以多尺度三角形为特征的快速形状匹配

为了减少形状匹配阶段的计算量并保持匹配精度,提出一种结合多尺度三角形特征的形状描述子,利用形状整体特征进行粗匹配并使用实时匹配方法完成匹配过程.首先通过高斯演化获得多尺度下的形状轮廓并用不同尺度上的轮廓点组成特征三角形;然后采用三角形面积和特征角来描述轮廓信息;最后用形状面积率对候选轮廓进行筛选,通过计算不同形状间描述子的相似度进行匹配.在不同形状数据集上进行实验的结果表明,该方法有较好的匹配结果和较少的匹配耗时,能够快速准确地描述形状的局部及整体特征,在实际应用中具有优势.     

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.     

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．     

形状的不变量特征提取与识别

目的 形状作为图像检索、目标识别等任务中的一种重要线索,一直是计算机视觉领域研究的重点课题。形状识别在实际应用中经常受到视角变化、非线性形变等因素的干扰,导致识别精度较低。针对这一状况,提出一种多尺度的不变量形状描述。方法 方法首先在多个尺度下对形状轮廓进行计算,提取5种不变量特征,以构建对形状的有效描述,然后利用动态时间规整（DTW）算法对形状描述进行匹配,计算形状之间的相似度,以完成形状的匹配与识别。结果 基于不变量多尺度的形状描述对于旋转、缩放、局部遮挡、铰接形变、类内差异,以及噪声等干扰具有很强的鲁棒性。同时,方法被用于对MPEG-7、Kimia99、Kimia216以及铰接形状数据库中的形状进行识别,取得了较高的识别精度,分别为91.79%、95.27%、91.33%,以及89.75%。此外,在MPEG-7数据库中进行形状识别的平均耗时为65 ms,优于大多数同类方法。结论 提出了一种基于不变量多尺度的形状描述方法。该方法能提取形状在不同尺度下的多种不变量特征,对形状进行有效描述,提高了形状描述对几何变换和非线性形变等干扰的鲁棒性以及形状匹配识别精度,适用于大多数应用场景下的目标识别任务。尤其是在旋转、缩放、类内差异、局部遮挡和铰接变形等干扰存在的情况下也能保持较高的识别正确率。     

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。     

仿射变换下基于凸包和多尺度积分特征的形状匹配方法

针对在仿射变换下的形状匹配问题,提出基于凸包的特征点提取方法、基于各向异性高斯核的多尺度积分特征和基于两者的匹配方法.首先提取形状的凸包,根据最大面积原则对凸包相邻顶点之间的曲线进行演化,获取的点和凸包顶点形成仿射不变的特征点;其次对特征点按顺序编组,根据特征点之间的仿射变换关系构造多尺度积分特征向量;最后使用动态规划算法计算形状之间的相似度.实验结果表明,该方法对局部形变和噪声敏感度小,并适用于复杂形状的匹配.此外,特征点提取方法和多尺度积分特征也可与其他方法结合进行形状分析.     

一种鲁棒的二维图像形状检索方法

以往的基于极坐标变换的轮廓描述方法都是以形状质心作为参考点,使得其对噪声过于敏感,轮廓边界发生轻微的变化就可能导致形状匹配的失败。为此,文中提出一种用于描述和匹配二维图像形状的鲁棒性方法。该方法以广义霍夫变换参数映射的极值点作为待检索图像的参考点,以此来建立对应的极坐标变换轮廓描述曲线,从而通过计算描述曲线间所包围的累积误差面积来实现图像匹配。在3个图像库上的检索实验表明文中方法在具有平移、尺度、旋转不变性的同时还具有较好的鲁棒性,可有效对存在部分遮挡和局部缺损的图像进行检索。     

基于局部特征的WEB近重复图像检测

首先分析了不同类型的图像特征对不同重复图像类型检测性能的影响,SIFT局部描述子不仅具有良好的尺度和亮度不变性,同时对仿射形变、视角改变和噪声等也有一定的鲁棒性,因此选择了SIFT描述子来描述图像特征。同时针对SIFT特征在检测过程中匹配计算代价大的缺点,提出了基于奇异值分解的SIFT特征点集合匹配方法,实验结果表明该方法在检测效果和检测时间方面取得了一个很好的平衡。     

基于改进多尺度乘积LoG算子的仿射不变形状匹配算法

目标在成像过程中发生的几何变形多数情况下可用仿射变换来描述。据此,提出一种利用角点进行仿射不变形状匹配的算法。首先引入多尺度乘积LoG(MPLoG)算子检测轮廓角点,并根据角点间距自适应地提取轮廓特征点,从而获取形状关键特征;为解决目标的仿射变形问题,采用Grassmann流形Gr(2,n)来表征和度量两形状之间的相似度;最后通过迭代式序列移位匹配算法来克服Grassmann流形对起始点的依赖并完成形状的匹配。对形状数据进行仿真实验的结果表明,所提算法能够有效地实现形状检索和识别,并对噪声有较强的鲁棒性。     

A new scheme for planar shape recognition using wavelets

This paper presents a novel approach to planar shape recognition using wavelets. There are two stages, called representation stage and recognition stage, in the proposed method. In the representation stage, in order to extract the features of a shape, a set of wavelet basis are investigated, and wavelet decomposition strategy from the orientation function of the boundary curve of the shape are then performed. The representation of a shape is achieved with a collection of multiscale feature set (MFS) which consists of the scale parameters of wavelet function, the positions where the dominant feature take place, a similarity measure, etc. In the recognition stage, the test shape is compared with various model shapes stored in a database by computing the distance of their MFSs, and the one with the minimum distance is chosen as the correct matching of the test shape. Experimental results obtained with the proposed scheme are encouraging which demonstrates the effectiveness and robustness of the approach.     

