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.     

基于多尺度轮廓段的形状特征提取与识别

形状识别是计算机视觉与模式识别领域的重要研究内容。形状的特征选取与描述是形状识别的研究热点。针对现有识别方法的不足，提出一种通过对不同长度轮廓段进行描述，进行特征提取的方法。对每个形状均在6种尺度下进行特征提取，每种尺度选取5种轮廓段特征参数，实现了对形状的特征描述。在形状识别阶段，使用动态时间规整（DTW）算法度量形状描述子之间的匹配距离，实现形状识别。分别在Kimia99、Kimia216和MPEG-7数据库中进行算法验证，结果表明基于多尺度轮廓段的形状特征描述子具有旋转、缩放、平移和局部遮挡不变性，识别率优于现有算法。     

基于轮廓分割的形状匹配新方法

提出了基于轮廓分割的形状描述方法,用来进行形状匹配.首先,使用离散曲线演化将形状轮廓简化成具有N个顶点的多边形,并通过去除其中的凹点得到多边形凸点的集合;然后,对由凸点形成的轮廓片段提取角度和曲率特征,得到形状描述子;最后通过匈牙利算法进行轮廓片段之间的距离矩阵的最小代价和计算,从而得到两个形状之间的相似度.基于MPEG-7图像库上的实验证明了本文方法能很好地反映形状的特征,具有较好的匹配效果.     

基于多尺度轮廓结构元素的多形状边缘检测

在图像边缘检测过程中,针对滤除噪声及有效保留图像边缘信息这对矛盾点进行了研究,给出一种基于多尺度轮廓结构元素的多形状边缘检测算法。该算法通过多次使用轮廓结构元素的开最大和闭最小运算操作滤除噪声,运算次数通过比较图像峰值信噪比确定,降低结构元素对边缘信息的影响;然后采用多形状多尺度结构元素提取图像边缘,并利用图像峰值信噪比控制结构元素尺度的选取。与经典边缘检测算法相比,该算法具有更强的去噪声能力,且能保留更多的图像细节。仿真实验表明,有区别地使用轮廓结构元素及多形状多尺度结构元素,能有效去噪并保留边缘信息。     

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。     

基于多尺度分析的三维曲线匹配技术研究

从提取三维物体碎片轮廓曲线出发,提出一种基于多尺度分析的三维曲线匹配技术。轮廓曲线经多尺度平滑后,计算曲线的特征矢量,通过比较特征矢量以判断轮廓曲线的相似性,实现三维曲线匹配。实验表明提出的算法具有准确性、鲁棒性和容错性。     

轮廓形状匹配的形状函数小波特征方法

利用形心点和Aggarwal的形殊点,定义了轮廓形状的描述函数和起始点,并运用描述函数的Daubechies周期小波系数特征,讨论了闭合轮廓曲线的整体匹配和局部匹配问题.为适应快速识别目标和精确辩识物体的应用需要,提供了这类匹配方法的简易模型和精确模型.实验结果表明这类方法具有良好的稳定性和可靠性,并且小波的快速算法保证了这类方法实时处理的能力.     

基于多尺度特征映射匹配的图像表示方法

在卷积神经网络模型中,空间金字塔池化方法将空间信息融入到深度特征的生成过程中,最终生成的图像表示可以有效地用于提高图像检索性能,但是此方法会导致生成的图像表示中不同维度之间描述的信息存在重复且相同维度描述的图像内容不匹配。为此提出了一种基于多尺度特征映射匹配（multi-scale feature map matching,MFMM）的图像表示方法,此方法首先利用深度特征的方差与协方差矩阵提出了一种特征映射选择算法,用于增强图像表示中不同维度特征的独立性。其次,依据相同通道特征映射中高响应值位置有较高匹配性的特点,结合激活映射中最大响应位置的深度特征提出了一种优化的特征映射中心点选择方法。最后,按照不同的中心点通过多尺度窗口采样的方式,从特征映射中提取出带有空间信息的深度特征用于表示图像内容。实验结果表明,提出的方法在图像检索任务中能够取得良好的效果。     

基于范例匹配的卡通形象设计方法研究

针对动画卡通形象的特点,选取典型卡通形象范例,并分割出范例图元形成图元库。利用傅里叶形状描述方法统一描绘用户输入草图和范例图元的轮廓特征,用输入草图的特征检索图元库,得到相似的范例图元,通过交互方式调整和修改图元,进而生成个性化的卡通形象。实验结果表明,该方法生成的卡通形象基本符合用户的设计意图。     

