基于改进多尺度乘积LoG算子的仿射不变形状匹配算法

目标在成像过程中发生的几何变形多数情况下可用仿射变换来描述。据此,提出一种利用角点进行仿射不变形状匹配的算法。首先引入多尺度乘积LoG(MPLoG)算子检测轮廓角点,并根据角点间距自适应地提取轮廓特征点,从而获取形状关键特征;为解决目标的仿射变形问题,采用Grassmann流形Gr(2,n)来表征和度量两形状之间的相似度;最后通过迭代式序列移位匹配算法来克服Grassmann流形对起始点的依赖并完成形状的匹配。对形状数据进行仿真实验的结果表明,所提算法能够有效地实现形状检索和识别,并对噪声有较强的鲁棒性。     

基于Grassmann流形的仿射不变形状识别

传统的Kendall形状空间理论仅适用于相似变换, 然而成像过程中目标发生的几何变形在更多情形时应该用仿射变换来刻画. 基于Grassmann流形理论, 本文分析了仿射不变形状空间的非线性几何结构, 提出了基于Grassmann流形的仿射不变形状识别算法. 算法首先对训练集中的每类形状分别计算形状均值和方差, 进而在形状均值附近的切空间构建多变量正态分布; 最后,根据测试形状的观测和先验形状模型求解测试形状的最大似然类, 对形状进行贝叶斯分类. MPEG 7形状数据库的实验结果表明, 与传统Kendall形状分析中的基于Procrustean度量识别算法相比, 本文识别算法具有明显优势; 真实场景中的目标识别结果进一步表明, 本文算法对仿射变形有更好的适应能力, 在复杂场景下能以较高的后验概率辨识出目标类别.     

结合轮廓与形状特征的仿射形状匹配

目的 针对仿射变换下形状匹配中存在的描述子对形状的描述能力不足,以及描述子计算耗时大的问题,改进基于所有图像点投影的方法,提出一种利用轮廓计算投影面积的仿射形状匹配算法。方法 该算法分为粗匹配和精匹配两个阶段。粗匹配阶段以CSS角点作为备选特征点,首先统计轮廓投影面积分布作为特征点描述子;然后利用动态规划蚁群算法匹配两幅图片公共特征点序列,并将匹配好的特征点序列记为对应的新特征点;最后采用该新特征点划分目标曲线,得到对应的轮廓曲线;这一阶段的目的是对形状的筛选以及寻找一致的轮廓特征点,同时完成轮廓曲线的划分。精匹配阶段,采用小波仿射不变描述子,对粗匹配阶段匹配代价最小的5%的目标进行对应曲线匹配,得到精匹配阶段的匹配代价,从而实现对仿射目标的识别;精匹配弥补了描述子对轮廓细节描述不足的问题。结果 算法的平均检索速度比传统基于形状投影分布描述子提高44.3%,在MPEG-7图像库上的检索效果为98.65%,在MPEG-7仿射图像库上的查准率与查全率综合评价指标比传统的基于形状投影分布描述子高3.1%,比形状上下文高25%。结论 本文算法匹配效果好,效率高,抗噪性强,解决了仿射描述子计算速度慢、描述能力不足的问题,能有效地应用于仿射形状匹配与检索领域。     

基于图像几何特征点的仿射参数估计算法研究

平移、旋转和缩放等仿射变换参数的计算是计算机视觉、目标检测和模式识别领域的关键问题.对3类典型的基于图像特征点的仿射参数计算方案进行了研究与探讨,它们分别是利用SUSAN角检测器、Harris角点检测器和尺度不变特征变换(SIFT)提取图像特征点.针对传统算法对SUSAN和Harris角点进行匹配精度过低的问题,提出了一种新的基于Zernike矩的特征点匹配算法,对匹配的特征点对利用四参数仿射模型进行参数估计和求取.在此基础上对3种方案进行了深入分析和比较,得出SIFT特征点适用范固广、精度高,是较好的仿射参数求取工具.并通过具体的配准实验结果及在图像拼接中的应用证明了算法的有效性.     