An effective and fast iris recognition system based on a combined multiscale feature extraction technique

The randomness of iris pattern makes it one of the most reliable biometric traits. On the other hand, the complex iris image structure and the various sources of intra-class variations result in the difficulty of iris representation. Although, a number of iris recognition methods have been proposed, it has been found that several accurate iris recognition algorithms use multiscale techniques, which provide a well-suited representation for iris recognition. In this paper and after a thorough analysis and summarization, a multiscale edge detection approach has been employed as a pre-processing step to efficiently localize the iris followed by a new feature extraction technique which is based on a combination of some multiscale feature extraction techniques. This combination uses special Gabor filters and wavelet maxima components. Finally, a promising feature vector representation using moment invariants is proposed. This has resulted in a compact and efficient feature vector. In addition, a fast matching scheme based on exclusive OR operation to compute bits similarity is proposed where the result experimentation was carryout out using CASIA database. The experimental results have shown that the proposed system yields attractive performances and could be used for personal identification in an efficient and effective manner and comparable to the best iris recognition algorithm found in the current literature.     

一种快速的复杂多边形匹配算法

提出了一种能够快速进行复杂形状多边形匹配的算法，该算法基于正切空间表示，先对复杂多边形进行离散曲线演化，再将得到的简化多边形分为一系列最大凸/凹弧线，并选择每段最大凸弧线的起点作为匹配的起始点进行匹配。实验结果证明该算法不但能够对复杂多边形快速而精确的匹配，而且具有不受噪声影响的优点。     

形状的全尺度可视化表示与识别

目的视觉目标的形状特征表示和识别是图像领域中的重要问题。在实际应用中,视角、形变、遮挡和噪声等干扰因素造成识别精度较低,且大数据场景需要算法具有较高的学习效率。针对这些问题,本文提出一种全尺度可视化形状表示方法。方法在尺度空间的所有尺度上对形状轮廓提取形状的不变量特征,获得形状的全尺度特征。将获得的全部特征紧凑地表示为单幅彩色图像,得到形状特征的可视化表示。将表示形状特征的彩色图像输入双路卷积网络模型,完成形状分类和检索任务。结果通过对原始形状加入旋转、遮挡和噪声等不同干扰的定性实验,验证了本文方法具有旋转和缩放不变性,以及对铰接变换、遮挡和噪声等干扰的鲁棒性。在通用数据集上进行形状分类和形状检索的定量实验,所得准确率在不同数据集上均超过对比算法。在MPEG-7数据集上精度达到99.57%,对比算法的最好结果为98.84%。在铰接和射影变换数据集上皆达到100%的识别精度,而对比算法的最好结果分别为89.75%和95%。结论本文提出的全尺度可视化形状表示方法,通过一幅彩色图像紧凑地表达了全部形状信息。通过卷积模型既学习了轮廓点间的形状特征关系,又学习了不同尺度间的形状特征关系。本文方法...     

On the Recognition and Location of Partially Occluded Objects

The recognition and location of partially occluded objects is important for image-guided robot automation. A computational object recognition system consists of three main parts: shape representation, matching strategies and verification. The shape representation scheme, which is always application-oriented, should keep extracted features as invariant as possible. This paper presents a new model-based object recognition scheme for general two dimensional objects in a cluttered scene. The scheme considers objects subjected to similarity transformations (i.e., a combination of rotation, scaling and translation). It employs a new feature detection algorithm, combining curvature measures and polygonal approximation. An approximate, but efficient matching strategy is proposed for hypothesis generation and synthetic verification procedures are introduced to improve the robustness of the system. Experiment results are presented to show that the system works effectively and efficiently.     

Object recognition by spectral feature derived from canonical shape representation

In this paper, we introduce a new spectral shape feature that can be used in content-based object recognition. We explain a new canonical string representation for a polygonal shape approximation from which the proposed spectral feature is derived. This spectral feature is a composition of Fourier coefficients of the shape function that is derived from the canonical representation. We applied the proposed feature in classification of lung nodules by means of our hierarchical learning scheme proposed in another study. The results show that the spectral feature is promising for lung nodule recognition.     

一种起始点无关的小波系数形状匹配

小波变换的多分辨率特征使其在计算机视觉中得到广泛的应用,在形状匹配中,小波变换对起始点的依赖制约了小波变换的应用。为了克服小波变换对起始点的依赖,引入Zernike矩,提出一种起始点无关的小波系数形状匹配算法。对输入图像进行预处理后提取目标轮廓,生成具有平移、尺度不变的形状链状表达,并通过小波变换进行多尺度分析。最后计算各个尺度下的各阶Zernike矩,来解决小波变换的起始点问题,实现形状表达的旋转不变性。实验结果表明该算法适用于轮廓较明显的目标,同时具有速度快、精度高、鲁棒性强的优点。