一种改进的人体骨架特征提取算法

在人体边缘轮廓提取的基础上,提出一种人体星形骨架特征提取算法。计算轮廓边界点到人体质心的欧氏距离,并通过小波降噪平滑距离信号。然后提取极值点,构建人体星形骨架模型。利用自适应滤波方法将极值点统一为5个,并采用极值点到人体质心的欧氏距离参数化特征向量。提取视频序列中行为动作的关键姿态编码,建立码本。采用贪婪匹配下的旋转距离将骨架特征向量与码本对照,取距离最小的关键姿态的序列号作为该特征向量的特征序列号输出。实验结果表明,该算法可以提高特征提取的准确性和系统的整体匹配效果。     

用于遥感图像目标快速匹配识别的改进混合溢出树算法

提出一种基于标记的混合溢出树(SHSPT)特征匹配算法,用于遥感图像的目标匹配识别。针对特征数据建立和预处理,提出了基于中心点的数据分割方法,通过定义数据密集区域的中心,舍去边缘稀疏数据,提取出分割后的数据。进行特征匹配时,使用二进制数组表示数据空间,标记分割后的特征向量数据,通过比特操作计算特征向量间的距离,缩短计算时间。最后对特征匹配方法进行改进,采用待匹配特征距离的均值代替尺度不变特征变换(SIFT)匹配算法的次临近特征距离,从而得到更多的匹配点。实验证明,基于标记的混合溢出树特征匹配算法占用内存空间比传统的混合溢出树算法减少约68%,匹配准确度与原算法接近,匹配时间平均缩短了约32.8%,解决了航天遥感图像数据量大,特征维数较高,匹配识别时间长,占用计算机内存大等问题。     

旋转机械振动信号频域随机压缩与故障诊断

提出一种旋转机械故障诊断方法,该方法由频域随机压缩和稀疏表示分类两部分组成。频域随机压缩实现了故障特征的提取,首先通过傅里叶变换得到振动信号的幅值序列,然后构造随机测量矩阵对幅值序列进行压缩测量,压缩测量值作为故障特征向量。在稀疏表示分类中,以有故障标签的特征向量构成故障特征库,将待测特征向量的分类问题转化为稀疏优化问题,应用正交匹配追踪求得待测特征在故障特征库上的表示系数,然后利用表示系数求出待测特征的类重构偏差,根据类重构偏差可以得到诊断结果。齿轮和轴承故障诊断实验证实了本文所提方法的有效性。     

基于小波矩和模糊核聚类的示功图诊断方法研究

提出了基于小波矩特征和模糊核聚类算法的示功图故障诊断方法.通过边缘检测和形态学细化的方法完成示功图的图像分割,采用极坐标下小波不变矩算法提取示功图的形状特征,通过参数选择确定12个小波矩特征量,将特征量输入到模糊核聚类分类器中进行故障类型的分类识别,得到了良好的实验效果,验证了该算法对于示功图故障诊断的有效性.     

结合全局信息的SIFT特征匹配算法

提出了结合全局信息的SIFT特征匹配算法,解决了图像中存在多个相似区域时造成误匹配的问题。首先,在尺度空间检测出特征点;其次,生成特征向量,特征向量包含两部分：基于局部信息的SIFT向量和基于全局形状信息的全局向量;最后,采用BBF(Best Bin First)算法进行搜索,并采用欧式距离作为度量函数进行特征向量的匹配。实验结果表明：改进后的算法能够在更大的范围内表征特征点的信息,所用图像误匹配的概率由19%下降到了11%,改善了匹配效果。     

应用小波包能量谱及SVM的安瓿内浮类异物识别

目的：为了解决安瓿内漂浮物与悬浮物的识别问题,本文提出了一种基于小波包能量谱的特征提取及支持向量机的识别方法。方法：首先通过图像序列差分及点检测分割提取杂质存在区图像作为目标区;然后将目标区沿安瓿瓶轴线方向逐行叠加形成一维信号;对一维信号进行小波包分解,采用主成分分析方法提取小波包分解特征向量中独立主成分;以小波包特征向量中独立主成分的能量谱作为异物类型特征;将提取的特征作为支持向量机的输入向量,采用序列最小优化方法实现训练样本快速分类。实验过程中选择不同类型的核函数和相应参数进行训练和测试。结果：实验结果显示,相对于传统BP网络,SVM在将识别用时减少近60%,识别精度提高了35%。结论：能够满足在生产中对浮类杂质的提取和快速识别的要求。     

基于全局和局部特征融合的图像匹配算法研究

针对移动机器人视觉同时定位与地图构建过程中图像处理速度慢以及特征点匹配实时性和准确性差的问题,提出基于颜色特征和改进SURF算法融合的图像匹配算法。首先,采用颜色特征对图像序列进行粗匹配,选取与测试图像最相近的5幅图像作为待匹配图像;其次,改进SURF算法,用Krawtchouk矩对采用Hessian矩阵获取的关键点进行描述,计算关键点的梯度方向和幅值,得到新的特征向量,对待匹配图像提取改进SURF特征再与测试图像进行精确匹配,得到最佳匹配图像,此匹配算法提高了移动机器人图像处理的速度和精度。实验结果表明,改进算法的误匹配率降低10%左右,程序运行时间减少,在可靠性得到保证的同时适应于实时性应用。     

一种用于道路交通标志识别的颜色-几何模型

交通标志检测是道路交通标志识别系统中的一个关键问题。本研究在分析中国道路交通标志的颜色和几何形状这2种先验特征的基础上,提出了颜色形状对的概念,并据此构造了一种新的交通标志颜色-几何模型。该模型由交通标志的3种基本颜色和5种基本形状构成,充分体现了颜色与几何形状具有唯一确定性关系这一重要特点。因此,基于颜色-几何模型的交通标志检测可以同时实现交通标志的粗分类,将116种中国道路交通标志直接分为7个子类,降低了道路交通标志识别系统的复杂性。仿真实验研究表明,采用该模型的交通标志检测与粗分类的正确率均达到了100%,具有良好的实时性和有效性。     

基于类似形原理匹配轴测图

依据轴测图中存在的仿射不变性 ,提出 5个描述多边形拓扑和几何特征的特征向量 ,以这些特征向量为约束条件给出轴测投影下类似形的定义。提出基于类似形原理匹配轴测图新方法。基于类似形原理可将轴测图中的面分类。匹配过程限制在类似形基础上 ,可大大减少搜索范围。用拓扑结构定性分析类似形对图像中的噪声不敏感 ,用几何特征进行定量分析能反应轴测图的细小差别。该匹配算法能识别不同形状的目标 ,而且还可以区分形状相同但大小、比例不同的目标。实验结果表明该匹配方法是有效的。     

基于机器视觉的汽车换挡面板自动分类方法

针对报废汽车企业对不同型号汽车换挡面板自动分类的需求,提出了一种基于机器视觉的面板自动分类方法。该方法首先使用Blob分析对图像进行预处理,分割出图像中的换挡面板目标对象,接着提取被分割图像的11个形状特征作为特征向量,利用特征向量训练多层感知器(Multi-Layer Perceptron,MLP),最后使用完成训练的MLP神经网络模型对不同类型的汽车换挡面板进行分类预测。实验结果表明,该方法的分类准确率达到99%,每幅图像的分类时间小于100 ms,验证了该方法的有效性与高效性,能够作为报废汽车换挡面板自动分类的一种手段。