三维物体曲面的识别研究

本文对三维物体的特征进行了分析，在此基础上，提出了一种能够识别曲面形状的算法，有效地识别出锥面、柱面、平面等曲面，并给出了程序框图。     

基于张量分解融合RGB-D图像的物体识别

为了充分利用RGB-D图像的深度图像信息，提出了基于张量分解的物体识别方法。首先将RGB-D图像构造成一个四阶张量，然后将该四阶张量分解为一个核心张量和四个因子矩阵，再利用相应的因子矩阵将原张量进行投影，获得融合后的RGB-D数据，最后输入到卷积神经网络中进行识别。RGB-D数据集中三组相似物体的识别结果表明，利用张量分解融合RGB-D图像的物体识别准确率高于未采用张量分解的物体识别准确率，并且单一错分实例的准确率最高可提升99%。     

基于特征轮廓的灰度图像定位三维物体方法

讨论了一种基于特征轮廓的从三维灰度图像确定三维物体位置和姿态的方法，该方法首先建立物体的三维网页模型，检测模型上的特征点，并建立该物体的特征轮廓模型，然后检测输入图像中物体上的特征点，形成特征轮廓，并与特征轮廓模型相匹配，就可得到该物体在三维空间中的姿态；最后使用最小二乘法对物体进行精确定位，实验证明，该方法在物体遮挡情况下不是很严重时，可以快速精确地从灰度图像定位三维物体。     

一种基于特征捆绑计算模型的物体识别方法

利用一种特征捆绑计算模型,以Gabor特征作为模型的初级特征,将相关统计量作为实现特征捆绑的基础,提出了一种物体识别方法.并实现了一组物体识别实验,结果显示,该方法能够进行较快速而准确地识别,说明了此方法和所使用的特征捆绑计算模型的有效性.     

天津海岸带遥感图像综合解译技术研究

作者通过对天津海岸带遥感图像的综合解译,分析了海岸带的演变状况,其解译成果将为天津海岸带的综合治理开发规划提供重要依据。     

图像中物体空间关系的表示及在检索中的应用

基于图像中物体之间的空间关系的图像检索往往受困于待处理的图像中物体种类和空间位置难以自动准确地获取。文中基于物体识别算法的输出,提出一种对物体空间关系的三元组表示法,给出基于这种表示方法对图像索引、相似度计算和检索排序的方法及允许用户使用查询词和空间关系表达查询需求的二维输入界面,并实现原型系统。这种表示法具有良好的鲁棒性,可容忍物体识别算法一定程度的误差,将物体识别得到的置信度加入三元组表示法置信度计算和排序算法中,减少物体识别结果误差对检索性能的影响。在原型系统上的实验表明,该系统在实验中对包含物体位置关系的检索给出更准确的结果,在NDCG@m、MAP、F@m上均优于现有系统。     

针对小目标的遥感图像解译识别系统

当前各种遥感解译系统无法对多种不同目标提供一致的交互解译,且无法满足弱小目标特定的解译需求,针对该问题,基于GrabCut算法设计实现一种交互式的遥感解译识别系统。包括不同目标的特征数据库建立、感兴趣区域定位、交互式目标提取及目标解译识别等主要模块。对飞机目标的解译示例表明,该解译系统不依赖于具体的目标特征,可为遥感图像的解译工作提供良好的支持。     

地物光谱数值分析在彩红外图像解译中的应用

色调(颜色)是识别遥感图像上地物的直接解译标志之一,尤其当地物的几何信息丧失以后,色调就成为判断地物属性的关键。彩红外图像具有独特的成像机制和再现规律。实践证明,根据彩红外航片的成像机理和色度学的基本理论,使用地物     

基于图像分块算法的遮挡物体识别

提出了一种新的计算特征图像的主成分分析方法,该方法被称为图像分块算法。在此方法中,目标被表示为特征和它们相对位置(称为拓扑)的集合,这是一种局部和全局算法。当把这种方法用于解决遮挡问题时,可以发现这种方法得到的图像表示效果比传统的主成分分析方法得到的图像表示效果更好。同时,一种基于这个新的图像表示的简单图像识别算法也被提出,并进行了大量实验。实验表明,这种新方法对于带有53%遮挡部分的图像仍然有95%以上的识别率。     

支持向量机在SAR图像解译中的研究进展

支持向量机(SVM)是统计学习理论的最新方法,在模式分类和回归分析中有广泛的应用。针对SAR图像解译,SVM在图像滤波、图像分割、目标识别与分类、极化数据分类等过程中有很好的处理能力。本文首先介绍了SVM的基本原理,然后综述SVM在SAR图像解译中的各方面研究进展。     

结合兴趣点和边缘的建筑物和物体识别方法

提出了多种图像特征相结合的建筑物和物体识别方法．使用尺度不变特征描述器描述的Harris-Laplace兴趣点以及边缘颜色直方图描述的边缘特征表示图像．边缘和兴趣点包含图像的重要信息．对2种特征的抽取同时进行：基于Harris检测器可以直接得到边缘特征;在多个尺度下进行Harris兴趣点检测,利用Laplace公式得到Harris-Laplace兴趣点．进行物体识别时,根据兴趣点的数目自适应地改变兴趣点和边缘特征的相似性权重．与同类方法相比较表明,该方法具有更高的识别正确率,在视点变化、光照条件变化等情况下具有较好的性能．     

