自然场景中基于局部轮廓特征的类圆对象识别方法

在自然场景下,受背景纹理、遮挡、光线影响,不容易提取到对象完整的轮廓,为此,提出了一种基于局部轮廓特征的识别方法,该局部轮廓特征是由直线和曲线组成的2相邻轮廓片段特征(2AS)。首先,分析相邻片段之间的夹角、片段的长度和弯曲强度,定义2AS的语义模型;接着,依据2AS之间的相对位置关系定义2AS相互关系模型,分别描述对象的2AS特征和2AS之间的相互关系;然后,使用对象模板的2AS的语义模型与测试图像中的2AS特征进行初步匹配,接着依据对象模板的2AS相互关系模型进行精确匹配;最后,根据对象模板的2AS相互关系模型检测到的成组2AS进行重复性聚类,并根据对象模板的2AS相互关系模型对聚类的对象判决。与使用近似直线片段组成的2AS特征算法的对比实验结果证明,该算法对输电线路中均压环部件的识别具有较高的正确率、较低的误检率和漏检率,从而更为有效地识别均压环部件。     

二维截面轮廓特征重建方法

针对目前轮廓特征识别算法存在识别结果易受噪声数据干扰、需对每一图形轮廓测量数据进行矢量化等问题,对二维截面轮廓特征重建方法进行研究,提出采用分步方式进行截面轮廓拟合的方法.首先,用平均增量法将测量数据进行直线段分段,并用最小二乘法对分段数据进行拟合,再把拟合结果存入链表内;然后,对于直线段链表内的相邻3条直线段,若相邻2条线段形成的半径满足给定阈值,则进行直线段圆弧拟合处理;最后,搜索拟合的圆弧段,如果存在2个或2个以上的连续圆弧,则将其重构为B样条曲线,得到二维截面轮廓特征的重构图形.该方法能有效减少拟合特征单元的数目,提高拟合精度.     

基于轮廓特征的平面鞋印自动识别算法的研究和实现*

提出了一种基于轮廓特征的平面鞋印自动识别算法,根据鞋印长度比任何一个部位的长度和宽度都长这一特点,找到距离最长的两轮廓点,算出由这两点确定的直线与水平方向轴所成夹角,根据此夹角将鞋印图像进行倾斜校正,然后自动提取鞋印轮廓九个特征,利用欧氏距离进行鞋印的相似性度量。实验结果表明运用该算法进行鞋印识别是很有效的。     

基于链码跟踪的Data Matrix二维条码快速识别

为实现工业现场中Data Matrix二维条码的快速识别,提出一种基于链码跟踪、直线段提取的条码快速识别方法。首先采用Sobel算子提取图像边缘;然后基于链码跟踪方法,跟踪图像的边缘点,记录链码;接着根据快速直线段提取方法,将直线相似度低于阈值的线段剔除,结合线形连接方法合并断裂线段,并使用长度判别剔除不可靠的线段;最后结合Data Matrix二维条码的特征,定位Data Matrix二维条码。实际测试表明,该识别方法能够快速、准确地定位二维条码区域,识别正确率可达99.39%以上,具有实时性强、可靠性好等特点,满足工业现场要求。     

基于外耳轮廓边缘信息的人耳识别

提出一种用Hausdorff距离表示入耳边缘特征的人耳识别方法.首先对原始人耳图像进行预处理,用基于灰度形态学梯度和局部阈值分割的边缘检测方法提取外耳轮廓边缘;然后用标准方差和边缘线段间长度差改进的Hausdorff距离表示人耳特征向量;最后采用支持向量机算法完成人耳识别.实验结果证明,该方法能获得更高的人耳识别率.     

矿物显微图像中的直线段特征提取算法

直线段特征作为图像中一种特殊的纹理信息,是图像分析、目标识别中的基本元素。矿物的双晶等光学性质在矿物显微图像中表现为具有定向性的直线段。针对矿物图像,提出了一种基于图像梯度信息的动态阈值区域生长的直线段检测算法。该算法能通过提取边缘梯度方向相似的边缘从而得到候选直线段区域,并根据直线段区域内特征点的密度大小判定区域有效性以达到降低矿物图像中噪声、其他纹理造成的误提取。实验结果表明所提算法能够提取矿物图像中的直线特征。     

基于建筑施工图形轮廓的BP网络识别方法

针对建筑工程图纸中图形实体的数量庞大及同类实体表现形式的不规则性,提出采用基于整体提取的图形轮廓构造的BP神经网络进行识别.对于内部线条分布复杂的图形,通过比较相邻边的夹角来提取轮廓需要的计算量大,效率较低.提出一种基于整体的提取方法,可以大幅减少无用计算量,提高效率,适合作为BP神经网络的构造和学习样本.     