基于轮廓的旋转和尺度不变区域的检测

为了获取鲁棒的特征区域,提出了一种基于轮廓的旋转和尺度不变区域的检测算法。算法应用多尺度乘积LoG(Laplacian of Gaussian)提取轮廓上稳定的角点作为特征点。根据角平分线的旋转和尺度不变性提取特征方向,利用特征方向求得特征半径。由角点、特征方向和特征半径构造不变区域。进行了特征匹配的实验,图像集包含旋转、尺度、仿射、光照和压缩五种变换,算法获得了很好的匹配结果。结果表明算法简单快速,具有较强的鲁棒性和广泛的应用性。     

基于轮廓的形状射线描述模型

提出一种新的基于轮廓的形状描述和匹配方法。提取物体的轮廓并在轮廓上进行等间隔采样,利用参考点到采样点的距离、采样点处的轮廓方向及采样点间的空间关系来直观地表达目标的形状特征;通过在不同尺度、方向和位置进行最大表决来获得形状匹配的尺度、旋转和平移不变性;提出了结合局部和整体特征的相似度评分机制来实现目标的匹配和检测。实验表明,形状的射线描述模型不仅能对具有清晰轮廓的目标进行有效的检索和匹配,也可在复杂的图像背景中检测目标。     

改进离散曲线演化的形状匹配算法

为了在形状匹配的过程中提高形状特征对边界噪声和图像变形的鲁棒性,同时兼顾形状匹配算法的检索精度和运算效率,提出一种基于离散曲线演化的形状匹配算法.首先利用改进的离散曲线演化算法对形状轮廓进行特征提取,获得具有重要视觉部件的轮廓;然后计算该轮廓的形状上下文特征描述符;最后利用动态规划算法计算形状上下文特征描述符的相似度.通过在MPEG-7,Kimia以及Swedish Leaf形状数据库上的实验结果表明,该算法对变形目标具有良好的鲁棒性,且提高了运算效率和匹配精度.此外,改进的离散曲线演化算法可与不同形状描述子融合形成新的形状匹配算法.     

基于形状匹配的卡通运动捕捉

提出一种对传统的卡通动画进行运动捕捉的方法．不同于以前基于骨架模型或者关键形状表示的方法,用整体仿射运动和局部非仿射变形的组合来表示卡通人物的运动,用卡通人物的轮廓表示它的形状;然后直接对相邻的关键帧进行形状匹配,将恢复的运动参数映射到一个目标人物上,使其具有与原来人物相同的运动方式．文中不使用先验模型,通过形状匹配来获取和映射卡通人物的运动,并通过实验验证了该方法的可行性．     

基于小波变换的局部形状匹配

为解决仿射变换下的局部形状匹配问题,提出了一种新的基于小波描述子的局部形状匹配方法。算法首先基于分割点将轮廓曲线分段,为了更精确地描述每段子曲线,定义一种新的特征点--等面积分割点,并在子曲线上提取,基于该特征点构造一种新的具有局部特征的小波描述子。新定义的等面积分割点有比一般的特征点（角点、拐点、切点）更精确描述曲线的特性,能解决轮廓曲线平滑特征点少而不能被精确描述的问题;定义的等面积分割点和提取的小波描述子都具有仿射不变性,且均为局部描述符,因而该方法适合于仿射变换且在轮廓局部遮挡和缺失的情况下仍然有效。理论分析和实验结果都证明了该算法的有效性。     

以多尺度三角形为特征的快速形状匹配

为了减少形状匹配阶段的计算量并保持匹配精度,提出一种结合多尺度三角形特征的形状描述子,利用形状整体特征进行粗匹配并使用实时匹配方法完成匹配过程.首先通过高斯演化获得多尺度下的形状轮廓并用不同尺度上的轮廓点组成特征三角形;然后采用三角形面积和特征角来描述轮廓信息;最后用形状面积率对候选轮廓进行筛选,通过计算不同形状间描述子的相似度进行匹配.在不同形状数据集上进行实验的结果表明,该方法有较好的匹配结果和较少的匹配耗时,能够快速准确地描述形状的局部及整体特征,在实际应用中具有优势.     

