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。     

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。     

基于可视知识的几何形状特征的表示和识别

本文提出了一种基于可视知识网络的几何形状特征的表示方法和识别技术。这种方法和技术通过把图形和特征描述语句集成为一种高层次的基于网络的表示来完整地描述知识结构。在这种结构上提出了一个自动提取形状特征的方法，这有利于相交特征的识别和提取特征间的联系。两个实例证实了作者提出的方法和技术的正确性。     

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。     

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。     

基于区域形状与运动特征的实时行为识别

提出了一种基于推广的Hu不变矩特征的实时行为识别方法。首先,对Hu不变矩进行改进,使其在离散情况下同时具有平移、旋转和比例不变性。然后,结合运动目标的速度将目标行为刻画成结合Hu矩新特征和速度特征的13维特性向量。其中,Hu矩新特征表征了行为的区域形状特性,速度特征反映了行为的运动特性。随后采用预先定义的一些行为作为先验知识样本训练支持向量机,并最后使用其对待检测行为进行分类以达到行为识别的效果。所提方法计算效率高,能够实时检测人体行为。在处理实拍视频数据的实验中,该方法表现出了理想的处理效率以及识别精度。     

基于图的三维实体模型相交特征识别

针对相交特征自动识别较为困难的问题,提出一种新的三维实体模型相交特征识别方法.首先以属性连接图(AAG)表示简单特征的拓扑结构,以几何关系约束图(GRRG)描述简单特征组成面的几何约束关系;然后在子图匹配基础上,先识别实体模型中拓扑结构未发生变化的简单特征,修补后将其移出实体模型,再通过添加镜面操作进一步识别拓扑结构发生改变的简单特征.在此基础上,将相交特征表示为一组相连的简单特征实体,从而实现相交特征的快速、准确识别.     

离散形状的特征区域匹配识别

本文用形心到外轮廓的距离序列表示形状,从而将二维的形状分析问题转化成较简单的一维波形曲线的分析问题,对于这种波形曲线的识别,提出了一种特征区域的局部匹配识别算法.实验证明,本文方法具有较高的识别率,且该算法是平移、旋转和比例变化不变的.     

零件形状特征的提取与智能识别

基于实体建模环境，自动识别构成复杂零件的基本体特征，过滤零件的次要结构、工艺结构等特征；利用零件建模过程中先主后次的原则和习惯，自动建立因素集和权重集，利用所提出的结构方向、最佳方向二要素和建立的知识库等，自动识别并提取零件的形状特征，确定符合工程习惯的主视图投影方向。     

Bayesian shape model for facial feature extraction and recognition

A facial feature extraction algorithm using the Bayesian shape model (BSM) is proposed in this paper. A full-face model consisting of the contour points and the control points is designed to describe the face patch, using which the warping/normalization of the extracted face patch can be performed efficiently. First, the BSM is utilized to match and extract the contour points of a face. In BSM, the prototype of the face contour can be adjusted adaptively according to its prior distribution. Moreover, an affine invariant internal energy term is introduced to describe the local shape deformations between the prototype contour in the shape domain and the deformable contour in the image domain. Thus, both global and local shape deformations can be tolerated. Then, the control points are estimated from the matching result of the contour points based on the statistics of the full-face model. Finally, the face patch is extracted and normalized using the piece-wise affine triangle warping algorithm. Experimental results based on real facial feature extraction demonstrate that the proposed BSM facial feature extraction algorithm is more accurate and effective as compared to that of the active shape model (ASM).     

一种新的基于字符形状特征的高效车牌识别算法

提出了一种基于字符的凹凸性、弯曲度和交点数等形状特征的车牌字符识别方法,它无须对字符作归一化、细化、倾斜校正这些预处理,也不需要样本图像,降低了字符畸变所产生的误识和拒识,减少了处理时间,提高了识别率。实验结果表明这是一种高效的车牌识别算法,是对现有车牌识别技术的有益补充。     

基于形状特征的叶片图像识别算法比较研究

植物是生命的主要形态之一,其种类已达40多万种,对其进行分类识别在生物多样性保护,生态农业,生物安全中有着重要的意义。不同的种类的植物一般有着不同的叶片形状,因此叶片的形状特征在植物分类中扮演着重要的角色。作为计算机视觉的一个重要应用的植物叶片图像识别,近些年来受到了学者们的关注,产生了大量的研究成果。但由于植物种类巨大,叶片图像存在的类内差异大、类间差异小和叶片的自遮挡等问题等诸多问题,使得叶片图像的识别仍然是目前计算机视觉应用研究的一个热点。对近些年来的基于形状特征的叶片图像识别算法进行了综述和比较,对现有的算法进行了分类,对目前各类最先进的识别算法进行了分析和比较。此外,还介绍了常用的叶片图像测试集和性能评估方法,并将各类算法进行了实验结果的比较研究。研究工作既为现有的植物叶片识别算法的实际应用提供了指导,又为今后进一步研究新的高性能的识别算法提出了努力的方向。     

基于特征融合的手形匹配算法

手形识别是生物特征识别的重要组成部分,手形匹配是手形识别的关键。目前常用的方法有特征矢量法（CVM）和点匹配方法（PPM）两种,这两种方法在对手形进行匹配时各有优点,也有局限性。提出一种多特征融合的手形识别算法,使得两者能够有效的结合起来,提高了手形匹配的准确性和鲁棒性。     

用形状分布识别圆环体

给出了一种结合最小有向包围盒以及形状分布的识别圆环体及其参数的算法。首先建立基本体素的最小有向包围盒,对体素进行标准化;然后生成其D2形状分布曲线,计算此曲线分别与标准球体形状分布曲线、标准圆形状分布曲线的EMD（Earth Mover’s Distance）值以及相应的副半径;最后通过比较两个副半径的大小来判断此体素是否为圆环体,并由最小有向包围盒的边长给出圆环体的参数。该算法不需要任何交互操作,而且能够识别发生一定外形改变的圆环体,抗噪能力强。     

基于特征面的分层特征识别

为降低特征识别的复杂度,提出基于特征实体、特征实面和特征虚面概念的层次性特征分类方法.通过构造2类神经网络输入矩阵,利用神经网络在特征识别中所具有的优势,实现基于特征面的分层特征识别方法.实例表明：该方法在识别去除材料的特征时比较有效,但识别特征的范围受到一定限制.     

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。     

Facial feature localization based on an improved active shape model

The original active shape model (ASM) has already been applied to the areas such as image segmentation, feature points localization, and contour extraction. However, the original ASM suffers from the loss of accuracy and low speed in real time applications. Due to this, a new scheme of active shape model for facial feature extraction is proposed in this paper. In this scheme, the improvement of the performance of the original ASM concerns the following three aspects. Firstly, the profile of the original ASM is extended from 1D to 2D. Secondly, each profile related to different features are constructed separately. Thirdly, the length of the profile varies with different levels. The simulations are carried out using the SJTU dataset, which contains 2273 face images. Experimental results demonstrate that the proposed scheme exhibits better performance than the original ASM.