基于轮廓分段特征描述的遮挡目标识别算法

针对传统目标识别算法对于遮挡目标识别准确率低的问题,提出了一种基于轮廓分段特征描述的遮挡目标识别算法。该算法首先采用离散曲线演化算法初步划分目标轮廓,根据分段起伏度进行分段优化,得到完整描述目标轮廓特征的有效分段;然后通过动态规划算法分析轮廓分段之间高度函数特征的相似度,利用特征显著度评价分段特征相对于目标整体特征的重要性;最后将分段之间的相似度和其特征显著度相结合,得到衡量识别准确率的联合相似度,获得最终的识别结果。通过对MPEG-7测试集进行实验分析,证明所提算法能够有效地对遮挡目标进行匹配识别,识别率优于常见的遮挡目标识别算法。     

基于轮廓分段特征描述的遮挡目标识别算法

针对传统目标识别算法对于遮挡目标识别准确率低的问题,提出了一种基于轮廓分段特征描述的遮挡目标识别算法。该算法首先采用离散曲线演化算法初步划分目标轮廓,根据分段起伏度进行分段优化,得到完整描述目标轮廓特征的有效分段;然后通过动态规划算法分析轮廓分段之间高度函数特征的相似度,利用特征显著度评价分段特征相对于目标整体特征的重要性;最后将分段之间的相似度和其特征显著度相结合,得到衡量识别准确率的联合相似度,获得最终的识别结果。通过对MPEG-7测试集进行实验分析,证明所提算法能够有效地对遮挡目标进行匹配识别,识别率优于常见的遮挡目标识别算法。     

基于路径轮廓的三维目标识别

骨架能更有效地反映出目标的拓扑结构和细节变化, 因而在三维目标识别中得到广泛应用, 但存在的基于骨架的识别方法均要求骨架端点位于轮廓曲线上, 并且识别精度受骨架端点排序的影响。针对该问题, 提出了一种新的基于路径轮廓的三维目标识别算法。该算法首先定义了一种新的特征点——骨切点, 并根据骨切点在轮廓曲线上的顺序关系, 对骨架端点进行排序; 然后利用路径轮廓对目标轮廓进行分割; 再构造一种新的局部不变特征, 并结合hash表以识别三维目标。实验结果表明, 该算法对存在部分遮挡或缺损的三维目标仍有较好的识别效果。     

基于轮廓分段特征可信度的遮挡目标识别算法

针对传统目标识别算法在目标遮挡情况下识别准确率较低的问题,提出一种基于轮廓分段特征可信度的遮挡目标识别算法.为获取有效分段,提出了基于弯曲度的轮廓分段优化算法,首先根据轮廓曲率分布进行初步分段,再根据分段的弯曲度进行分段优化,得到有效分段.然后用重要性和局部性两个参数对分段的特征可信度进行评价.在此基础上提出加权相似度...     

基于图像识别技术的人体行为识别

针对老年人群所发生的行为能够进行有效识别,提出了一种二维轮廓特征和方向梯度直方图(HOG)特征相结合的方式来检测人体行为,其中二维轮廓特征包括:人体质心高度h、人体宽高比k、人体质心的变化速度v.首先运用高斯混合模型进行背景识别;之后利用背景减除法对目标图像进行提取,并获得HOG特征和人体二位轮廓特征构建人体行为特征向...     

基于角点角度特征串的RSI多目标识别

轮廓角点检测与特征构造是基于轮廓角点的RSI多目标识别算法的关键。针对现有的轮廓角点检测方法在准确性与抗噪能力的不足,提出一种改进的轮廓角点检测算法,构造一种基于目标主轴与轮廓角点的特征串,利用动态规划算法计算特征串间的相似度进行目标识别。算法中把目标主轴的旋转角度作为目标的姿态角。实验证明该算法能够快速地识别出目标的旋转角度,对目标进行分类,且具有平移不变性、旋转不变性、尺度不变性以及较好的抗噪能力。     

计算机辅助青铜器纹饰特征线识别方法研究

摘 要：针对青铜器纹饰特征轮廓线识别关键算法和技术,分析了当下纹饰数字化设计的 基本现状。基于计算机辅助技术和三角网格基础理论,结合图像聚类和阈值方法,提出特征轮 廓线识别关键技术由轮廓角点、特征曲线段、分段轮廓线匹配和空间曲线匹配 4 个环节构成。 构建了纹饰目标特征识别算法和流程,采用曲率最大值识别轮廓角点,通过特征曲线段对轮廓 曲线进行表述和投影,采用曲线弦长法对特征曲线进行匹配与拼接。建立了青铜器纹饰特征识 别方法,基于计算机辅助技术,从纹饰特征识别到空间曲线的匹配与拼接完整流程。计算机辅 助设计技术的青铜器纹饰特征识别方法具有数字化、智能化和高效化特征。根据实验结果,该 方法在目标对象纹饰识别和提取方面具有广阔的应用前景。      