一种基于Grassmann流形的图像集分类算法研究

当前基于多模型的图像集分类方法通过对每个图像集进行单次聚类来提取局部模型,与其他图像集进行匹配时使用固定的聚类。然而,如果环境条件不佳,则可能导致两个最近邻聚类表示同一对象的不同特征。针对这一问题,首先,根据重建误差,在Grassmann流形上定义两个子空间间的Frobenius范数距离。然后,通过稀疏表示从画廊图像集中提取局部线性子空间。对每个局部线性子空间,通过联合稀疏表示,利用探测图像集的样本来自适应构建相应的最近邻子空间。基于Honda、ETH-80和Cambridge-Gesture数据集的实验结果表明,与基于仿射包的图像集距离(AHISD)、稀疏近似最近邻点(SANP)和流形判别分析(MDA)等其他算法相比,算法的性能更优。     

以度量分段约束为特征的形状匹配算法

为在形状匹配的过程中利用较少的计算时间获取较高的识别率,同时兼顾形状特征对几何变形的鲁棒性,提出一种以度量分段约束为特征的形状匹配算法.通过提取形状轮廓上采样点间的度量信息,如欧氏距离、三角形半径等,约束每个采样点与整体形状之间的几何关系;进一步,将度量信息进行分段描述,以增强该算法对几何变形的稳定性;最终结合动态规划算法完成形状的匹配.在国际通用数据库上的实验结果表明,文中算法能够快速、有效地实现形状的匹配,且对于形状变形具有较好的适应性;此外,该算法适用于多种几何度量信息,便于扩展和推广.     

基于三角剖分的形状检索算法

提出了一种基于三角剖分的形状检索改进算法.算法的基本思想是:先对图像进行边界跟踪和角点检测;然后寻找初始角点在边界跟踪中的对应点,并对找到对应点的角点按对应点在边界跟踪中的顺序进行排序;再对排序后的角点进行德洛内三角剖分,得到能表示目标真实形状的三角形序列;最后计算三角形序列的角度直方图作为形状特征进行相似性匹配.实验结果表明,该算法有较高的效率和检索精度.     

具有抗仿射性的局部特征点匹配方法

针对现有局部特征匹配算法对具有仿射性的图像匹配效果欠佳、耗时较长,以及随机采样一致性(RANSAC)算法对仿射性图像匹配得不到较好的参数模型等问题,提出一种具有抗仿射性的A-AKAZE(Affine Accelerated KAZE)算法,并用向量场一致性来筛选内点。首先利用非线性函数构建尺度空间,然后借助Hessian矩阵检测特征点,并以特征点为中心选取合适的区域作为特征采样窗口;再把特征采样窗口在经纬度上进行投影以模拟不同角度对图像的影响,随后在投影区域中提取具有抗仿射性的A-MLDB(Affine Modified-Local Difference Binary)描述符;最后利用向量场一致性算法提取内点。实验结果表明:A-AKAZE算法的正确匹配率相较于AKAZE算法提高了20%以上,与AKAZE+RANSAC算法相较提升了15%左右,与ASIFT(Affine Scale-Invariant Feature Transform)算法相比提高了10%左右,相比ASIFT+RANSAC算法提高了5%;而且该算法的匹配速度远高于AKAZE+RANSAC、ASIFT和ASIFT+RAN...     

