角点在目标识别分类中的应用

本文描述了一种角点的形状分析方法。它选用相邻角点与形心所成直线之夹角,以及角点到形心之间的归一化距离作为特征,并证明了它们的平移、旋转和比例变化不变性。为了提高特征匹配的精度,本文采用动态分析的方法,将其应用于飞机目标识别之中。实验证明,这二组特征有较好的分类能力。     

改进形状上下文特征代价矩阵的快速计算

形状上下文特征的最大缺憾在于不具备旋转不变性。为了解决这个问题可以采用二维或一维傅里叶变换来解决,然而这样改进会增加特征提取和匹配的运算时间。鉴于傅里叶变换的对称性,对于改进后的形状上下文特征在特征匹配步骤,提出代价矩阵的快速算法,能够减少运算时间。形状点集匹配的实验结果验证了这种新算法的有效性。     

用于形状识别的目标轮廓无序点集描述与匹配

将目标形状的轮廓看成一个无序的点集,从中抽取形状特征,用于快速而有效的目标识别是形状分析任务中的挑战性问题.针对该问题,提出了一种基于复杂网络模型的形状描述和识别方法.该方法提出用一种自组织的网络动态演化模型构成一个分层的描述框架,在网络动态演化的每一个时刻,对网络分别进行局部测量和全局测量,抽取网络的无权特征和加权特征.在形状匹配阶段,用获得的局部描述子和全局描述子分别进行局部匹配（基于Hausdorff距离）和全局匹配（基于L₁距离）,组合两种匹配的距离值构成对形状的差异度度量.用标准的测试集对所提出的方法进行性能测试,实验结果表明,所提出的算法能够快速而又鲁棒地完成较高精度的形状识别任务.     

基于形状识别的X型棋盘格角点检测

棋盘格角点检测是相机标定的一个重要环节,其准确率直接影响相机标定的精度,常规角点检测存在对棋盘格图像质量要求较高、检测准确率不高的问题.对此,依据棋盘格图像灰度分布的对称性,利用双层增强滤波器将其角点区域增强为X形状,待检测角点即为X形状中两个分支的交点,将角点检测问题转换为X形状的识别.进行X形状识别时,首先提取待识别区域像素的极坐标作为形状识别的初始特征集合,经特征选择后依据角度特征进行X形状识别.最后在识别出的角点区域内通过直线拟合确定亚像素级角点.实验结果表明,所提出方法进行棋盘格角点检测的准确率较高,且抗干扰能力较强.     

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.     

形状的全尺度可视化表示与识别

目的视觉目标的形状特征表示和识别是图像领域中的重要问题。在实际应用中,视角、形变、遮挡和噪声等干扰因素造成识别精度较低,且大数据场景需要算法具有较高的学习效率。针对这些问题,本文提出一种全尺度可视化形状表示方法。方法在尺度空间的所有尺度上对形状轮廓提取形状的不变量特征,获得形状的全尺度特征。将获得的全部特征紧凑地表示为单幅彩色图像,得到形状特征的可视化表示。将表示形状特征的彩色图像输入双路卷积网络模型,完成形状分类和检索任务。结果通过对原始形状加入旋转、遮挡和噪声等不同干扰的定性实验,验证了本文方法具有旋转和缩放不变性,以及对铰接变换、遮挡和噪声等干扰的鲁棒性。在通用数据集上进行形状分类和形状检索的定量实验,所得准确率在不同数据集上均超过对比算法。在MPEG-7数据集上精度达到99.57%,对比算法的最好结果为98.84%。在铰接和射影变换数据集上皆达到100%的识别精度,而对比算法的最好结果分别为89.75%和95%。结论本文提出的全尺度可视化形状表示方法,通过一幅彩色图像紧凑地表达了全部形状信息。通过卷积模型既学习了轮廓点间的形状特征关系,又学习了不同尺度间的形状特征关系。本文方法...     