基于结构特征的飞机目标识别方法

针对高分辨率可见光图像的飞机目标智能识别,提出一种基于飞机结构特征的识别方案。采用Mean shift方法分割图像,提取区域边界,得到目标轮廓集,对轮廓采取多种结构化表示方式,便于分析轮廓的特征及相互关系;综合利用尺寸、占空比、长宽比、凸包、直线段等多个形状特征筛选轮廓,定位飞机目标,确定飞机轴向,获取目标几何参数。实验结果证明,该方法定位精确、识别率高,是一种快速、稳健的飞机识别方案,对类似的人工目标的识别具有一定的参考意义。     

基于图像配准的零件轮廓修正方法

针对智能机床视觉系统提取待加工零件边缘轮廓时易受到背景干扰,导致其提取出的零件轮廓中包含异常区域的问题,提出一种基于图像配准的高精度零件轮廓修正方法。首先,从零件工程图与真实图像当中提取出零件模板特征点集与待匹配特征点集;其次,对仿射变换模型中的参数进行分解分析,并利用两图特征点集中的面积特征与边缘结构特征构建准则函数;然后,使用改进的遗传算法搜索两图像全局最高相似度所对应的仿射变换参数,在图像配准之后,再通过计算最优迁移后的模板轮廓点集与待匹配轮廓点集的分段Hausdorff距离来检测并替换待匹配轮廓中的异常轮廓段。实验结果表明,该方法能精确、稳定地检测出待匹配轮廓点集中的异常轮廓段,配准精度比联合特征均方和（SSJF）方法高出50%,修正后轮廓交接点处的距离不超过3像素值。     

一种面向无人驾驶汽车的高效交通标志识别方法

为解决智能交通系统中交通标志识别的实时性差和准确率低等缺陷,本文提出一套高效准确的交通标志识别方法.通过实验选择合适的待检测区域,对该区域图像进行预处理以适应不同环境,并分离出红、黄、蓝、黑四通道图像;提取各通道图像外层轮廓并进行筛选,对合格轮廓进行凸壳处理及再次筛选;根据凸壳轮廓的Hu不变矩、周长和面积等特征选择出圆形和方形轮廓,在高分辨率原图中选择轮廓内图像作为待识别区域;利用水平和垂直方向直方图特征,对每个所选区域进行横纵向直方图放缩匹配(HSTM),选择最优匹配作为最终识别结果.本系统主要应用于"中国智能车未来挑战赛"无人驾驶汽车平台,在实际测试中识别率达95%,识别速率达8 Hz~10 Hz.且在实际比赛过程中准确识别出指定交通标志,在实时性及准确率上相对现有方法有一定优势.     

基于场景对象注意与深度图融合的深度估计

现有单目深度估计算法主要从单幅图像中获取立体信息,存在相邻深度边缘细节模糊、明显的对象缺失问题。提出一种基于场景对象注意机制与加权深度图融合的单目深度估计算法。通过特征矩阵相乘的方式计算特征图任意两个位置之间的相似特征向量,以快速捕获长距离依赖关系,增强用于估计相似深度区域的上下文信息,从而解决自然场景中对象深度信息不完整的问题。基于多尺度特征图融合的优点,设计加权深度图融合模块,为具有不同深度信息的多视觉粒度的深度图赋予不同的权值并进行融合,融合后的深度图包含深度信息和丰富的场景对象信息,有效地解决细节模糊问题。在KITTI数据集上的实验结果表明,该算法对目标图像预估时σ<1.25的准确率为0.879,绝对相对误差、平方相对误差和对数均方根误差分别为0.110、0.765和0.185,预测得到的深度图具有更加完整的场景对象轮廓和精确的深度信息。     

基于灰度共生矩阵的密集人群人数估计

从统计学的角度研究了开阔场所中密集人群估计的方法。首先基于场景图像的灰度共生矩阵提取16个特征,构建训练样本的特征矩阵。然后应用主成份分析方法找出其中最为有效的几项特征指标,利用回归分析的方法找出特征指标与人群数量之间的相关关系,建立统计模型,进而运用该模型估计场景图像中的人群数量。通过实验证明了该方法的有效性。     