基于特征分解与组合的圆形阀门把手的检测与定位

为了避免基于支持向量机或神经网络的目标检测法需要进行样本采集、手工标注和陷入局部极值等问题,将对圆形阀门把手几何特征的检测转化为对圆和直线段这两个子特征的检测,即首先运用Hough变换检测机器人拍摄的图像中的圆和直线,设计算法选择出最能反映圆形阀门把手特征的3条直线段并保留,然后根据圆、直线段和直线间的转向角等的组合特征判断该圆是否是阀门把手,并求出机器人操作阀门把手时3个手指的插入位置。实验结果表明:该方法对图像拍摄的角度和亮度没有严格要求,能有效地检测出圆形阀门把手并求出机器人的手指插入位置,检测与定位的准确率达到90.7%。     

基于建筑施工图形轮廓的BP网络识别方法

针对建筑工程图纸中图形实体的数量庞大及同类实体表现形式的不规则性，提出采用基于整体提取的图形轮廓构造的BP神经网络进行识别。对于内部线条分布复杂的图形，通过比较相邻边的夹角来提取轮廓需要的计算量大，效率较低。提出一种基于整体的提取方法，可以大幅减少无用计算量，提高效率，适合作为BP神经网络的构造和学习样本。     

基于局部特征和语义信息的扣件图像检测*

针对现有底层特征识别扣件状态的算法存在描述能力差、错误率高等问题,提出一种基于扣件局部特征和语义信息的扣件检测模型。首先,在图像的非线性空间中计算扣件底层局部特征来表达扣件轮廓信息。然后,将图像分为4个子图,有效克服了由于扣件左右对称、上下相似造成的单词多义性问题。再根据扣件子图构造视觉单词,由底层特征整合得到语义信息向量。最后,以该向量训练分类器,判断待检扣件状态。对均衡的扣件样本进行测试,漏检率仅为0.67%。实验表明所提算法较现有方法,漏检率和误报率明显降低,检测能力增强。     

一种新的基于局部轮廓特征的目标检测方法

针对复杂场景中背景复杂、目标周围噪声多及目标只占图像中较小部分而难于检测的问题,提出一种新的基于局部轮廓特征的检测目标方法.该方法首先利用改进的全局概率边界算法 (Globalized probability of boundary, gPb) 算法提取图像的轮廓,然后应用最大类间方差法 (Otsu)进行自动阈值处理得到图像的显著性轮廓; 再提取显著性轮廓的k邻近大致直线轮廓段(k connected roughly straight contour segments, kAS),并以kAS作为局部特征,用于复杂场景中的目标检测.该算法结合 gPb 算法和 Otsu 提取轮廓的显著性轮廓,去除了目标附近的大量噪声边界,有效地提高了检测效率.同时,在检测阶段,测试集与 训练集中提取的不相关特征数目也得到较大减少,从而提高了检测的精度.多组实验结果均表明本文方法的有效性.     

二维非规则碎片匹配的算法

提出了一种基于曲率相似性的二维碎片轮廓匹配算法。该算法根据碎片轮廓上各点的曲率值来确定轮廓上的特征点,按照特征点对轮廓进行分段,将二维碎片的匹配简化为特征段的相似性度量与可匹配性验证。对可匹配的轮廓段进行欧氏变换以拼合两个轮廓曲线,自动地检测在当前变换下两个轮廓是否有重叠情况存在。没有重叠的两个轮廓组合起来更新为一个新的轮廓,进行再匹配直至重建过程完成。实例表明,算法是有效、稳定的。     