多尺度空间的自动形状模型的构造算法

提出一种基于多尺度的轮廓模型自动构造算法,可归纳出有形变的物体的轮廓结构．对于噪声及形变程度差异较大的轮廓,首先用多尺度的方法将轮廓分段匹配,根据每段曲线上的噪声和形变程度选择合适的滤波尺度;然后对由轮廓匹配得到的曲线段的对应关系进行归纳调整,得到它们的通用结构模型．该算法适用于对一类具有相同结构但局部存在不同程度噪声和形变的闭合轮廓建立模型,将其用在行人轮廓的建模上取得了较好的效果．     

基于激光雷达的多路径地形匹配算法

地形匹配技术是一种全天候的自主式辅助导航手段,在航空和民用领域都有着广泛的应用。例如,在导弹飞行过程中,采用地形匹配技术辅助惯性导航系统,可以得到更加精确的定位结果。目前巡航导弹所采用的算法是基于单一路径地形高程序列的;但是单一路径地形匹配算法的定位精度较低,并且需要较长的定位距离和时间。提出了基于激光雷达的多路径地形匹配算法,综合利用多条路径的高程信息,可以大大提高定位的速度和精度,缩短定位距离;仿真结果验证了结论的正确性。     

形状匹配方法研究与展望

形状匹配及分类是计算机视觉中的重要问题. 近年来,以形状上下文为代表的基于轮廓的形状匹配方法和以奇点图为代表的基于骨架的形状匹配方法获得了长足的发展. 本文介绍了形状匹配问题的基本概念, 分析了形状匹配问题的难点, 按照基于轮廓和基于骨架的分类方法对近年来最新出现的形状表示与形状匹配的方法进行了详尽的介绍, 并介绍了基于度量学习的形状检索方法, 本文还详细介绍了近年来形状匹配研究领域常用的一些测试数据库, 之后对局部形状匹配和形状分类等有潜力的研究方向进行了展望. 最后对形状匹配的整体框架及其应用前景进行了总结.     

基于改进外部力的多尺度蛇算法

通过融入方向信息修改了仅基于梯度幅值的蛇模型定义，从而产生了新的动态轮廓线模型．新模型可以明显地削弱虚假强边缘的影响；基于动态规划方法，给出了基于小波分解的多分辨率能量极小化算法．由于结合了Mallat的小波边缘检测理论，该算法可以明显地降低时间消耗，在选择滤波器方面更具有柔性，而且降低了初始位置和参数敏感性，从而扩大了目标捕获区域并使得参数的调整得以简化．     

基于链码的二维碎片轮廓匹配算法

首先利用边界链码的跟踪技术,提取出二维碎片的轮廓信息,同时对轮廓线进行细化、去噪和编码处理,得到二维轮廓线的一维链码信息描述,并在此基础上提出一种基于链码的二维碎片轮廓匹配方法.将二维碎片的形状匹配变为只对一维字符的处理,从而使得二维碎片的拼合简单化.实验表明该方法能够有效的找出一对复杂轮廓线上恰当的对应特征段,实现碎片物体的复原.     

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。     

一种新的外耳轮廓跟踪算法

针对人耳识别中因人耳与肤色部分颜色接近，时比不鲜明而导致的很难进行边缘检测的问题，该文提出了一种新的外耳轮廓跟踪算法。算法首先运用阈值分割和形状匹配的方法找到外耳轮廓顶点，并将外耳轮廓分为左右两部分。从顶点开始，通过四个方向的Prewitt算子和一个最佳方向模板首先确定外耳轮廓的基本走向，然后分别从左右两个方向进行轮廓跟踪，得到外耳轮廓。将该算法与其它算法进行比较实验，结果表明了该算法的有效性。     

多尺度几何活动曲线及MR图像边界提取

活动曲线方法是８０年代末发展起来的基于模型的图像分割方法,主要有两大类,能量活动曲线方法和几何活动曲线方法,几何活动曲线言方法在数学上比较完备,较好地克服了能量的许多缺点,但是在医学图像分割中,尤其是结构性噪声比较严重的情况下,几何活动曲线向边界的演化会受到一定程度的影响,为了解决这个问题,作者利用基于小波变换的多尺度边缘检测算法,提出了多尺度几何活动曲线模型,在人体头部ＭＲ图像脑边界的提取中,多     

采用树表示的全局最优形状匹配算法

提出一种全局优化算法，用于相似不变地在一场景中匹配一个形状。该算法采用支撑树来表示形状，匹配问题被转化成在目标点集中定位这棵树的问题。通过最小化边的空间变换同一个全局空间变换之间的差别，树的每条边的空间变换被强制是一致的。目标函数归结为一个关于边匹配变量的凹二次函数。该函数具有低秩Hessian矩阵，可以通过分支定界法快速地解出。还提出一种新颖的求下界的方案，它可以通过动态规划高效地解出。实验结果表明，所提算法相比主流算法有更好的鲁棒性，特别对于两点集只有部分重叠的情形。