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。     

一种数据域描述的加权支持向量回归算法

针对支持向量回归中由于噪声和孤立点带来的过拟合问题,提出了一种基于支持向量数据域描述的加权系数函数模型,根据样本到特征空间最小包含超球球心的距离来确定其加权系数。将提出的加权系数模型用于加权支持向量回归中,一维数据集仿真表明,提出的模型可以有效减小回归误差,提高支持向量回归算法的抗噪声能力。     

基于分层特征关联条件随机场的遥感图像分类

针对高分辨率遥感图像分类中空间上下文信息表达的难题,提出了一种新的多尺度条件随机场(CRF)模型。首先将图像内容表示成从细到粗三个超像素层:区域层、对象层、场景层,并将超像素特征逐层关联形成特征向量;再利用支持向量机(SVM)定义CRF关联势函数,利用相邻超像素特征对比度加权的Potts模型定义CRF交互势函数,最后形成一个分层特征关联的多尺度SVM-CRF模型。以Quickbird遥感图像中两个复杂场景为测试数据对该模型的分类有效性进行了验证,结果表明:该模型比基于上述三个超像素层的单尺度SVM-CRF模型分类精度分别平均提高了2.68%、1.66%、3.75%,而且分类时耗时较少。     

基于柔性特征优化的目标稳健跟踪

针对单一特征空间不足以对动态时变环境中跟踪目标进行准确表达的缺点,提出一种基于柔性加权特征的ParticleFilter目标跟踪算法。首先引入“陡峭因子”这一概念对不同特征的跟踪鉴别性能进行客观评估,然后参照当前不同特征的可跟踪性能以加权组合的方式自适应生成当前最优特征,最后将生成的最优特征嵌入到ParticleFilter跟踪构架中完成目标跟踪任务。该算法具备较高的柔性可对任意采用直方图表达的特征进行自适应融合。不同的视频序列实验表明该算法可动态地对异类特征进行有效融合,对复杂场景下的目标进行稳健跟踪。     

自然场景中基于局部轮廓特征的对象识别方法

在自然场景下,受背景纹理及光线影响,很难提取到对象完整的轮廓,提出了一种基于局部轮廓特征的识别方法。提取图像的边缘线段,进行基于关键点的分裂与基于Gestalt感知定律的断续线段的合并处理,得到不同方位的独立直线段。分析2或3相邻线段构成的轮廓特征,通过线段之间夹角、长度和线段的向量对2相邻直线段构成轮廓特征的语义模型定义。分解对象的整体模板轮廓,手动绘出2或3相邻直线段所组成局部轮廓特征的样本,结合2相邻直线段语义模型与手动绘出的样本从线段夹角、长度以及对应线段向量之间的关系进行匹配,实现2或3相邻直线段组成局部轮廓特征的检测。求出所检测局部轮廓特征的位置点进行聚类实现对象的识别。通过对直无人机巡检所拍摄的输电线路图像处理,验证了这种方法能有效识别间隔棒和防震锤部件。     

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.     

基于自适应阈值Kirsch-LBP纹理特征的均值漂移目标跟踪算法

针对以颜色特征建立概率模型的Mean Shift目标跟踪算法在光线变化时存在的缺陷,提出了一种融合 改进型纹理特征与HSV颜色特征的Mean Shift目标跟踪算法。首先,设计一种具有抗光性能的自适应阈值Kirsch-LBP纹理特征算子,该算子利用Kirsch算子的8个方向模板所求的差值,并采用LBP模板均值作为自适应阈值,再按照旋转不变LBP原理提取局部纹理特征;其次,利用不同特征相似性系数间的关系作为加权准则来构建新的权重;最后,将其嵌入到Mean Shift算法中以实现目标跟踪。对比实验结果表明,本算法在光线变化场景中也具有良好的目标跟踪特性,广泛适用于光照变化和姿态变化等复杂场景下的目标跟踪领域。     

基于加权区域特征的快速步态识别

为提高步态识别率根据不同肢体部位对识别贡献程度的不同,提出一种基于加权区域面积特征的步态识别新算法,将人体轮廓侧影划分为多个可变区域,分别提取每个区域的面积作为步态特征,计算特征向量各元素的贡献度,然后对特征向量进行加权处理,并改进最近邻分类器进行分类,最后在UCSD和CASIA步态数据库上进行充足的实验,实验结果表明了该方法具有较高的识别率。