基于轮廓分层描述的目标识别算法研究

有效的目标轮廓分段是描述目标局部特征的关键环节.针对现有轮廓描述算法存在轮廓分段不合理的问题,本文基于认知心理学,提出了分层描述的轮廓描述算法.算法思想是首先根据角点特征将整个轮廓划分成一些轮廓分段,接着对轮廓分段的分布特点提出价值尺度,然后将多级轮廓分段按照价值尺度原则合并得到有限个能够完整描述目标轮廓的特征分段,最后将特征分段综合考虑长度尺度应用到Shape Context相似度检测模型中进行目标识别.通过对MPEG-7图像数据库中的图像进行实验分析表明该算法能够完整描述目标图像的形状特征,提高了目标识别率和形状检索率,并对部分遮挡的目标也具有良好的鲁棒性.基本满足目标识别识别和形状检索对准确率、稳定性、抗遮挡能力等方面的要求.     

基于Hough变换的低分辨率雷达目标识别

针对低分辨率雷达目标的识别问题,提出了一种基于Hough变换的特征提取方法.通过对Hough变换后参数空间进行特征定义来描述参数空间灰度图像的纹理分布特点,进而描述图像空间目标的形状特征.文中利用该方法结合径向基函数神经网络对低分辨率雷达船只目标轮廓像进行特征提取并识别,取得了较高的识别率.     

基于极坐标直方图的图像检索算法

提出了一种新的基于极坐标直方图的轮廓形状描述与图像检索算法。提取轮廓中能够反映轮廓形状特征的尖点和均匀采样点;分别将两类特征点向轮廓质心引向量得到两个特征向量集;最后利用两个特征向量集得到的两类极坐标直方图构造目标形状描述符。实验结果表明,该算法不仅能够很好的描述相关形状的轮廓特征,而且其特征描述具有尺度、旋转、平移不变性,同时提高了图像检索的准确率和查全率。     

一种新的轮廓描述子快速提取方法

用目标轮廓上点的相对几何位置关系对其形状进行描述,基于统计的思想,运用小波变换的方法,提出了一种新的轮廓描述子。与SuYang统计矩阵描述子相比,减少了计算量,大大提高了目标识别速度,并将这种方法应用到实时目标识别系统中去。实验表明,该方法可以快速提取目标轮廓对旋转、伸缩和平移具有不变性的特征,在实时目标识别系统中具有很好的表现。     

具有仿射不变性的离散余弦描述子

边缘轮廓是图像目标的重要特征信患.使用微分面积对目标轮廓进行参数化,进而计算其离散余弦变换.所得到的一系列描述子在仿射变换(平移、旋转、尺寸、剪切)下具有不变性,尤其适用于在视点发生变化时,三维空间中运动目标识别.通过理论分析,给出了算法的推导过程,并对三维空间中不同姿态的飞机轮廓图像进行了仿真实验.实验结果表明,各描述子描述的特征值是相对稳定的.     

基于角度扩展形状上下文描述的目标检测算法研究

广义Hough变换的轮廓R表以及传统形状上下文是一种较好的形状描述算子,它们可以较好地解决非形变目标定位问题,但是对于解决存在形变的目标检测定位问题却存在不少困难.为解决该问题提出基于角度扩展的改进形状上下文图像特征描述.传统形状上下文形状描述器对于相近的两条边缘线具有不同的角度描述,在描述其相似度时会产生一定的偏差.通过对传统形状上下文描述图像特征的角度参数进行扩展,可以在一定程度上提高检测算法在目标发生形变情况下的鲁棒性.实验表明,本文算法通过对目标样本的训练能够有效的抽取稳定的形状上下文特征,然后通过匹配投票检测出目标位置,在计算机视觉领域具有一定的应用意义.     

