基于区域的多类目标识别与分割算法研究

为了实现复杂自然场景中多类目标的识别与分割,利用条件随机场(CRF)对目标特征进行建模,并在此基础上运用过分割算法将图片分为有限个连续区域,提出一种新的基于区域的CRF模型,即R-CRF模型,并采用Joint-boost算法对标注样本进行训练,研究基于主题的R-CRF模型在多类目标识别与分割中的应用。MSRC-21类数据库的实验结果表明,该算法在多类目标识别与分割中取得的结果优于国内外其他算法,尤其对于其他算法中正确率很低的形状多变而样本少的高结构物体的识别和分割取得了很好的结果。     

基于多目标规划的模糊C均值聚类算法

模糊C均值聚类算法(FCM)是一种非常经典的非监督聚类技术,已被广泛地应用到医学图像分割。由于传统的FCM聚类算法在分割图像时仅利用了图像的灰度信息,未利用图像的空间信息,在分割叠加了噪声的磁共振(MR)图像时分割效果不理想。考虑到脑部MR图像真实的灰度值具有分片为常数的特性,按照合理利用图像空间信息的原则,对传统的FCM聚类算法进行了改进,引入多目标规划的概念,提出了一种新的,更加合理的应用图像空间信息的聚类算法。实验结果表明,应用该算法可以有效地分割含有噪声的图像。     

基于半监督的多目标进化模糊聚类算法

为了解决传统聚类由于缺少有效指导而导致图像分割结果不理想的问题,将半监督方法引入到多目标进化模糊聚类算法中,提出了一种基于半监督的多目标进化模糊聚类。图像分割算法通过构造基于半监督的类内紧致性函数和类间分离度函数,利用监督信息指导聚类过程获得非支配解集。为了从非支配解集中选择一个最优解,利用监督信息构造了基于相似性度量的有效性指标。实验结果表明,提出的方法在分割准确率和视觉效果上明显优于无监督的聚类方法。     

基于分水岭的多目标核聚类图像分割

传统的聚类图像分割方法一般仅仅利用图像中的灰度信息。为了更好地利用图像中的区域和边缘信息,提出一种基于分水岭过分割的多目标模糊核聚类图像分割算法。该算法采用分水岭算法获得图像的过分割区域,采用多目标模糊核聚类算法对区域代表点和分水岭上的像素进行聚类。根据聚类结果将图像中的像素进行标记,得到最终的分割图像。实验结果表明,由于利用了图像区域信息,使得目标能够比较完整地从背景中分离出来。     

目标识别中多传感器信息融合算法比较

近年来多传感器信息融合技术在目标识别领域得到了大量研究和快速发展. 介绍了多传感器信息融合目标识别的基本原理及其系统结构, 重点阐述了目标识别中的多传感器信息融合算法, 并对识别效果进行比较, 最后指出了该领域今后的发展趋势.     

基于多信息融合的视觉目标类识别算法研究

视觉目标类识别是计算机视觉研究领域中的最具挑战性的难题之一,目前仍有许多问题没有得到很好的解决.近年来提出的空域金字塔直方图特征表示,在描述特征点集分布属性方面取得了比较好的实验效果.但是由于其描述的信息不全面,在性能上仍有较大改进余地.从信息互补性角度出发,提出了基于多信息融合的集成策略,将空域金字塔直方图表示与费舍分数表示各自描述的优势相结合,用于视觉目标类识别.实验证明该策略是有效的,在所进行测试的所有类别上相比单信息识别的性能均取得了一致性提高.     

目标语义概率模型在类目标识别和地物场景分析中的算法研究

基于文本分析统计模型提出了图像类目标的语义概率模型,并且将这种概率模型应用于目标识别和复杂场景下的地物分析.首先将图像表示成多个特征局部区域的集合,然后根据目标语义概率模型得到图像、特征局部和目标语义之间的概率关系,通过计算后验概率可以实现目标语义类别的识别.目标概率模型通过EM算法获得模型估计参数.实验结果显示,在识别复杂背景中的目标达到了很好的效果.场景分析中根据图像中各局部区域与目标语义的概率分布可以实现场景中感兴趣区域的标注,实验结果说明此方法有可行性.     