一种改进的DSmT及其在目标识别中的应用

与D-S理论相比,DSmT可以很好地解决证据矛盾时的证据组合问题,但是DSmT在很多情况下主焦元mass函数难以收敛。在标准DSmT的框架下,将其融合后的mass函数进行重构,从而提出一种改进的DSmT,该算法的主焦元mass函数可以快速收敛。在进行二维飞机序列图像的目标类型识别中,该改进DSmT进行迭代运算,可使主焦元的mass值快速收敛到指定的阈值,以便完成准确的目标识别。     

优化的线谱特征在水下目标识别中的应用

水下目标舰船辐射噪声中有很强的线谱成份,这些成份对分类识别是非常有价值的,因此利用线谱特征射舰船目标进行识别是水声领域研究的重要内容。采用最小二乘曲线拟合方法提取了舰船辐射噪声的连续谱。在此基础上主要研究了线谱特征的提取方法,获得了线谱的4维特征,对所提取的4维线谱特征进行了优化处理。基于这些优化的线谱特征采用BP神经网络对海上实录的三类水下目标辐射噪声进行了分类识别,实验结果证明了方法的可行性和有效性,识别率达到90％以上,分类效果很好。     

相对矩及在几何形状识别中的应用

在计算机视觉中,几何形状的识别具有十分重要的意义,而一般几何形状可以分为区域和结构两类。Hu提出的不变矩是用于区域形状识别的几何特征,但对于结构则因不满足缩放不变的条件而不适用。为此对Hu提出的区域不变矩和Chen提出的区域不变矩快速算法进行了扩展,并定义了对于结构和区域均满足平移、缩放、旋转不变的相对矩,从而统一了区域和结构的矩特征计算公式,而且与Hu的不变矩相比,更具有一般性,利用相对矩进行的识别实验表明,相对矩是对区域、封闭和不封闭结构的形状进行识别的有效特征,尤其在识别封闭和不封闭结构时,比傅立叶描述子等传统方法简便。     

分形在目标识别中的应用

本文介绍了分形的概念，并着得使用盒子维数和Ｈ参数两种方法对实际数字图像进行分析，区分了两种自然纹理，同时把人造目标人自然背景和中分离出来，实验表明，分形方法在图像分割，目标识别领域有着良好的应用前景。     

基于直角矢量限定方法的模板自动配板技术

根据剪力墙施工图构成特点, 提出了基于直角矢量限定技术的剪力墙结构模板自动布板算法。将结构图首先解构为基本的直角特征; 然后利用矢量限定方法, 将直角重新进行分类和排序, 再结合墙角的空间位置, 标志出图形中矢量直角对应的建筑墙角; 最后完成剪力墙结构模板配板所需的全部组件。实际工程应用表明, 该方法能够准确识别复杂施工图中的建筑构造, 大幅度提高现浇体系施工的配板效率, 为智能施工提供了良好的图形识别关键技术。     

集成主角及其在故障检测中的应用

为了解决稀疏化造成的核主角不稳定问题, 提出了集成主角方法. 集成主角求再生核希尔伯特空间的多组近似基, 将核主角问题极值向量的解空间限定在近似基张成的空间求核主角, 然后集成特征值. 利用集成主角(ensemble principal angle, EPA)可以对复杂环境下的多变量工业过程进行在线故障检测. 最后本文通过在Tennessee Eastman数据集上的实验, 对集成主角在故障检测中的应用进行了说明.     

Simple,compact and broadband right‐angle transition between substrate integrated waveguide and rectangular waveguide at Ka‐band

In this article, a simple compact broadband right‐angle transition between substrate integrated waveguide (SIW) and rectangular waveguide (RWG) working at Ka‐band is proposed. Three coupling slots etched on the interface are developed to couple the electromagnetic field from SIW to RWG. A metallic via is introduced into the end slot to enhance the inductance and all the slots are developed in different dimensions for multi‐resonance. By proper optimizing, three resonances are obtained which broadens the impedance matching effectively. All details of the transition are designed on the SIW part for the purpose of simple and compact. Two back‐to‐back prototypes working at Ka‐band are designed, fabricated and measured. The measured results show that the mean value of insertion loss for a single transition is about 0.51 dB and the return loss is better than 15 dB over the full Ka‐band. The proposed right‐angle transition has advantages of simple assembly, compact size and broadband characteristics and it can be a good candidate for millimeter‐wave applications.     

基于手形交互与掌纹识别的增强现实应用

针对现有增强现实系统交互方式的不足,提出并实现了一种基于手形交互与掌纹识别的增强现实应用.提出了一种用于快速识别手形轮廓及其运动轮廓的匹配方法.利用一种改进的快速蚁群聚类算法来获取掌形的中心,建立相关的渲染坐标系,从而精确注册虚拟物体.同时,针对个性化应用需求,提出了一种能够在增强现实系统中应用的Harris快速掌纹识别算法.实验表明,识别算法具有较好的跟踪精度和实时性,能够满足增强现实系统的应用要求.     