基于各向异性滤波耦合形状质心相对角位置的图形检索算法

基于形状的目标检索技术难以检测噪声轮廓,无法兼顾表示其全局与局部显著性,导致检索精度不高。为此,提出一种图形检索算法。通过引入各向异性滤波,设计图形显著性检测算子,平滑噪声点与保留高曲率特征点,精确检测其形状显著性点,考虑形状轮廓点的总数与显著性位置,基于形状质心,定义相对角位置计算模型,并联合曲率函数,确定每个显著性点的表示值,将形状全局特征嵌入到局部细节中,联合动态规划算法,构建形状显著性相似度测量模型,进行特征点匹配,完成图形检索。测试结果表明,与基于形状的图像特征描述符相比,该算法具有更高的检索精度与更强的鲁棒性。     

一种基于仿射变换的SURF图像配准算法

传统的SURF算法对仿射变化较大的图像配准效果差。为此,提出了一种仿射-加速鲁棒性特征(Affine-SURF)的图像配准算法,通过增加经度角和纬度角不变特征引入仿射形变参数来模拟图像在不同角度的变形。实验结果表明,与SIFT、SURF、MSER等配准算法相比,该算法能够获得更多特征匹配对,提高了算法对仿射变化的鲁棒性。     

基于特征比的平面目标识别

模式识别是人工智能研究领域的一项重要课题,对于目标物在射影变换、仿射变换下的识别,尤其是严重变形情况下的识别和匹配更是该领域的研究热点和难点.针对仿射变换下的平面目标识别问题,提出了一种新的几何特征不变量——特征比,并以此为基础构造了一种新的仿射不变图像特征描述符.该描述符通过构造一系列与目标图像相交的直线,将图像用一系列共线点的位置关系进行表示.进而,将点的位置关系转化为特征比并表示成一系列的特征比谱;最后,通过动态时间规整(dynamic time warping,DTW)算法比较特征比谱间的距离得出图像间的相关性,从而进行目标识别.实验表明,该算法不仅对严重的仿射变形有较高的识别率,对相似度较高的图像也有很好的区分效果.     

局部遮挡条件下的普通工件定位检测

为解决工业应用中,普通工件在局部遮挡情况下难以精确定位的问题,提出局部遮挡条件下的普通工件定位检测算法。离线过程中,利用提取的模板图像轮廓角点特征和重采样后的轮廓点集,计算关键码值和形状描述子构建模板模型,建立几何哈希表(hash);在线过程中,计算实测关键码值在hash表中地址,利用投票机制对该地址下的形状描述子进行投票,实现目标匹配;基于匹配点对,基于Turkey权重函数和最小二乘平方差原理计算实测轮廓和模板轮廓间的仿射变换模型,实现目标精确定位。实验结果表明,当工件被局部遮挡,且发生平移、旋转变化时,可实现目标的精确定位。     

一种起始点无关的小波系数形状匹配

小波变换的多分辨率特征使其在计算机视觉中得到广泛的应用,在形状匹配中,小波变换对起始点的依赖制约了小波变换的应用。为了克服小波变换对起始点的依赖,引入Zernike矩,提出一种起始点无关的小波系数形状匹配算法。对输入图像进行预处理后提取目标轮廓,生成具有平移、尺度不变的形状链状表达,并通过小波变换进行多尺度分析。最后计算各个尺度下的各阶Zernike矩,来解决小波变换的起始点问题,实现形状表达的旋转不变性。实验结果表明该算法适用于轮廓较明显的目标,同时具有速度快、精度高、鲁棒性强的优点。     

遮挡情况下目标局部特征在跟踪算法中的应用

为了解决视频目标跟踪中的遮挡问题,本文提出了一种新的目标局部形状特征——仿射不变三角形来对目标进行描述,所提取的仿射不变三角形特征具有平移、旋转和尺度不变的特性,在各种异常情况下仍然能够稳定地表征目标。本文采用仿射不变三角形特征量来进行有效的遮挡状态的判断,并将目标未被遮挡部分的局部形状特征量与运动预测结合起来进行基于模板的匹配跟踪,能够避免遮挡所导致的目标外观数据改变而引起的目标运动状态计算的错误,以解决目标在跟踪中的遮挡问题。实验结果证明,本文提出的局部形状特征能够比较准确地判断目标的遮挡状态,并且能够有效地提高跟踪算法的准确性和稳定性。