基于骨架和统计直方图的形状匹配算法

目标的柔性变化和局部遮挡是形状匹配的主要困难,传统的形状匹配算法对这类问题常不能奏效。针对该问题,提出了一种新的接合骨架和统计直方图匹配柔性变化和局部遮挡目标的方法。算法首先提取骨架接合点,根据骨架接合点将目标形状分块;基于每个骨架接合点构造各个子块的不变特征并将其直方图化;再构建了一种新的相似性度量函数;通过对骨架接合点的匹配实现目标形状的匹配。由于算法是提取骨架接合点,较骨架端点提取更稳定,从而能提高匹配精度;此外算法采用分块描述匹配的思想,所以能有效处理局部遮挡和柔性变化。理论分析和实验结果均表明算法是有效的。     

基于骨架树的荧光共焦图像神经树突棘自动分割与检测方法*

提出一个荧光共焦图像中神经树突棘自动分割与检测方法。该方法采用新的自适应区域生长法对神经树突棘目标进行预分割,基于种子点的路径规划算法,以计算给定点到目标点的最短路径来获取初始主骨架;通过建立最小生成树描述模型对骨架进行修剪,利用种子点间的矢量角度变化及顶点距离值对突棘进行检测提取。实验结果表明,该方法能很好地提取树突骨架,并取得了较好的突棘检测效果。     

局部关联度最优的手写汉字骨架提取

目的 研究手写汉字图像时,骨架是最为常见的切入点之一。利用传统细化算法提取手写汉字骨架,容易在笔画交叉等情况复杂的区域产生形变。针对此问题,提出一种基于局部关联度的手写汉字骨架提取算法。方法 首先对手写汉字图像进行细化以获取原始骨架,按照端点、普通点和复杂点3种类别标注骨架点;利用8邻域窗口扫描相互连通的复杂点,检测并提取复杂区域;删除复杂区域,将原始骨架拆分为若干简单笔画段,形变部分在此过程中被一并移除;提取局部子段,根据笔画段间的方向差异程度和曲率变化程度,计算局部关联度;制定一种局部关联度最优的连接策略,对满足连接条件的笔画段进行插值补偿,从而修正形变,并得到完整的汉字骨架。结果 对于600个实验样本,从骨架直接检测复杂区域所得结果十分接近理想情况,而轮廓法所得数量是理论值的2.5倍;基于局部关联度重组笔画段,绝大多数形变得到修正,重组后的骨架符合真实拓扑结构;以标准骨架为参考,骨架提取准确率达到了98.41%。结论 局部关联度最优的手写汉字骨架提取算法,能够有效检测复杂区域,对形变具有良好的修正作用,提取所得骨架能够正确反映复杂笔画间的位置结构关系,是一种实用有效的骨架提取方法。     

新型基于分层多假设跟踪的冠脉骨架提取算法

为解决大多数脉管骨架提取算法中存在的运算复杂、准确率低以及无法同步获取脉管半径问题,提出了一种新型基于分层多假设跟踪的冠脉骨架提取算法. 首先,提出改进局部形状分析方法用于冠脉预分割,通过引入单连通约束和体积约束和降低非血管型结构及细小类血管型结构误分割率;其次,定义新的中心检测能量函数,增强骨架定位能力,并提出分层多假设策略,避免跟踪过程产生局部最优解和实现脉管半径同步获取;此外,通过生成水平集图,使算法可根据脉管树分支情况自动初始化多条跟踪路径,具有较好的拓扑适应性. 实验表明,与其他骨架提取算法相比,该算法可以同步获取冠脉骨架及半径等信息,且结果精度较高.     

融合形状特征的MRG骨架树三维检索方法

提出一种基于MRG骨架树的三维模型检索方法。根据多分辨率Reeb图(MRG)的原理,提取反映模型拓扑特征的Reeb图骨架并且映射成树形结构,分析了节点的拓扑属性。针对拓扑属性在形状特征上的表达能力不足,在节点相应区域提取离散曲率和面积比例描绘局部的形状特征。有效地结合了模型的拓扑特征和形状特征计算模型的相似度。该方法突出了模型的整体拓扑特征和形状特征,实验结果表明了该方法的高效性和鲁棒性。     

拓扑和形状特征相结合的三维模型检索

针对整体相似性检索算法在局部细节特征上的表达能力不足,提出了一种将拓扑和形状特征相结合的三维模型相似性比较方法.首先提取三维模型的骨架,获得模型的整体拓扑特征;然后根据骨架节点将模型分解为多个子部分,并利用球面谐波算法提取每一个子部分的形状特征.模型的匹配分为3步进行:整体骨架的拓扑特征相似性比较,相对应的子部分的局部形状特征相似性比较,模型总的相似性是整体骨架相似性与对应子部分局部形状相似性的加权和.实验结果表明:该方法从整体到局部、由粗到精,综合考虑了拓扑和形状特征,较传统的考虑单一拓扑或形状特征的检索算法有较高的检索精度,同时又支持基于局部特征的相似性检索.     

