基于距离信息扩展原理的物体识别方法

利用稀疏距离图象与灰度图象相结合，通过射影变换可使灰度图象特征有条件地获取距离信息，这称为 基于射影变换的距离信息扩展原理。利用这些距离信息可计算物体表面平面图形的欧氏空间不变量并对景物中的 物体产生假设。由于初始假设建立在可靠的基础上，并使用了带反馈的混合控制策略，使这种基于模型的物体识别 定位技术具有实用的前景。此文讨论了整个方法的原理及其实施方案，并实验验证了原理的正确性与有效性。     

利用信息融合技术的缺损目标识别方法

拐点不变量是局部不变量的一种,具有旋转,平移,尺度缩放不变性,可以有效地应用于目标,该文利用Ｄｅｍｐｓｔｅｒ－Ｓｈａｆｅｒ证据推理法,将用不同方法求取拐点特征所得到的决策层信息进行融合,进一步提高了识别系统的可靠性,通过仿真实验对该方法进行了验证。     

基于多稀疏分布特征和最近邻分类的物体识别方法

摘 要: 为提高物体识别性能,提出了一种基于多稀疏分布特征和最近邻分类的目标识别方法。首先,提取图像的梯度模值和方向特征,构建梯度模值和方向图像;然后,分别对灰度图像、梯度模值图像和梯度方向图像进行稀疏表示,提取稀疏分布特征,得到融合后的多稀疏分布特征;最后,依据最近邻分类方法进行特征分类,实现物体识别。通过在国际公认的COIL-100和PVOC-2007两个公共测试数据集下进行对比实验,对本文方法的参数选择、鲁棒性和识别性能进行综合评价。实验结果表明,采用本文方法进行物体识别的识别率高于目前经典的SIFT、SURF和ORB方法,是一种有效的物体识别方法。     

信息融合中的伪证据识别方法

由于人为或是自然因素的影响,多传感器应用系统中收集的证据中常常存在伪证据。这些伪证据导致信息融合过程中出现证据冲突,并影响最后的融合结果。为了有效识别伪证据,提出一种基于距离的伪证据识别方法。定义了各个证据的平均证据距离,设定一个阈值作为系统的平均证据距离作为判断依据,当一个证据的平均证据距离高于系统的平均证据距离时,则该证据被判断为伪证据,用一个目标识别的算例表明该方法简单有效。     

面向点云的三维物体识别方法综述

随着三维扫描技术的快速发展,获取各类场景的点云数据已经非常简单快捷;加之点云数据具备不受光照、阴影、纹理的影响等优势,基于点云的三维物体识别已成为计算机视觉领域的研究热点。首先,对近年来面向点云数据的三维物体识别方法进行归纳和总结;然后,对已有方法的优势及缺点进行分析;最后,指出点云物体识别中所面临的挑战及进一步的研究方向。     

一种基于特征捆绑计算模型的物体识别方法

利用一种特征捆绑计算模型,以Gabor特征作为模型的初级特征,将相关统计量作为实现特征捆绑的基础,提出了一种物体识别方法.并实现了一组物体识别实验,结果显示,该方法能够进行较快速而准确地识别,说明了此方法和所使用的特征捆绑计算模型的有效性.     

基于多级特征融合和时域扩展的行为识别方法

近年来,基于图卷积网络的行为识别是计算机视觉领域的研究热点。然而,现有的图卷积行为识别方法忽略了肢体层面的动作特征,使得行为空间特征提取不准确。此外,这些方法缺乏在间隔帧间进行时序动态建模的能力,导致行为时域特征表达不充分。针对上述问题提出一种基于多级特征融合和时域扩展的图卷积网络行为识别方法。该方法通过多级融合模块提取与融合低层次的关节特征和高层次的肢体特征,从而得到判别性更强的多层级空间特征。同时通过时域扩展模块从相邻帧、间隔帧中学习丰富的多尺度时域特征,增强行为特征的时序表达。在三个大型数据集（NTU RGB+D 60、NTU RGB+D 120和Kinetics-Skeleton）上的实验结果表明,所提方法的识别准确度高于现有行为识别方法。     

基于扩展范式距离的纵向数据相似性度量

为解决纵向数据相似性比较问题,对基于扩展范式距离的纵向数据相似性度量方法进行了研究。使用基于粗糙集理论的核约简对属性变量进行选择,移去数据集中的冗余属性;用扩展范式距离进行数据项问的度量。为计算两数据项之间的相似性,把相关度特征值当作权重,通过扩展范数距离比较项与项相应主元之间的相似性。与其它3种度最方法的对比实验显示,所提出的纵向数据相似度测量方法是有效可行的,且在信息检索时的Recall与Precision优于其它同类方法。     

基于距离度量学习的煤岩识别方法

提出了一种基于距离度量学习的煤岩识别方法。该方法首先从煤岩图像训练集中提取煤岩图像特征;然后学习到特定的距离度量,使得煤样本特征间、岩石样本特征间距离变小,煤样本特征与岩石样本特征间距离变大,以提高分类识别效果;最后采用分类器进行煤岩识别。实验结果表明,对于煤岩样本图像的LBP特征、HOG特征、GLCM特征,与基于欧式距离、LDA、ITML的煤岩识别方法相比,该方法具有更高的煤岩识别率。     