道路场景物体识别模型研究

随着科技的发展与进步,人工智能已逐渐成为新一轮产业变革的核心驱动力,其中自动驾驶领域被给予了前所未有的关注。基于深度学习算法,设计了一个道路场景物体识别模型。首先为数据集制作,收集道路场景数据,做数据增强操作;其次,设计道路场景物体识别方案,选取深度学习网络VGG16和SSD框架进行构建;再次,将传统的车道线检测算法与深度学习物体识别算法相结合,使得模型在识别车辆、行人、动物等物体的同时,进行车道线检测,增加了模型检测功能;最后,在不同的天气,光照环境下,对模型进行测试。测试结果表明,设计的道路场景物体识别模型具有较好的检测识别效果,在光照变化和天气影响下,亦能达到较高的准确率。     

图像区域粗糙分割情况下的区域物体分类

提出一种改进的语义物体分类方法,可在图像区域分割结果不精确的情况下,对图像区域进行分类.结合统计文本分析中的bag-of-words方法与多示例学习,将图像区域物体切分为若干小图像块,提取图像区域物体的图像特征作为其粗糙语义概念并计算置信度;根据粗糙语义概念进一步提取出各种区域物体类型的语义特征作为其特征语义概念;使用分类器对特征语义概念进行学习,实现了对区域物体的分类.实验结果表明,采用文中方法可在分割粗糙的图像区域上获得很好的区域物体分类准确率.     

多事件学习方法及其在三维物体识别中的应用

该文首先介绍了计算机视觉研究领域新近提出的一种知识学习方法———多事件学习模型,简要说明了其研究思路、研究进展、计算方法以及在图像检索中的应用。其次,在简要回顾当前三维物体识别的研究进展和困难的基础上,提出了一种改进的多事件学习模型计算方法,并将其引入到三维物体识别的研究中,以有效简化三维物体的特征表达,提高识别效率。     

基于遥感图像解译的城市生态廊道研究

遥感影像解译是图像学的前沿技术,将其应用于城市环境问题研究具有交叉学科的意义和较好的效果。该文通过解译遥感影像并以北京市为例,详细研究了城市生态廊道的位置、形式和内在结构,并以卫星图片推导的植被覆盖度、地表亮温为指标分析了生态廊道的作用。由此显示了遥感技术可应用于精确的城市环境分析中,是图学应用于地学、规划学的途径。     

采用精选Gabor小波和SVM分类的物体识别

提出了一种基于Gabor小波和支持向量机的物体识别通用框架. 在该框架中, 特征抽取采用选取的Gabor小波在物体的最佳位置卷积实现, 而分类则通过支持向量机实现. 相比传统的基于Gabor特征的识别系统, 该方法能够同时达到准确而快速的分类目的. 本论文成功地将该框架应用于两个实际的物体识别例子: 物体/非物体分类和人脸识别. 实验结果证明了所提出的方法相对于其它方法的优越性.     

河流形状类型的自动图像解译分类

针对河流遥感图像形状类型人工图像解译效率低,提出了河流图像自动识别分类方法。利用敏感因子组合条件,采用多波段组合法和区域生长分裂合并等方法提取河流并应用数学形态学方法进行处理;对得到河流图像确定类型分类特征,并给出了特征向量计算方法;河流类型特征向量散布程度大、类内聚集性较差,在支持向量机的基础上引入模糊隶属度函数,通过模糊隶属度反映样本的贡献属性,减弱噪声或野值样本对分类的影响。实验结果显示,采用模糊支持向量机有效地提高了识别准确度。     

深度学习及其在图像物体分类与检测中的应用综述

传统的图像物体分类与检测算法及策略难以满足图像视频大数据在处理效率、性能和智能化等方面所提出的要求。深度学习通过模拟类似人脑的层次结构建立从低级信号到高层语义的映射,以实现数据的分级特征表达,具有强大的视觉信息处理能力,成为应对这一挑战的前沿技术和国内外研究热点。首先论述了深度学习的起源、发展历程及理论体系;然后分别围绕图像物体分类和检测,总结了近年来深度学习在视觉领域的发展;最后对深度学习及其在视觉领域目前存在的诸多问题以及后续的研究方向进行了分类探讨。     

融合显著物体检测的图像显示适配

目的 图像显著适配旨在自动调节图像尺寸,对图像内容进行非均匀缩放,以便在受限的展示空间内更好地保留显著物体。为了解决显示适配过程中显著物体部分扭曲的问题,提出一种基于显著物体检测的图像显示适配方法。方法 本文方法采用显著物体分割结果来替代显著性图,以改进显示适配结果。首先,采用显著性融合和传播的方法生成显著性图;接着,结合输入图像和显著性图,采用自适应三阈值方法实现显著物体分割;然后,以此为基础,生成输入图像的曲边网格表示;最后,通过对不同网格的非均匀缩放,生成符合目标尺寸的适配结果。结果 在面向图像显示适配的公开数据集RetargetMe上,将本文方法与现有的10种代表性显示适配方法的结果进行了人工评估和比较。本文方法可以有效地减少显著物体出现部分扭曲的现象,能在48.8%的图像上取得无明显缺陷的适配效果,比现有最好的方法提高了5%。结论 基于显著物体检测的图像显示适配方法有助于提高显示适配过程中对显著物体处理的一致性,减少由于显著物体部分扭曲而引起的明显人工处理痕迹,从而达到提升显示适配效果的目的。     

DNA机器人在AFM图像中的分割和识别

DNA机器人是一种由DNA大分子通过折纸技术制作的纳米级别的机器人,可以用于癌症的诊断和治疗。为了对DNA机器人形态进行研究,研究人员利用原子力显微镜（Atomic Force Microscope,AFM）拍摄出机器人的AFM图像。针对AFM图像多噪声及被观察的DNA机器人大规模重叠的特点,从除噪、分割、识别三个过程展开,提出了一种基于多尺度改进的分水岭AFM图像切割算法,以傅里叶描述子、曲率尺度空间描述符和Hu矩作为特征,实现DNA纳米机器人的分类和识别。