像素聚合和特征增强的任意形状场景文本检测

目的 获取场景图像中的文本信息对理解场景内容具有重要意义,而文本检测是文本识别、理解的基础。为了解决场景文本识别中文字定位不准确的问题,本文提出了一种高效的任意形状文本检测器：非局部像素聚合网络。方法 该方法使用特征金字塔增强模块和特征融合模块进行轻量级特征提取,保证了速度优势;同时引入非局部操作以增强骨干网络的特征提取能力,使其检测准确性得以提高。非局部操作是一种注意力机制,能捕捉到文本像素之间的内在关系。此外,本文设计了一种特征向量融合模块,用于融合不同尺度的特征图,使尺度多变的场景文本实例的特征表达得到增强。结果 本文方法在3个场景文本数据集上与其他方法进行了比较,在速度和准确度上均表现突出。在ICDAR（International Conference on Document Analysis and Recognition） 2015数据集上,本文方法比最优方法的F值提高了0.9%,检测速度达到了23.1 帧/s;在CTW（Curve Text in the Wild） 1500数据集上,本文方法比最优方法的F值提高了1.2%,检测速度达到了71.8 帧/s;在Total-Text数据集上,本文方法比最优方法的F值提高了1.3%,检测速度达到了34.3 帧/s,远远超出其他方法。结论 本文方法兼顾了准确性和实时性,在准确度和速度上均达到较高水平。     

改进的基音检测方法及在音乐检索中的应用

基音检测是音频分析和基于内容的音乐检索中的关键技术,是基于内容音乐检索中实现哼唱检索的基础。提出一种改进的自相关函数（autocorrelation function,ACF）方法进行基音检测。从对音频信号进行去噪预处理、清浊音判断及后处理等方面对ACF进行改进,使之能够生成规整的音高变化曲线。在音乐检索的实现中,提出一种有限长度的最长公共子序列（Local Longest Common String,LLCS）方法,该方法可有效解决传统方法存在的误检问题。开发实现了一个通过哼唱/歌唱进行歌曲检索的原型系统。对大量的歌曲哼唱的实验表明,提出的改进ACF算法和LLCS算法对于提高检索正确率是正确有效的。     

均匀流场中四边形锥柱的压力试验研究

通过水池试验研究了在雷诺数Re为3.19×104~1.15×106,攻角为0°~180°,以15°为间隔,表面倾斜且前后不对称的四边形锥柱状结构在均匀流场中所受的压力载荷。分析了模型所受的周向压力和斯特劳哈尔数Sr随Re和攻角的变化趋势。结果表明:与圆柱绕流相比,倾斜壁面和攻角使压力在背压区和边界层分离点发生变化,同时,Sr也由0.2降到0.13。     

改进Hough变换在形状检测中的应用

基于经典Hough变换提出了一种改进的随机Hough变换算法,该算法可以大大提高识别速度和检测精度,减小存储空间,降低运算量,且仍具有经典Hough变换对噪声不敏感,随机Hough变换随机抽样和多对一收敛映射的特点,实现了一种逐次提取曲线的方法,将曲线按照由长到短的顺序依次提取出来,并给出了曲线的起始点和终止点的计算方法,实验证明了方法的有效性。在此基础上,还对形状不变性特征进行了分析,得出图形平移、旋转、缩放后,Hough变换峰值的个数没有改变,对角度归一化后,峰值的初始位置有所变化,但峰值间的间隔没有变化。     

收集口形状和角度对汽车风洞试验段轴向静压因数的影响

为研究风洞收集口形状和角度对试验段轴向静压因数的影响,通过数值仿真和试验验证研究翼型收集口在多种角度下轴向静压因数的变化,并与平板型收集口对比.结果表明:收集口形状对轴向静压因数变化规律没有影响,轴向静压因数总是随开口角度的增大而减小;对于同一形状收集口,只在上方张开某一角度比在两侧张开相同角度的轴向静压因数略低.收集口角度变化对轴向静压因数会产生规律性影响:随收集口角度增大,从剪切层外部特别是上方进入到射流核心区的流量增加,导致核心区流速增加,从而导致轴向静压因数降低.