一种新的基于形状轮廓点分布的图像检索

用目标轮廓上点的相对位置分布关系对其形状进行描述,基于统计的思想,提出了一种极坐标下形状轮廓点分布特征描述符,不仅符合人眼的视觉感受,而且计算简单;提出了在极坐标下用于度量EMD(earth move′s distance)距离的地面距离计算方法,实验表明,该算法在基于形状的图像分类与检索中取得了良好的效果,而且对目标形状的缩放、平移和旋转等形变具有很好的鲁棒性。     

基于形状角与分块图像的车辆轮廓分割算法

为了减小对车辆进行外形超限测量时其他车辆对图像的影响,精确地将目标车辆的轮廓信息分割并测量,提出一种基于形状角、结合分块图像与边缘提取的分割算法。对获取图像进行帧差法削弱背景边缘信息的影响,再用Canny算子边缘提取,将得到的轮廓信息进行基于形状角的识别与提取。提出了一种对图像进行分块分类的图像分割法。该算法有效解决了测量中背景对前景的影响。实验结果表明该算法具有较高的鲁棒性与准确性。     

基于同底三角形面积描述的形状检索

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,提出一种基于同底三角形面积的形状匹配方法.该方法首先计算每个轮廓采样点的同底三角形面积描述子,并对该描述子进行局部平滑,使其更加鲁棒.然后采用加权L1度量方法计算两个形状所有轮廓点的同底三角形描述子之间的距离,获得匹配代价矩阵.最后利用动态规划算法计算匹配代价矩阵的相似度,获得形状距离,实现形状匹配.通过在MPEG-7、Kimia以及铰接形状数据库上测试分析表明,该方法对变形目标具有良好的鲁棒性,且提高了运算效率和检索精度.     

基于互补特征层次决策融合的SAR目标识别方法

提出基于互补特征层次决策融合的合成孔径雷达(SAR)目标识别方法,该方法采用主成分分析特征、目标峰值和目标轮廓作为描述SAR图像的特征。三者对于目标的描述具有较强的互补性,从而为目标识别提供更多的鉴别力信息。在决策融合阶段,采用了层次推进的策略。第一级采用主成分分析特征,第二级采用峰值特征,第三级采用轮廓特征进行识别。当前一级得到可靠的识别结果时,下一级则无需进行。采用层次融合策略,大大提高了目标识别的效率,避免了不必要的重复识别过程。为了验证所提方法的有效性,基于MSTAR公共数据集进行了目标识别实验。     

基于轮廓像的舰船目标识别方法研究

研究了舰船目标轮廓像形成原理,基于轮廓像的舰船目标识别方法不仅利用了雷达一维回波信息,还利用了回波序列间的相关性信息。建立了3种舰船模型,仿真获取回波序列形成的轮廓像数据,转化为二维灰度图像,提取多种特征进行描述。采用类间距离和类内距离作为依据讨论了特征选择的问题。仿真分析了信噪比、目标姿态角对识别结果的影响,给出了符合识别要求的信噪比范围以及建立模板库需要考虑的目标姿态角情况,结果表明采用轮廓像技术识别舰船目标具有良好的效果。     

基于形状的计算机物体识别的研究

针对计算机物体识别中不同角度下图像物体形状的不同,提出了采用多角度获取模板图像,实验图片与多角度的模板进行匹配的理论模型,对采用多角度模板匹配时出现的不同形状的轮廓进行分析,提出了用物体图像的轮廓形状的相关匹配法的解决方案,在物体识别中,多角度模板匹配与单一的模板相比,提高了识别的可靠性,避免了同一物体角度不同时,误识别为不同的物体的情况。     

融合先验形状知识的主动轮廓模型研究

融合先验形状知识的主动轮廓模型（HACM）能够解决目标存在遮挡、局部形变、相似变换等实际问题,广泛应用于图像分割、轮廓提取等领域。本文以主动轮廓模型（ACM）为基础,从先验形状知识的提取以及知识的融合方法两个方面,总结近年来ACM在融合先验形状知识的目标轮廓提取领域的一些最新研究成果。首先研究基于区域不变矩描述子、样条函数以及水平集的形状知识提取方法,用于提取刚体性、非刚体性目标样本集所包含的轮廓信息,该信息具有一定的泛化能力,即针对样本集以外的目标轮廓具备一定的表达能力。然后以单目标轮廓提取问题为研究对象,从距离函数的角度分析各种先验形状知识与原始轮廓模型的全局性融合方法,并介绍了一种基于标识函数的局部融合方法。局部融合方法可以解决单知识、多目标情况下的轮廓提取问题。最后对文中所介绍模型进行总结分析,对该领域的研究方向进行了展望。      

