视网膜图像中椭圆的快速测方法

电脑验光中近红外光束在视网膜上反射所成图像近似为椭圆。可通过计算椭圆的长短轴及轴位来确定被测人眼的屈光度，并以此来检测人眼屈光不正．因此椭圆的检测和定位尤为关键。本文提出了一种快速的椭圆检测与定位方法，充分利用椭圆的几何特性．并采用采样和投票机制来减少运算复杂度。将这种算法运用于视网膜图像随圆定位中，实验结果表明,本算法具有计算速度快,鲁棒性强．检测性能好等优点。     

用最小二乘正交距离方法拟合双同心椭圆弧 *

提出一种带有同心条件的双椭圆弧拟合方法。该方法利用给定点到拟合椭圆弧的正交距离来衡量误差,建立关于误差的最小二乘方程 ,进而采用迭代方法求出描述双椭圆弧的八个参数。算法仿真实验研究了椭圆弧度、长短轴比率以及样本噪声对算法的影响 ,研究表明弧度越大、长短轴长度越接近、样本噪声越小 ,算法越稳定 ,参数估计越准确。该方法也可以推广应用于处理多个同心椭圆弧的拟合问题。     

双同心椭圆弧的几何拟合方法

提出一种带有同心条件的双椭圆弧拟合方法。该方法利用椭圆几何定义得到的残差来衡量误差,建立关于误差的最小二乘方程,进而采用迭代方法求出描述双椭圆弧的8个参数。算法仿真实验研究了椭圆弧度、长短轴比率以及样本噪声对算法的影响,研究表明弧度越大、长短轴比率较接近1.1、样本噪声较小的时候,算法较稳定、准确。该方法也可以扩展处理多个同心椭圆弧的拟合问题。     

基于非线性最小二乘原理的原木端面识别算法

为了更好地进行原木端面识别,研究了一种基于非线性最小二乘原理的椭圆拟合算法。椭圆拟合的精度在很大程度上受初始值的影响,该方法通过对目标图像的边界点进行距离计算,得到了适当的初始值;之后运用最小二乘原理,计算边界点到拟合椭圆之间欧式距离的最小值,确定最优拟合椭圆的长短轴参数。实验结果表明,提出的算法在原木端面的识别中,具有良好的拟合精度和适用性。     

自适应肤色检测算法的研究

针对Hsu提出的椭圆肤色检测模型的局限性,提出了一种自适应肤色检测模型。在Hsu的统计模型基础上,根据光照条件自适应改变其椭圆模型的长短轴,以取得最好的肤色检测效果。实验结果表明,本文算法有较强的光照适应性,所提出的自适应肤色检测模型效果优于Hsu的椭圆模型。     

基于运动轨迹分析的头部行为识别

提出一种基于人脸运动轨迹分析的头部行为识别方法。对人脸进行检测和全自动跟踪,通过计算人脸运动轨迹参数并进行参数数据统计和分析,实现人体头部行为识别。针对抬头、低头时出现的跟踪框长短轴交换问题,通过引入基于跟踪框长短轴比值的约束条件,对椭圆跟踪盒主轴与纵轴夹角的计算方法进行改进。实验结果证明,该方法的正确识别率较高。     

基于颜色均衡和椭圆模型的手势图像分割

在手势图像识别系统的研究中,手势图像分割效果的好坏直接影响到手势识别系统的识别率.椭圆模型是手势图像分割中经常使用的一种肤色模型,但传统的椭圆模型易受光照的影响,对肤色的误判率较高.首先对待分割图像进行颜色均衡处理来减少光照的影响,然后对亮度信息分量设置阈值,进行分段判断,在高亮度区域扩大椭圆模型的长短轴,进一步减少光照影响.实验结果证明,上述方法比传统椭圆模型分割效果好,能够精确的分割出手势图像.     

基于最大内切圆的椭圆孔组检测

针对当前一些椭圆孔组工件检测成本高、时效低等问题,提出了一种基于最大内切圆的椭圆孔组检测方法。首先对椭圆孔组图像进行去噪、二值化和边缘检测等预处理;再根据椭圆的几何性质,结合椭圆中心估计方法和最值距离选取方法,求出椭圆最大内切圆,从而确定椭圆的中心坐标、长短轴长和倾斜角。实验数据表明,该方法能对椭圆孔组进行快速精确检测,在估计出椭圆中心的基础上能快速截取有效椭圆弧,大幅减少无效采样;与基于中心估计Hough椭圆检测算法和基于最小二乘改进椭圆检测算法相比,具有耗时短、精度高等优点,可有效应用于椭圆孔组工件的自动化检测。     

基于霍夫变换和几何特性的图像识别方法

本文提出了一种基于霍夫变换和所辨识图形（椭圆/圆）几何特性的图像识别方法.该方法能够比较准确地提取图形（椭圆/圆）的各项几何参数,如形心、椭圆旋转角、长短轴.笔者将此方法应用于基于图像处理的自动报靶系统,取得了比较好的效果,能够满足系统所需要的精度和速度.     

