集成成像系统实现三维物体旋转不变分类识别

提出一种基于集成成像系统和综合判别函数(SDF)实现三维物体旋转不变分类识别的新方法。方法利用集成成像系统获取旋转三维物体的单元像阵列图像,应用图像中各个单元像记录的三维物体信息之间的高关联特性,结合SDF,实现了三维物体的旋转不变分类识别。与已有方法相比,本文方法减小了识别过程的数据量,降低运算复杂度,提高了识别效率,且不受物体旋转角度的限制。针对多类旋转三维物体,利用本文方法实现了旋转不变分类识别,验证了方法的有效性。     

微透镜阵列实现3维物体旋转不变实时识别

为了实现3维物体旋转不变实时识别,应用微透镜阵列的多视角成像特点,利用透射像阵列的高关联性,实现3维物体信息与2维透射像阵列信息之间的转换,从而可以利用光学2维图像识别技术实现3维物体的识别.对转换和识别过程进行了理论分析,用匹配滤波的方法进行了实验验证,实现了3维物体旋转不变实时识别.得到了良好的识别效果,并实现了旋转方向的准确定位和旋转角度大小的比较判别.结果表明,应用微透镜阵列可以实现旋转3维物体旋转不变实时识别.     

微透镜阵列实现3维物体旋转不变实时识别

为了实现3维物体旋转不变实时识别,应用微透镜阵列的多视角成像特点,利用透射像阵列的高关联性,实现3维物体信息与2维透射像阵列信息之间的转换,从而可以利用光学2维图像识别技术实现3维物体的识别。对转换和识别过程进行了理论分析,用匹配滤波的方法进行了实验验证,实现了3维物体旋转不变实时识别。得到了良好的识别效果,并实现了旋转方向的准确定位和旋转角度大小的比较判别。结果表明,应用微透镜阵列可以实现旋转3维物体旋转不变实时识别。     

基于维纳滤波的旋转不变相关识别

提出一种改进的维纳滤波器(WF)模型，用训练图像的均值合成维纳滤波传递函数中的参考函数，使WF具有了旋转不变识别的能力。在附加高斯白噪声、非重叠有色噪声环境下，对平面旋转的图像进行了计算机仿真实验。结果表明，本模型具有良好的识别效果。     

基于莫尔条纹的三维物体的旋转不变识别

本文提出一种基于莫尔条纹的三维物体旋转不变识别方法。采用阴影莫尔法的装置和频域滤波的方法,可得到物体的莫尔条纹图。因为物体的莫尔条纹是物体的等高线,体现三维物体特征的高度函数以莫尔等高线的形式编码于强度图中,因此基于莫尔条纹的相关识别具有本征三维识别的特点。采用振幅调制和功率谱相减的联合变换相关,用实现旋转不变识别的综合鉴别函数(SDF)作为联合变换相关输入的参考图像,来获得具有识别目标的旋转不变性和高的相关识别率。计算机模拟试验结果证明了这种方法用于三维物体旋转不变性识别的有效性。     

基于莫尔条纹的三维物体相关识别

提出了一种新的基于莫尔条纹的三维物体识方法。用阴影莫尔法的装置,采用频域滤波的方法,得到物体的莫尔条纹。用受到物体表面高度调制的莫尔条纹图作为输入图像,用光学匹配空间滤波的概念来实现相关识别方法,根据输出的相关峰值大小即可判别不同的物体。因为物体的莫尔条纹是物体的等高线,体现三维物体特征的高度函数以莫尔等高线的形式编码于莫尔条纹中,因此基于莫尔条纹的相关识别具有本征三维识别的特点。计算机模拟试验结果证明了这种方法用于三维物体识别的可能性。     

基于结构光投影的三维物体识别

本文提出了一种三维物体识别的新方法,将一正弦条纹投影到物体表面,摄像机得到的是有变形条纹的二维强度像。取出有变形条纹的二维强度像的基频分量的位相部分构造一个纯相位数字滤波器,以受到不同物体表面高度调制的有变形条纹的二维强度像作为输入图像,在频域中完成基频分量之间的相关,最后根据输出的相关峰值大小即可判别不同的物体。     

识别与定位三维物体的点匹配法

本文提出一种识别与定位三维物体的基于模型的点匹配法,这种方法只需要简单的距离计算与四阶行列式计算,就可获得物体与模型的全局一致性匹配,因此不需要进行模型检验。     

基于逆滤波器的旋转不变匹配滤波相关识别

提出了用逆滤波器来进行旋转不变匹配滤波相关识别方法 ;采用级联变形滤波器可以实现透射匹配相关峰强度对透射输入能量的优化 ,大大改善相关峰的锐度 ,计算机模拟结果显示 ,对旋转图像 ,在平面内按 0°～ 32°旋转 ,每 4°取一灰度图像的旋转不变匹配滤波相关器 ,具有较好的相关不变识别性能 ,特别是目标图像在部分输入情况下也能较好地识别     

基于条纹调制滤波的旋转不变二元联合变换相关识别

提出基于条纹调制滤波的旋转不变二元联合变换相关识别 ;采用综合鉴别函数及条纹调制滤波方法 ,构造合成参考图像及其条纹调制滤波器 ;计算机模拟结果显示对旋转图像 ,提出的二元联合变换相关器具有较好相关不变的识别性能。     