基于复杂背景的红外机场目标自动识别算法研究

根据复杂背景下前视红外机场目标的特点,提出了基于知识的自动目标识别算法,算法的设计以实用性为宗旨,在不影响算法性能的前提下尽量提高其实时性能：通过提取感兴趣区域来缩小处理范围,采用双阈值最大类间方差快速算法快速准确找到分割阈值,采用快速标记算法标记分割图像,利用Freeman链码描述机场的轮廓特征,根据模糊综合评判机制分析机场的目标特征。通过硬件处理平台的仿真验证,该算法对机场目标红外图像有一定的识别能力,且具有较高的实时性。     

改进的低阶轮廓矩特征推导方法

轮廓矩特征能够有效描述目标的形状。与基于区域的矩特征不同,轮廓矩扫描目标周长像素点时,时间和空间复杂度低,但轮廓矩公式的推导过程复杂。提出用参数方程描述轮廓曲线段的方法,基于格林定理仅利用一次二项式定理推导出轮廓矩的一般表达式。以舰船投影图像为例计算了常用低阶轮廓矩,实验表明,与区域矩特征相比运行速度快,且质心误差不超过2%。     

结合中心投影和非下采样Contourlet的不变特征提取

在基于形状的目标识别中,提取出鉴别力强且具有不变性的特征至关重要.为了克服目前局部不变特征提取方面存在的不足,提出一种结合中心投影和非下采样Contourlet变换的全局图像不变特征提取算法.算法首先利用中心投影获得图像的广义轮廓表示,其次在相位域中对广义轮廓进行离散傅里叶变换,最后对离散傅里叶系数进行NSCT变换并构造不变特征.实验结果证明了该算法的不变性.     

基于机器视觉的物体包装盒实时贴标系统设计

为了实现打印贴标机智能贴标的需求,提出了一种基于机器视觉的物体包装盒实时贴标系统设计方案,并完成了系统的软件设计和整套硬件测试。该系统的硬件部分主要用来获取图像数据以及进行打印贴标操作,软件部分采用基于轮廓提取和形状特征识别相结合的图像处理技术,能够完成对其输出图像进行目标识别和实时定位,并通过串口通信将数据转发给控制系统。实际应用表明,该系统具有操作简便、测试准确的特点,达到了设计要求。     

轮廓特征包在激光主动照明识别系统中的应用

提出了一种结合轮廓转动惯量和特征包(Bo F)算法的激光主动照明目标识别方法。介绍了转动惯量的定义,并提出了一种多尺度轮廓转动惯量特征区域检测方法和轮廓转动惯量局部不变特征提取方法。多尺度轮廓转动惯量特征区域检测方法能够提取出包含轮廓的最小特征区域,而轮廓转动惯量局部不变特征能够很好地描述轮廓的大小、位置、规则度等信息,对于各种图像变换具有不变性,并且计算效率较高。使用Bo F算法统计图像的轮廓转动惯量局部不变特征,生成归一化特征直方图作为整幅图像的特征向量,输入训练好的支持向量机分类器进行识别。实验结果表明与基于Hu矩和BP神经网络的目标识别方法相比,所提算法在旋转和仿射变换下的识别率分别提高7.33%和19.08%。     

一种结合边缘与区域信息的图像特征提取算法

为了能够较准确地表示图像的形状特征,提出了一种融合边界和区域信息的新的形状描述子。首先对图像进行二维离散余弦变换,获得低频系数作为区域特征。之后提取图像的轮廓并进行采样,形成描述形状轮廓的有序点列表,对每个采样点分别顺时针和逆时针等距离跟踪获得2个邻点,计算拱高以及质心距离。然后获取由拱高和质心距离组成的复函数的频域描述子,并组合区域特征与轮廓特征。对 MPEG-7标准图形库的检索实验显示,该描述子的检索性能显著优于三角形面积函数、质心距离函数与拱高半径复函数等同类描述子。     

数字空间轮廓的小波描述子

为了描述数字空间目标轮廓,便于计算机图形表达,提出一种适于描述序列点轮廓的小波描述子。将数字空间轮廓视为周期序列,并基于离散小波变换给出序列点轮廓小波描述子的具体表达。结合具体医学图像轮廓进行相应的应用研究,并与Fourier轮廓描述子进行了对比,研究结果表明,在具有相同比特率的情况下,序列点轮廓小波描述子具有更好的保形性,同时实现了对轮廓数据的压缩。