基于热方法的骨架提取算法

骨架提取是形状表示的重要分支,在图像压缩、模式识别和形状匹配等领域中都有着广泛应用。本文提出一种基于热方法的骨架提取算法。该方法首先对目标区域构建三角网格,通过求解热传导方程找到距离增加的方向,再利用泊松方程还原测地距离。然后引入投票法的思想来确定骨架端点,通过路径回溯得到目标形状的连续骨架线。最后对终点聚类,检测并提取环形骨架。算法只需要求解2个稀疏线性方程组,因而具有鲁棒性强、精度高且易于操作等优点。同时,预计算中的一些信息可以被重复使用,减少内存占用和时间消耗。实验结果表明,该算法可将目标形状的骨架准确地提取出来。     

形状匹配方法研究与展望

形状匹配及分类是计算机视觉中的重要问题. 近年来,以形状上下文为代表的基于轮廓的形状匹配方法和以奇点图为代表的基于骨架的形状匹配方法获得了长足的发展. 本文介绍了形状匹配问题的基本概念, 分析了形状匹配问题的难点, 按照基于轮廓和基于骨架的分类方法对近年来最新出现的形状表示与形状匹配的方法进行了详尽的介绍, 并介绍了基于度量学习的形状检索方法, 本文还详细介绍了近年来形状匹配研究领域常用的一些测试数据库, 之后对局部形状匹配和形状分类等有潜力的研究方向进行了展望. 最后对形状匹配的整体框架及其应用前景进行了总结.     

基于三角形骨架坐标的图象渐变算法

为快速进行不规则多边形区域内的数字图象渐变处理,提出了一种基于三角形骨架坐标的图象渐变算法,即先将图象区域分割为若干个三角形区域,再逐个对这些三角形区域建立象素点的骨架坐标,这样三角形骨架外壳的改变就会带动其内部图象的渐变,并根据骨架坐标变换,推导三角形区域内象素点坐标随外壳三角形顶点改变的计算公式,进而建立了骨架外壳改变后的新象素点与原始象素点间的颜色对应关系。利用该不规则多边形区域内的图象渐变算法,可解决运动模拟等常见图象的变形问题。     

一种改进的基于特征点求解的骨架提取算法

基于特征点求解和Reeb图思想,实现了一种新的骨架提取算法。首先求取模型特征点集,以特征点为计算依据,根据三角网格中每个顶点与特征点的不同对应关系得到网格分支点,聚合成一系列骨架点,依据骨架点携带的拓扑信息,连接拓扑相邻的骨架点得到模型骨架。采用了改进的特征点提取算法,其时间复杂度由O（n^3）提高到了O（n^2log（n））,实验表明算法能够快速提取骨架,针对一般模型的骨架提取效果令人满意。     

基于图像的字符加工方法研究与实现

传统的字符雕刻按照型胺加工的方法生成平面刀位轨迹，这种雕刻方法无法体现字符的笔锋与力度，本文提出了一种新的字符加工方法用以解决以上不足，该方法主要包括字符骨架提取、骨架矢量化，骨架宽度提取及宽度到深度的映射等步骤，并在此基础上实现了从字符输入、编辑，排版到刀位轨迹生成，仿真，加工的一体化和自动化。     

基于颜色和梯度方向共生直方图的图像检索

为有效融合图像的形状、颜色等特征,提出一种基元梯度方向共生直方图和颜色直方图的彩色图像检索算法。首先将图像划分为4×4互不重叠的基元,并根据基元的梯度平均幅值把基元分为视觉均衡基元和视觉非均衡基元;接着计算视觉均衡基元的平均颜色值,并将其在HSV空间中量化到72色颜色空间,构建视觉均衡基元颜色直方图作为彩色图像的局部颜色描述子;然后将图像中各像素点颜色值在HSV空间量化到72色颜色空间,获得图像的全局颜色直方图;最后在视觉非均衡基元中构建梯度方向共生直方图描述图像的形状特征。融合局部颜色描述子、全局颜色直方图和形状特征构成彩色图像检索特征矢量。实验结果表明,所提算法能够准确描述彩色图像的颜色和形状特征,具有很好的旋转不变性和尺度不变性。相似性度量非常有效,查全率和查准率均有较大提高。     

基于人类视觉特性的梯度骨架标记提取算法

针对分水岭算法预处理阶段的标记提取问题,提出一种基于人类视觉特性的梯度骨架标记提取算法。通过标记梯度图像的谷点组成贯通整幅梯度图像的骨架,在不同彩色空间中根据背景亮度自动选取阈值,并从骨架中剔除大于该阈值的鞍点,使骨架离散为各自连通的小骨架群,将每个小骨架作为独立标记。实验结果表明,该算法能够解决传统算法参数选取困难的问题,在抑制分水岭算法过分割边缘的基础上获得更好的分割结果。     

