及尺度变化，也无论瞄准点是表面点还是内部点，此算法都能确定瞄准点在目标中的准确益。     

利用多种特征和Hopfield神经网络的有遮挡的目标识别

该文提出了一种新的识别有遮挡目标的方法,即将目标模型和含有目标的遮挡图象的轮廊在某一尺度上张角的极值、极值点（亦称显著点）之间距离、相对位置等信息集成在一起,作为描述目标模型（遮挡图象）的一组特征,且这组特征在平移、旋转和均匀尺度变换下保持不变。其轮廓上点ｐ处的张角可用余弦定理很方便地求出,而张角的极值点则对应于轮廊急剧变化的地方。同时将特征匹配定义为模型特征与遮挡图象特征之间的对应,若这种对应被映射到Ｈｏｐｆｉｅｌｄ神经网络上,则该网络即可用于完成全局特征匹配。该文提出了的方法已在ＰⅡ个人计算机上用Ｍａｔｌａｂ５．２编程实现,并给出了应用实例。实验结果表明,该方法能有效地从含有遮挡目标的景物图象中识别出目标,且实现起来非常方便。     

Freeman链码描述的曲线匹配方法

针对普通曲线匹配算法不能处理旋转和缩放曲线的不足,提出Freeman链码描述的曲线匹配方法。该方法为Freeman链码设计一种基于差别累加值及链码差的拐角点快速检测算法,能够快速地检测出曲线拐角点;通过计算曲线起点和曲线方向,得到不随曲线旋转、平移和尺度变化的标准拐角点序列;根据拐角点的长度序列和夹角序列进行相似判断实现曲线匹配。Freeman链码描述的曲线匹配方法不受曲线旋转和缩放的影响,计算量小,易于实现,仿真实验证明该算法合理有效。     

基于Hausdorff距离图象配准方法研究

图象配准是图象融合的一个重要步骤，为此提出了一种自动图象配准算法，该算法从两幅待配准的图象中分别抽取特征点，然后选用Hausdorff距离对两特征点集进行匹配，得到点集间的仿射变换，从而实现图象的自动配准，此算法以特征点而不是物体边缘计算仿射变换，大大降低了计算Hausdorff距离的运算量；同时，基于Hausdorff距离的图象匹配只需要点集之间的对应，而无须点与点的对应，因而可以使用于存在较大物体形变的情况，即完成两幅差异较大图象的配准，实验结果证明了算法的有效性。     

图像分割中分段光滑Mumford-Shah模型的水平集算法

图像分割和轮廓提取在计算机视觉和模式识别中具有重要意义，基于主动轮廓模型的图像分割和轮廓提取是目前研究热点，分析了Mumford—Shah模型的主动轮廓新的视觉机制；并推导了简化的分段光滑水平集模型,通过构造具有柔性距离函数，对迭代步骤中水平集函数重新初始化，结合本质上无振荡格式(ENO scheme)和预测校正格式，提出了一种新的有限差分算法，该算法不但能提取多个具有不同凹凸拓扑结构和灰度差异物体的轮廓，而且能保持分割后物体的灰度特性。最后给出了若干算例，算例表明，该水平集算法具有数值稳定性，不会出现振荡现象。     

基于相对距离的手指静脉识别方法

提出了一种新的手指静脉识别方法,即以静脉内部拓扑结构的本质特性为原理进行手指静脉的匹配,首先对细化修复后的图像提取端点和交叉点,并计算这些特征点之间的相对距离,最后通过比对这些距离值来完成手指静脉图像的识别。该方法结合静脉自身特征,充分利用了拓扑结构的本质属性,无须定位,简单易行。实验结果表明,该方法能够快速准确地进行身份识别,在一定程度上克服了平移、旋转对识别结果的影响,具有实际应用价值。     

一种基于轮廓特征点的图像检索方法

传统基于形状的图像检索方法检索效率较低,针对该问题,提出一种基于对象轮廓特征点的图像检索方法。利用Mean Shift算法提取感兴趣对象,以对象曲率的局部极值点作为特征点,并将对象表示为这些特征点的特征向量,定义检索对象与被检索对象特征向量间的距离匹配机制,实现对象的匹配或识别。实验结果表明,与传统方法相比,该方法具有较高的查全率和查准率。     