移动目标的快速识别算法

本文针对现有技术中存在的问题提出一种对复杂背景下的多个移动物体进行目标快速识别与跟踪的复合算法。该算法中采用对连续图像进行差影计算来确定移动目标区域，从而能去除复杂背景干扰，可以明显提高目标识别的速度和准确率。该系统已被实验证明其有效性和实用性．可广泛应用于监测与识别系统，也可应用于无人监控．无人自主操作等各种领域。本文中所提到的算法现为国家某重点项目中的关键技术。     

尿沉渣图像分割及识别算法研究

尿沉渣检查中,需要利用一些分析仪器识别尿液中的有形成分,检查尿沉渣中的红白细胞、上皮细胞、管型和结晶等,及时发现人体的肾脏疾病、泌尿道疾病。现阶段,我国常用的自动尿沉渣检测仪相比传统人工镜检查效率更高,尤其在尿沉渣的有形成分识别上准确率更高。基于此,针对尿沉渣的自动识别展开探讨,并结合尿沉渣图像的特点,研究图像分割、增强、选择、特征提取以及图像识别算法。     

远程实时运动目标识别技术的研究

根据远程实时性、识别精度等要求,通过分析,比较每一个子过程中所采用图像处理技术的优劣,吸取其中较优的方法加以改进、融合,提出一套合理的、高性能的、可靠的运动目标检测和识别算法和识别策略。     

一种视频运动目标的检测与识别方法

给出连续图像帧差分和二次帧差分改进的图像HSI差分模型,采用自适应分割算法能在任意条件下自动提取运动目标区域.定义运动目标的特征分析和计算,通过特征匹配判断,识别所需识别目标的区域.实验结果表明该方法是有效的,且有良好的鲁棒性.     

基于亲和传递聚类的多类物体识别方法

多类物体识别在提取特征之后,样本的数量会呈指数倍增加,为减少计算量同时,不降低识别率,采用亲和传递算法对样本数据进行聚类形成视觉字典,帮助并提升物体识别效率。在Sowerby图像数据库上进行实验证明,该方法与使用k均值聚类建立视觉字典方法相比,在同等条件下具有更高的识别率。     

运动目标识别与跟踪系统的研究

提出了一种运动目标识别与跟踪系统的方案，给出了系统的原理图和结构框图。重点论述了图像处理的过程和算法，包括颜色模型的选择，图像的预处理，图像分割，目标的识别及预测，以及目标丢失时的处理。可实现简单背景下目标的实时跟踪，达到较好的效果。     

Statistical Image Object Recognition using Mixture Densities

In this paper, we present a mixture density based approach to invariant image object recognition. To allow for a reliable estimation of the mixture parameters, the dimensionality of the feature space is optionally reduced by applying a robust variant of linear discriminant analysis. Invariance to affine transformations is achieved by incorporating invariant distance measures such as tangent distance. We propose an approach to estimating covariance matrices with respect to image variabilities as well as a new approach to combined classification, called the virtual test sample method. Application of the proposed classifier to the well known US Postal Service handwritten digits recognition task (USPS) yields an excellent error rate of 2.2%. We also propose a simple, but effective approach to compensate for local image transformations, which significantly increases the performance of tangent distance on a database of 1,617 medical radiographs taken from clinical daily routine.     

二维可分离物体的识别与定位

一、参考图象与实测图象中对应物体的识别对于二值图象,文献[1]中给出了一种提取特征的方法,即轮廓特征码序列法.但是,如何存贮这些物体所对应的轮廓特征码序列以及如何利用这些特征进行匹配则有待进一步研究.     

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．     

基于几何特征的曲面物体识别

基于几何特征的曲面物体识别方法是通过从景物深度图象上提取景物表面的高斯曲率和平均曲率、曲率直方图,曲率的熵等几何信息,将景物用一个属性关系图ＡＲＧ来表示,并与模型库中的模型ＡＲＧ图进行优化匹配,从而来识别曲面景物。该方法主要是针对机器零部件等人造曲面物体的识别问题而设计的,其曲面几何特征的描述方法对二阶曲面比较有效,实验表明,应用该方法可成功地从深度图象中识别机器零部件等曲面物体,且有较好的识别结     

基于高温辐射体颜色信息的目标图像识别方法

鉴于准确识别待测目标是利用CCD图像传感器进行高温测量的关键,为此在对高温辐射体彩色图像的噪声特点进行分析的基础上,提出了一种基于高温辐射体颜色信息的目标图像识别方法。该方法首先通过对红、绿基色图像分别进行分割来减小甚至消除高温辐射体图像的各种噪声;然后综合红、绿基色图像的分割结果实现高温辐射体的准确识别,并运用数学形态学方法对分割结果进行后处理,以消除游离点和孔洞,使图像边缘平滑。实验结果表明,该方法可以有效地实现高温辐射体的正确识别,具有较强的实用性。     

不变矩稳定性及基于多级特征模型的目标识别研究

从成像过程和实际应用角度研究影响目标不变矩稳定性的各种因素,包括有限观测区域、高斯模糊和离散化处理以及在这些因素影响下不变矩的变化规律和误差．理论分析和实验还证明各不变矩自身的稳定特性不仅与阶数而且与其次数有关．这些研究和分析表明建立多尺度目标特征模型的必要性,可为不变矩在实际成像识别系统中正确有效地应用提供重要的理论和实验依据．