基于几何形状特征的剩余油形态识别

在油田开发后期,剩余油形态分呈复杂趋势。对于岩石孔隙结构中的剩余油形态分布情况的研究,是石油勘探开发领域中的一个重要课题。在实验室中,微观驱替实验是石油地质实验中研究剩余油的重要模拟方法。要想了解剩余油形态的分布规律,统计和识别剩余油形态的类型是先决条件。人工识别统计剩余油形态类型是一项繁重耗时的工作,为了提高研究人员的工作效率,在深入研究剩余油形态几何形状特征的基础上,利用图像处理技术和分类识别算法对剩余油形态类型进行自动识别,具有重要的意义。     

形状特征的表示

本文阐述了在面向的形状特征表示方法与原型现实所具有特点：严格服从特征定义，突出边界模型的定义；考虑了语义几何元素和特征隐含约束集的表示，借语义几何元素来表达从属特征；注意特征分类的现实性，允许用户任意地定义形状特征（因为实践中尚未成严格的分类体系）。     

微分几何编码识别物体的形状

为更好地识别目标形状,编码方法需要对目标的刚体变换具有不变性,同时最大限度保持目标的原有信息。鉴于刚体平面曲线作变换时其曲率的不变性,提出了基于轮廓曲率提取的目标边界编码方法,并对此方法实施了离散化处理。提出了基于改进的KMP算法（D.K.Knuth,V.R.Pratt和J．H．Morris）的曲线匹配方法,并对目标轮廓的重建作了描述。实验证明,利用微分几何的思想描述目标边界,提取方法简单,存储量小,其编码针对目标刚体变换具有不变性,为识别提供了较大的方便。     

形状的几何特征数值描述与交通标志的识别

形状是反映物体特征信息的重要载体，形状描述的主要目的在于提取用以估计区域的特征信息，针对一个典型的二值计算机视觉问题即交通标志的识别进行研究，提出了基于集合交换的形状几何特征的数值描述，并用以描述交通标志的内核形状的特征。４种相应的形状识别方法被应用于交通标志的识别。实验结果表明新方法的有效性和鲁棒性。     

基于实体模型的产品形状特征识别

依据实体造型的特点,从模型空间的特征层入手,搜寻模型空间中的简单形状特征,并根据造型特点获取单个特征在零件模型上的几何拓扑关系,从而实现形状特征的自动识别.通过分析特征实体造型,提出一种基于实体模型的产品形状特征识别方法,并结合微波器件产品开发特征参数提取模块,实现复杂零件模型形状特征的自动识别与提取.该方法为快速建立企业零件库提供途径,也为网络环境下的协同设计和数据共享奠定基础.     

形状特征的定义

本文研究形状特征的形式定义，并强调了形状特征的非几何语义，引入面邻接图ＡＡＧ和几何约束集来定义特征体素，使形状特征的空间属性和边界局性结合起来，从而面向基于约束的设计。最后，作者尝试用代数规格说明来定义特征，并给出了实例。     

一种基于形状特征的建模方法

特征建模近年来受到国内外的广泛重视，成为实现新一代ＣＡＤ系统的有效途径，本文在给出特片形式化定义的基础上，提出了一种基于状态特征的形体表示方法，并给出了作者所研制的实用性造型系统中一种重要的模型，即形状特征建模。     

相对矩及在几何形状识别中的应用

在计算机视觉中,几何形状的识别具有十分重要的意义,而一般几何形状可以分为区域和结构两类。Hu提出的不变矩是用于区域形状识别的几何特征,但对于结构则因不满足缩放不变的条件而不适用。为此对Hu提出的区域不变矩和Chen提出的区域不变矩快速算法进行了扩展,并定义了对于结构和区域均满足平移、缩放、旋转不变的相对矩,从而统一了区域和结构的矩特征计算公式,而且与Hu的不变矩相比,更具有一般性,利用相对矩进行的识别实验表明,相对矩是对区域、封闭和不封闭结构的形状进行识别的有效特征,尤其在识别封闭和不封闭结构时,比傅立叶描述子等传统方法简便。     

基于BP神经网络的图像形状识别

图像形状特征的提取和描述方法是基于形状的图像检索的重要研究内容，本文根据形状特征的描述方法，对提取的形状特征参数抽取一组特征值，形成特征向量，并进行归一化，然后利用BP神经网络进行形状识别，取得了较好的实验效果，对基于形状的图像检索具有一定的指导意义。     

基于几何形状特征的运动目标判决方法

为了室内安全监控异常报警任务的需要,文章在对运动检测后的二值图像进行形态学后处理,消除细小噪声、平滑物体边界,对处理后仍保留的大面积伪运动目标区域,通过提取和分析面积、纵横比等几何形状特征参数,提出了一种运动目标判决方法.该方法有利于消除虚假报警,对基于安全报警系统的异常检测具有一定的意义.     