一种新的大型四肢动物体姿态识别方法

文中以对鹿体姿态的识别为例,针对鹿体姿态的特点,提出了一种新的可应用于大型四肢动物体姿态识别的方法。首先采用数学形态学的方法对图像进行了处理,获得了鹿体图像的准确轮廓,然后分别用四个椭圆对所获得的图像中鹿的颈部、去除颈部的躯干以及四肢进行拟合,最后利用线性代数的知识分别求出这四个用以表征鹿体姿态信息的椭圆的长短轴长度和方向。     

Mean-Shift目标跟踪算法的带宽选取策略

分析不同带宽策略对Mean-Shift目标跟踪算法的影响,提出一种新的带宽策略。构造一个与目标窗口内接椭圆相似的椭圆,利用其长轴和短轴确定带宽,将此带宽策略纳入Mean-Shift算法中进行目标跟踪。实验结果表明,该策略具有良好的跟踪效果,能够有效降低时间复杂度。     

椭圆拟合的非线性最小二乘方法

为了在图像中确定椭圆目标精确的位置和边界,提出了一种基于非线性最小二乘的椭圆拟合方法。该方法在得到目标边界点的基础上,通过最小化拟合椭圆与边界点之间的欧氏距离,确定出由椭圆中心坐标、长半轴和短半轴长度、旋转角度共5个参数定义的椭圆,使得这一椭圆在非线性最小二乘意义下是最优的。在实际应用中,特别是人眼图像的瞳孔提取中,这种方法能够排除反光、睫毛、眼皮等的干扰,得到较为精确的瞳孔位置和边界。仿真实验和实际数据计算的结果表明,提出的方法有良好的准确性和鲁棒性。     

基于惯量矩的椭圆拟合方法

数字图像中,Hough变换或最小二乘法无法对图像中物体直接进行椭圆拟合,需要边缘检测等预处理,过程复杂且计算量大,为此,提出一种直接用图像惯量矩来拟合椭圆的方法。选定图像中要拟合的目标物体,将彩色图像转换为概率密度灰度图;计算目标的质心和主轴转动惯量,并运用形心主轴惯量积为零的条件推导出椭圆旋转角度和形心主轴惯量矩的大小;由形心主轴惯量矩的大小得出椭圆长半轴和短半轴大小,从而得到拟合后椭圆的各项参数。彩色图像实验,验证了该方法拟合目标椭圆的有效性和鲁棒性。     

基于UG的五轴数控机床加工仿真

目前多数五轴数控机床仿真系统,一般只提供二维的动画仿真,而且仿真系统的几何造型功能十分有限,零件和机床模型需要在其他CAD软件中进行建模,然后导人数控仿真系统。由于文件格式的转化,零件的CAD模型将会产生误差,降低了仿真精度。该文利用UGCAD／CAM软件造型功能建立五轴数控机床和零件模型,读取数控代码对机床各部件进行三维运动仿真,并对加工过程中机床运动部件之间的干涉及工件过切进行检查,建立干涉实体,为刀具轨迹的修改提供依据,同时免除了文件格式的转化产生的误差。     

一种基于椭圆RHM的扩展目标Gamma高斯混合CPHD滤波器

针对杂波环境下扩展目标形状难以估计、目标跟踪精度低等问题, 提出一种自适应估计扩展目标形状的伽玛高斯混合势概率假设密度算法(GGM-CPHD). 该算法将目标的扩展形状建模为椭圆随机超曲面模型, 并将其嵌入到GGM-CPHD 滤波器中, 更新扩展目标的质心、椭圆形状和方向等信息以完成对扩展目标的跟踪. 通过杂波环境下未知数目的扩展目标仿真实验, 表明了所提出算法在质心状态和椭圆长短轴的估计精度方面要优于传统的基于随机矩阵的伽玛高斯逆韦氏CPHD滤波器.

     

基于中心估计的椭圆检测

椭圆检测在图像理解中有重要的作用。为克服标准Hough变换对时空需求高的缺点,设计了一种改进算法。通过椭圆对称特性估计图像中可能存在的椭圆中心,利用长轴确定椭圆中心及夹角参数只需一维累积数组对椭圆短轴的投票,采用聚类分析技术将检测到的虚椭圆归类到对应的真实椭圆。对合成图像和实际图像的实验表明算法的正确和高效。     

结合PCA与HEIV的椭圆目标检测算法

提出结合主元变换与异方差变量含误差模型的椭圆识别与定位方法。根据椭圆长轴对应于椭圆主元方向的特点,利用主元变换法将目标边缘数据变换到主元坐标系,给出新的椭圆轮廓度误差评定方法,将变换后数据点集的椭圆轮廓度误差作为椭圆识别的依据,采用基于异方差变量含误差模型的拟合算法获取椭圆的中心坐标。该方法将任意椭圆转化为标准型椭圆,简化了识别过程,考虑到椭圆数据点的异方差特性,提高了椭圆的定位精度,在噪声方差为0.05情况下,定位精度小于0.04 pixel。     

Medial axis of a planar region by offset self-intersections

The medial axis (MA) of a planar region is the locus of those maximal disks contained within its boundary. This entity has many CAD/CAM applications. Approximations based on the Voronoi diagram are efficient for linear-arc boundaries, but such constructions are more difficult if the boundary is free. This paper proposes an algorithm for free-form boundaries that uses the relation between MA and offsets. It takes the curvature information from the boundary in order to find the self-intersections of successive offset curves. These self-intersection points belong to the MA and can be interpolated to obtain an approximation in Bézier form. This method also approximates the medial axis transform by using the offset distance to each self-intersection.     

Shape Smoothing Using Medial Axis Properties

A shape smoothing algorithm is presented which uses properties of the medial axis to define segments of the shape border and their prominence relative to the local radius of the shape. Prominence values are used to classify axes as either major or minor, and minor axes are then deleted. An augmented medial axis transform is also defined using an approximate Euclidean distance transform, and medial axis interpolation and linking.