联合骨架与边界特征的平面形状分解

在形状分析及其相关应用中,将形状分解成有意义的几个部分往往具有重要意义。骨架与轮廓都蕴含了丰富的物体形状全局与局部信息。提出一种联合骨架与边界特征的平面形状分解方法。该算法引入符合视觉特性的弯曲度比率作为约束,获得可控的分解结果以满足不同细节尺度的要求。算法充分利用对轮廓进行离散曲线演化时得到的信息,避免几个重要的部分被合并为一个整体。由于采用了鲁棒的骨架生成方法,使得算法对较高噪声干扰具有一定的鲁棒性,且能使得一个重要的部分不被进一步误分解。以MPEG7形状库等形状为实验对象,对算法的有效性进行了验证。分解实验结果均较为符合人类的主观感觉,同时对噪声污染的形状也具有较为鲁棒的结果。     

地形图点状符号的自动提取和识别

针对扫描地形图的点状符号, 提出了一种基于距离变换进行提取和识别的新方法. 首先优化分版图的提取结果, 根据弯曲密度和线划密度过滤掉非点状符号的线划, 利用加壳变换和蜕皮变换进行点状符号的图文分离. 然后根据加权距离函数来度量符号的全局特征, 由骨架线的一致性来度量符号的几何形状特征, 并结合这两个特征来识别点状符号. 最后, 提出了错切文字注记和线状要素注记的识别方法.     

基于欧氏骨架的手势识别系统

引进最新骨架提取算法,设计并实现了一种以手势的欧氏骨架为基准的手势识别系统,系统由通用视频采集模块和ARM开发板硬件组成.利用动态前景检测算法结合YCbCr肤色识别模型,分割出手势区域;借助欧氏距离变换和Delta—中轴骨架提取算法获得手势区域的欧氏骨架,并提取骨架的关键点和欧氏距离等几何参数,以此建立手势识别的几何模型.实验测试正确识别率高达94%,每帧图片处理时间小于25 ms,表明该系统实时、有效.     

面向可解释性的物体拓扑结构骨架表征方法

目的 模式识别中，通常使用大量标注数据和有效的机器学习算法训练分类器应对不确定性问题。然而，这一过程缺乏知识表征和可解释性。认知心理学和实验心理学的研究表明，人类往往不使用代价如此巨大的机制，而是使用表征、归纳、推理、解释和约束传播等与符号主义人工智能方法类似的手段来应对物体识别中的不确定性并提供可解释性。因此本文旨在从传统的符号计算出发，利用骨架拓扑结构表征提供一种可解释性的思路。方法 以骨架树为基本手段来形成物体拓扑结构特征和几何特征的形式化表征，并基于泛化框架对少量同类表征进行知识抽取来形成关于物体类别的知识概括显式化表征。结果 在形成物体类别的概括表征实验中，通过路径重建直观展示了同类属物体上得到的最一般表征的几何物理意义。在可解释性验证实验中，通过跨数据的拓扑应用展示了新测试样本相对于概括表征的特定差异，表明该表征具有良好的可解释性。最后在形状补全的不确定性推理实验中，不仅可以得到识别结论，而且清晰展示了识别背后做出的判断依据，进一步验证了该表征的可解释性。结论 实验表明一般化的形式表征能够应对尺寸、颜色和形状等不确定性问题，本文方法避免了基于纹理特征所带来的不确定性，适用于任意基于基元的表征方式，具有更好的鲁棒性、普适性和可解释性，计算代价更小。     

个性化虚拟人体模型骨架生成方法

采用基于自动化骨架匹配和可视化骨架编辑的方法，可以方便地完成个性化的骨架建模．首先定义一个标准的虚拟人骨架模板，通过骨架模板与人的几何模型的自动匹配，得到初始的骨架模型；然后利用可视化的骨架编辑工具，就可以很容易地生成个性化的虚拟人骨架．实验表明：该方法可以快速、简单地生成精确的个性化的骨架模型，方便虚拟人运动显示。     

Path similarity skeleton graph matching

This paper presents a novel framework to for shape recognition based on object silhouettes. The main idea is to match skeleton graphs by comparing the shortest paths between skeleton endpoints. In contrast to typical tree or graph matching methods, we completely ignore the topological graph structure. Our approach is motivated by the fact that visually similar skeleton graphs may have completely different topological structures. The proposed comparison of shortest paths between endpoints of skeleton graphs yields correct matching results in such cases. The skeletons are pruned by contour partitioning with Discrete Curve Evolution, which implies that the endpoints of skeleton branches correspond to visual parts of the objects. The experimental results demonstrate that our method is able to produce correct results in the presence of articulations, stretching, and occlusion.     

复杂带状图像的快速三角剖分与骨架化算法

为了快速准确地计算带状图像的骨架，以便对其进行识别、重建等处理，提出一种基于快速三角剖分的骨架化算法，首先通过对带状图像边界的近似多边形进行三角剖分，生成一系列具有拓扑关系的三角形，然后根据三角形的类型生成局部骨架，最后连接生成整幅带状图像的骨架．该算法充分利用了图像的整体与局部信息，且与分辨率无关。