基于结构照明的三维物体识别新方法

提出了一种三维物体的识别方法。将一正弦条纹分别投影到参考物体和待测表面,摄像机得到的是2幅有变形条纹的二维强度像。参考的变形条纹图像和待识别的变形条纹图像,经过联合变换相关(JTC),得到自相关和互相关输出,最后根据输出的相关峰大小即可判别不同的物体。这种相关识别方法的实质是通过结构照明的方法,构造一个新的识别复函数,物体的高度分布以复函数位相的形式编码于新的识别复函数之中,因此该方法具有本征三维识别的特点。计算机模拟实验证明了这种方法用于三维物体识别的可能性。     

从一幅透视投影线图识别三维物体

本文提出一种从一幅透视线图识别三维物体的新算法。文中简述了几种识别空间多边形的新方法，对多面体引进了独特的表面分布有序连接表示和逐步扩展特征的识别算法，计算机模拟证实了理论的正确性。     

用等相关峰法或迭代法合成旋转不变综合鉴别函数

用于合成SDF的旋转参考图像间的角度间隔Δθ取1°,得到的相对旋转角度θ-相关峰值曲线非常平坦。仿真实验表明,采用合成的旋转不变综合鉴别函数(SynthesisDiscriminationFunction,SDF)来替代参考图像,可以使VanderLugt相关器或联合变换相关器JTC在(0°～40°)的角度范围内具有良好的旋转不变性。     

基于格雷码和线移编码的结构光系统标定

结构光系统标定是影响三维物体表面形状测量的关键因素,其中投影仪标定是难点问题。把投影仪当做逆向光路摄像机,采用格雷码和线移的编码方法捕获黑白棋盘标定板,得到其在"投影仪成像平面"上的像素坐标,继而采用传统的摄像机标定方法对投影仪进行标定。采用常规的双目视觉标定技术,最终完成结构光系统的标定。实验结果表明,本文方法实现简单易行,有较高的鲁棒性和标定精度。     

面向非合作目标识别的大规模类属超图建模

 针对大量不同成像条件下获得的多视图像,研究利用局部不变特征及其空间布局约束构建用于非合作目标识别的类属超图模型的方法.该方法首先将每一幅图像表示为使用选定的稳健SIFT特征构成的属性图,然后提出了一种属性图相似性传播聚类原理.在给定的F度量的约束下,利用该原理进行聚类,并根据熵函数最小化优化条件,可迭代得到特定目标属性图样本集合的最优聚类,进一步将所获得的聚类简化成以非冗余属性图作为节点的类属超图模型.本文用大量图像样本进行了试验测试.实验结果验证了模型的可扩展性和识别性能.     

基于差分进化算法和遗传算法的混合优化 算法及其在阵列天线方向图综合中的应用

阵列天线方向图综合作为智能天线的一项重要技术对于复杂系统的优化问题提出了更高的要求.本文结合差分进化的基本思想和遗传算法的基因交叉和变异方法构建了一种新的混合优化方法.该算法使用差分进化算子作为主要优化手段,结合遗传算法优胜劣汰的基本思想以及其中的交叉和变异方法,通过融合两种优化方法各自的优点,可以显著改善多参数、高度非线性问题的优化结果、提高计算效率.计算机仿真结果表明,与现有算法相比,该算法用于天线方向图综合具有收敛速度快、优化能力强、算法可靠等优势.     

基于曲率关键点的点对特征三维目标识别

精准的三维(three-dimensional,3D) 目标识别对于机器人自主抓取至关重要,针对目前基于原始点对特征(point-pair feature,PPF) 的三维目标识别算法中存在识别速度慢、严重遮挡场景下识别率低的问题,提出了一种基于曲率关键点的点对特征三维目标识别算法。该算法根据点云法向量邻域夹角均值,快速估算点云曲率,以此提取关键点,通过对关键点计算点对特征,剔除了模型点对特征哈希表中存在的大量冗余点对。使用结合位姿聚类和假设检验的位姿优化算法,首先通过位姿聚类对候选假设位姿进行优化,其次位姿聚类后采用ICP (iterative closest point)算法对候选位姿进行细化,最后利用基于重合度计算匹配分数的假设检验算法滤除错误假设并得出最佳假设位姿。实验结果表明,在公开数据集上,所提方法能够获得95.2%的平均识别率,减少模型点对特征哈希表构建时间并且提高在严重遮挡场景下的识别率。     

基于NSCT及熵的旋转不变彩色图像检索算法

为了解决图像在转载过程中所产生的旋转变化和尺 度变化对检索的影响,根据熵的对称性,提出了基于NSCT及熵的旋转不变图像检索算法。首 先,利用非下采样轮廓波变换(NSCT)对图像进行多尺度、多方向分解,对不同尺度、同方 向的高频方向子带求多尺度积,以减小尺度变 化和噪声对检索效率的影响;然后,考虑到图像旋转后各方向子带在整幅图像中的能量比例 不会发生变化, 将各方向子带的能量比例作为概率矢量,各方向子带的粗糙度作为权值求取图像的加权信息 熵,作为具 有旋转不变性的图像纹理特征,利用矩提取图像的颜色和形状特征;最后,归一化3种特征 来比较两幅图 像的相似性。性能测试表明,本文所提出的方法对旋转变换鲁棒性强,且具有很高的查准率 和查全率。