一种提取物体线形骨架的新方法

提出了一种提取物体线形骨架的新方法. 该方法首先计算物体距离变换的梯度, 从而得到一个矢量场. 距离变换的梯度对提取物体线形骨架具有重要意义, 可据此获得物体内部的关键点, 其中每一个关键点代表了物体的一个凸部分. 之后, 用搜索梯度最短路径的方法连接关键点, 得到物体的线形骨架. 本文方法得到的线形骨架能很好地反映物体拓扑和形状特征, 并不易受边界噪声干扰. 此外, 本文方法克服了基于距离变换的骨架提取算法的固有缺点, 获得了具有良好连通性的骨架. 因此, 基于本文方法得到的骨架能用于物体识别和匹配等领域. 对大量二维、三维物体的实验取得了令人满意的效果.     

基于投影熵特征的图像识别算法

原始定义下的投影熵特征对于图像信息利用不够充分,而且对图像缩放变换不具有不变性,针对这两方面的不足,给出了扩展规范化投影熵特征的定义,并将规范化后图像的局部投影熵特征向量用于图像识别;在进行图像识别时,利用期望最大化(EM)算法得到训练集图像局部投影熵特征的混合高斯概率分布模型,求取目标图像的相应特征到各个混合高斯函数的Mahalanobis距离,根据距离判别法原理得到目标图像所属类别。实验采用哥伦比亚大学计算机视觉数据库中的图像对算法进行验证,结果表明该算法具有较好的识别效果和良好的并行运算特性     

航空影像辅助下的城区机载LiDAR汽车目标检测方法

机载激光雷达(LiDAR)技术的出现为地面汽车目标检测提供了新的途径。为了从机载LiDAR点云数据中提取汽车对象,根据不同地物的属性特征,提出了一种航空影像辅助下的城区机载LiDAR汽车目标检测方法。首先利用形态学开重建滤波完成地面和地物的分类,然后在地物点的基础上结合正射影像,通过归一化植被指数(NDVI)特征完成对植被和非植被地物的初步分类,最后在非植被地物的基础上,根据地物对象的形状特征及高程信息完成汽车和建筑物及阴影植被等非汽车对象的分类,从而完成汽车目标的提取工作。3个实验区的计算结果表明:该方法能有效从LiDAR点云中提取汽车目标,正确度和完整度的均值分别为95%和85%,满足实用性要求。     

基于主方向重建的SURF多角度识别匹配算法优化

针对物体多角度识别过程中存在着因偏转和俯仰角偏差而造成的匹配精度低等问题,本文提出了具有旋转不变性的SURF匹配优化思想.本思想采用聚类算法将提取的关键点进行分类,在类中通过距离高斯加权来得到关键点水平和垂直方向的Haar小波值,进而更精准地确定特征点主方向;针对匹配过程中出现的误匹配对,利用误匹配粗减思想进行剔除;之后,为进一步提高匹配机率,采用物体环视全景图作为后台基准图像.实验结果表明,本思想对物体多角度图像的识别机率和识别正确率明显提高,且匹配耗时也有所减低,并具有一定的实用性和推广性.     

Recognizing solid objects by alignment with an image

In this paper we consider the problem of recognizing solid objects from a single two-dimensional image of a three-dimensional scene. We develop a new method for computing a transformation from a three-dimensional model coordinate frame to the two-dimensional image coordinate frame, using three pairs of model and image points. We show that this transformation always exists for three noncollinear points, and is unique up to a reflective ambiguity. The solution method is closed-form and only involves second-order equations. We have implemented a recognition system that uses this transformation method to determine possible alignments of a model with an image. Each of these hypothesized matches is verified by comparing the entire edge contours of the aligned object with the image edges. Using the entire edge contours for verification, rather than a few local feature points, reduces the chance of finding false matches. The system has been tested on partly occluded objects in highly cluttered scenes.