基于人工神经网络与证据理论相结合的信息融合空间点目标识别方法研究

介绍了一种基于人工神经网络与证据理论相结合的空间点目标识别以及该方法珠结构，分析了该方法的性能，并用计算机仿真验证了该方法的强抗干扰性和鲁棒性。     

基于兴趣点多特征融合的物体识别方法

提出一种基于兴趣点多种特征融合的物体识别方法。利用简化的局部二值模式算子去除Harris冗余角点,提取感兴趣区域的3种特征并加权融合特征,在K最近邻(KNN)方法中引进加权因子计算特征距离函数,得到合适的分类器。实验结果表明,该方法能有效提高物体识别的正确率。     

一种基于Hausdorff距离的运动物体跟踪算法

针对视频处理中运动物体的检测和跟踪问题,提出了一种基于Hausdorff距离的目标跟踪算法。新算法提出首先采用多尺度分水岭变换获取运动物体模型,消除了传统基于分水岭变换算法存在的缺陷;然后使用部分Hausdorff距离实现后续帧中运动物体模型的匹配;最后再次使用多尺度分水岭算法完成运动物体模型的更新。实验表明,该算法可以有效地跟踪多个刚体或非刚体目标。     

基于遗传算法和BP网络的物体识别方法

目前常用的物体识别方法,其过程非常复杂,信息量和计算量都很大.结合遗传算法的神经网络方法,充分利用GA的全局搜索能力、BP算法的局部搜索能力和鲁棒性强的特性,提出了一种用遗传算法全局优化神经网络拓扑结构和网络权值的新编码方案进行物体识别方法.仿真结果表明,该方法既解决了BP神经网络对初始权值敏感和容易局部收敛的问题,又加快GA.BP网络的收敛速度,提高收敛精度且识别率较高,从而验证了该方法的有效性.     

基于统计距离的手写数字预处理

数据预处理性能对模式识别系统降低错误率有明显作用。用巴氏距离 (Bhattacharyya distance)来衡量预处理的优劣 ,不需要分类器 ,可对预处理性能预先做出估计。本文提出基于最大巴氏距离的降低噪声规格化预处理 ,错误低、处理速度高、客观性好、简单、有效。对邮政信封直接扫描获得的分辨率为 96× 80的 10 0 0 0个手写体数字样本 ,按照分辨率2 0× 2 0规格化 ,采用正切距离分类 ,其错误率 :不做预处时为14 .5% ,采作本预处理时为 3 .17%。使识别正确率有明显的改善。     

三维物体曲面的识别研究

本文对三维物体的特征进行了分析，在此基础上，提出了一种能够识别曲面形状的算法，有效地识别出锥面、柱面、平面等曲面，并给出了程序框图。     

基于多视角距离图象的三维物体建模及其在识别中的应用

模型的表示和构建是基于距离图象三维物体识别技术中的关键模块之一.针对已有方法存在的若干问题,提出一个新的综合多个视角距离图象的三维物体模型表示策略和增量式的模型习得算法,并将该模型表示用于三维物体识别中.实验结果验证了算法的有效性.     

基于神经网络及多层次信息融合的手写体数字识别

以信息融合技术为基础，提出了一种新的基于神经网络及多层次信息融合的手写体数字识别方法。该方法通过提取字符图像不同机制的4个互补特征，组合形成6个融合特征，利用优化的BP神经网络算法，对多融合特征进行识别分类，然后用神经网络对6个识别结果进行融合决策．实验结果表明，新的融合识别方法能有效提高识别率，并具有较高的系统可靠性。     

基于总体距离最小的多用户偏好信息融合算法的研究

信息融合是人工智能和知识库领域的一个关键问题。文章根据Dalal提出的距离概念犤1犦定义了多用户偏好信息的融合,提出并证明了一组相关定理,以这些定理为基础可以简洁地得到融合的结果,并在Dalal定义的距离的基础上将距离的定义一般化,提出了不对称距离的概念。现实表明,对于多用户偏好信息的融合,利用不对称距离可以得到更合理的融合结果,这个结果更加符合人们的通常心理。     

基于文档空间向量距离的查询扩展

查询扩展是信息检索中优化查询的一种有效方法。在分析几种基于互信息的查询扩展方法的基础上,将检索词在文档空间中的距离引入到互信息计算中,提出基于向量距离的改进互信息的查询扩展方法。实验结果表明,该方法能够有效提高信息检索中的查询效果。     

基于多传感器信息融合的人类抓握特征学习及物体识别

基于柔性可穿戴传感器及多模态信息融合,研究人类的抓握特征学习及抓取物体识别,探索人类在抓取行为中所依赖的感知信息的使用.利用10个可拉伸传感器、14个温度传感器及78个压力传感器构建了数据手套并穿戴于人手,分别测量人类在抓取行为中手指关节的弯曲角度、抓取物体的温度及压力分布信息,并在时间及空间序列上建立了跨模态信息表征,同时使用深度卷积神经网络对此多模态信息进行融合,构建人类抓握特征学习模型,实现抓取物体的精准识别.分别针对关节角度特征、温度特征及压力信息特征进行了融合实验及有效性分析,结果表明了基于多传感器的多模态信息融合能够实现18种物品的精准识别.