基于模糊形状上下文特征的形状识别算法

利用形状上下文特征进行形状匹配的过程中,各采样点被直接二值划分至不同的直方图栅格,致使特征表达不精确,进而导致匹配结果存在偏差.本文在对数极坐标系中引入模糊隶属度函数,利用采样点分布的模糊划分结果建立直方图,生成模糊形状上下文特征,从而更精确地描述形状信息.在极坐标系下对采样点集合进行分割,提出分割匹配的方法,减少不必要的特征匹配次数.在此基础上,利用循环移位匹配方法解决形状在不同角度姿态下利用形状上下文特征匹配的问题.通过对不同数据进行仿真分析,证明本文所提出的方法能有效实现形状识别和检索.     

基于几何特征的在线手绘流程图识别

为减少绘图设计软件繁琐的操作步骤,提出基于图元几何特征的在线手绘流程图识别方法.该方法首先识别用户笔画线元,对识别出的线元进行拟合并记录其属性信息,然后以流程图基本图形为单位,利用构成图元的笔画几何特征及笔画间的几何关系识别具体图形.整个识别过程简单、快捷、准确性较高,对用户绘图笔画顺序无要求,适用于不同用户的绘图习惯.     

基于知识与图的形状特征层次识别方法

为解决特征识别中对特征间关系缺乏有效处理的问题,提出基于知识与图的形状特征层次识别方法。将形状特征进行分层识别,由低到高依次分为面关系图、简单形状特征关系图、组合形状特征关系图,给出模型的数据结构及特征识别算法。实验证明,该方法可以简化零件的属性邻接图表达方法,丰富图表示法的工程含义,为建立零件间的关联功能级装配特征提供一条新的途径。     

基于自适应形状上下文特征的实时杆号识别

为了解决铁路供电接触网检测中杆号没有统一标准而造成识别困难的问题,提出了一种基于自适应形状上下文特征（Shape Context）的实时杆号识别算法。该算法利用已知的模板字符与杆号图像通过Shape Context匹配算法进行杆号识别和定位,然后通过自适应策略算法得到正确的杆号。实验结果表明,对于不同形状,不同大小的杆号牌,辅以较少的配置就可以实现杆号识别,准确率在95%以上,具有良好的工程实践意义。     

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...     

基于点云几何与形状特征的曲面重构算法

提出一种新的利用点云进行曲面重构的算法,该算法基于点云的几何与形状特征,根据点云的几何分布进行分类和按照点的局部形状特征进行分类,对每类点进行局部网格重构,并进行后续处理以修补拓扑和几何错误。实验结果表明,该算法强健有效,能生成高质量的网格,并能较好地保持模型的几何与形状特征。     

基于多重几何特征和CNN的脱机手写算式识别

针对中小学数学课堂中具有复杂二维空间结构的手写算式, 提出了一种基于多重几何特征和卷积神经网络(CNN)的脱机手写算式识别的解决方案. 首先, 基于CNN分类算法, 对图像预处理后的单个手写字符进行识别; 然后, 利用几何特征, 如宽高比、质心坐标、质心偏移角度、中心偏移量、水平重叠区间比等, 识别具有复杂空间结构的小数、分数、指数、根式等常见手写算式, 并采用分治算法完成由以上算式组合嵌套的复合算式识别; 最后, 设计并实现脱机手写算式识别系统. 实验结果表明: 在满足一定光照条件下, 该方案对不同分辨率、含噪声图像的手写算式识别率可达90.43%, 具有一定的应用价值.     

基于几何特征的圆形区域星图识别算法

圆形区域法是星图识别算法之一,具有识别过程简单但不能排除伪匹配的特点。对圆形区域法进行改进,以右手螺旋法则构造三角形模式的几何特征;通过在最亮两颗星的内外环交集内引入第四颗亮星消除三角形的相似性,减小伪匹配发生概率。对猎户座实拍图片进行识别,并对全天随机位置产生模拟星图,在不同的星体位置噪声下进行星图识别。仿真实验表明,采用改进后的圆形区域法星图识别率达到98％,识别时间平均低于0．05s。     

基于骨架接合节点特征的形状识别与分类

介绍了一种利用形状的骨架信息进行形状识别和分类的方法。利用从形状中提取的骨架接合节点信息,将形状相似性问题转化为骨架接合节点距离的计算。采用神经网络的方法,根据输入形状的骨架接合节点距离判断出形状所属类别。该方法可以很好地处理非刚性物体形状识别问题,与现有方法相比,具有更好的形状识别效果。