一种基于轮廓特征点的图像检索方法

传统基于形状的图像检索方法检索效率较低,针对该问题,提出一种基于对象轮廓特征点的图像检索方法。利用Mean Shift算法提取感兴趣对象,以对象曲率的局部极值点作为特征点,并将对象表示为这些特征点的特征向量,定义检索对象与被检索对象特征向量间的距离匹配机制,实现对象的匹配或识别。实验结果表明,与传统方法相比,该方法具有较高的查全率和查准率。     

一种基于轮廓的医学图像弹性配准方法

提出了一种基于轮廓的医学图像弹性配准方法。该方法先对医学图像进行轮廓提取,计算轮廓所围部分(目标)的质心。围绕质心每隔一定角度抽得轮廓点作为特征点。通过计算相似度确定两组特征点的对应关系。采用Wendland提出的ψ函数作为弹性变换的基函数。通过两组对应点确定变换系数。最后根据配准参数对形变图像进行变换,从而得到配准图像。实验表明,本方法对具有形变的医学图像的配准是快速的、有效的。     

Motif analysis for automatic segmentation of CT surface contours into individual surface features

This paper presents a new layer-based technique for automatic high-level segmentation of 3-D surface contours into individual surface features through motif analysis. The procedure starts from a contour-based surface model representing a composite surface area of an object. For each of the surface contours, a relative turning angle (RTA) map is derived. The RTA map usually contains noise and minor features. Algorithms based on motif analysis are applied for extracting a main profile of the RTA map free from background noise and other minor features. All feature points on the extracted profile are further identified from the extracted main profile through further motif analysis. The original contour is thus partitioned into individual segments with the identified feature points. A collection of consecutive contour segments among different layers form an individual 3-D surface feature of the original composite surface. The developed approach using motif analysis is particularly useful for the identification of smooth joins between individual surface features and for the elimination of superposed noise and unwanted minor features.     

Object tracking using the Gabor wavelet transform and the golden section algorithm

The paper presents an object tracking method for object-based video processing which uses a two-dimensional (2D) Gabor wavelet transform (GWT) and a 2D golden section algorithm. An object in the current frame is modeled by local features from a number of the selected feature points, and the global placement of these feature points. The feature points are stochastically selected based on the energy of their GWT coefficients. Points with higher energy have a higher probability of being selected since they are visually more important. The amplitudes of the GWT coefficients of a feature point are then used as the local feature. The global placement of the feature points is determined by a 2D mesh whose feature is the area of the triangles formed by the feature points. In this way, a local feature is represented by a GWT coefficient amplitude vector, and a global feature is represented by a triangle area vector. One advantage of the 2D mesh is that the direction of its triangle area vector is invariant to affine transform. Consequently, the similarity between two local features or two global features can be defined as a function of the angle and the length ratio between two vectors, and the overall similarity between two objects is a weighted sum of the local and global similarities. In order to find the corresponding object in the next frame, the 2D golden section algorithm is employed. Our results show that the method is robust to object deformation and supports object tracking in noisy video sequences.     

神经网络方法应用于轮廓定位

关于从图像中定位物体轮廓的问题,目前所采用的活动轮廓模型和基于自组织神经网络的算法,存在能量泛函优化容易陷入局部极值和演化过程依赖于初始轮廓的选取等问题。提出了一种基于RBF神经网络的轮廓定位算法。首先,通过自适应梯度阈值方法来获取图像特征点。然后,通过特征点的聚类建立一组基函数,把图像像素点的像素值和梯度构造输入向量空间,在网络权值训练完成后,利用网络的预测功能来准确判断物体轮廓。与传统算法相比,仿真结果表明提出的轮廓定位算法可以高效地实现目标轮廓定位。     

基于Freeman链码的B样条曲线轮廓拟合

提出了一种Freeman链码与B样条曲线误差控制相结合实现轮廓拟合的算法,首先利用Freeman链码法进行边界跟踪,根据相邻像素点间的不同的链码变化关系,排除伪特征点,提取出轮廓中绝大多数特征点,然后结合基于误差控制的B样条曲线法,取得能够精确表示轮廓信息的特征点。本文算法即避免了使用曲率来进行求取特征点的复杂计算,提高了特征点检测速度,又提取出能够精确拟合轮廓的局部支撑点,实现了基于误差控制的轮廓曲线拟合。实验结果证明了本文算法的正确性。