基于轮廓特征多层描述和评价的部分遮挡目标匹配

针对传统目标匹配算法难以实现部分遮挡目标精确匹配的问题,本文基于轮廓特征的描述和评价提出了一种有效的部分遮挡目标匹配算法。首先,利用曲率划分目标轮廓得到描述局部特征的轮廓分段,并根据目标的骨架对轮廓分段进行合并和分类,实现了目标特征的多层次描述。然后,提出了评价轮廓分段的两个参数:重要性和局部性。前者用于评价轮廓分段所描述目标特征的重要性,后者用于评价轮廓分段相对目标整体轮廓的比例。最后,将两个评价参数与轮廓分段之间的相似度联合起来,得到衡量目标相似程度的加权部分相似度,从而获得部分遮挡目标的最佳匹配结果。与现有遮挡目标匹配算法相比,在不同遮挡情况下本文算法的平均识别率提高了1.5%左右。

基于特征完整描述的部分遮挡目标识别算法

有效的轮廓分段对于准确识别遮挡目标是十分重要的。针对现有识别算法存在轮廓划分不合理的问题,提出了基于特征完整描述的部分遮挡目标识别算法。首先利用局部轮廓曲率分布划分目标轮廓,接着对初步轮廓分段进行多级分段合并处理。为了完整描述目标特征,提出了评价轮廓分段所描述特征重要程度的参数,得到一组完整描述多级目标特征的轮廓特征分段。同时,为了减少轮廓分段误匹配造成的分类错误,还提出了评价轮廓特征分段反映其真实目标可信度的参数。最后将可信度与轮廓特征分段之间的相似度联合起来共同得到识别结果。仿真结果表明,该算法能够完整描述目标特征从而提高了目标识别准确率。

采用级联仿射不变函数的快速平面形状识别(英文)

现有的基于小波变换的形状识别算法具有很高的计算复杂度,难以满足许多实时应用的要求。文中提出了基于级联仿射不变函数的快速形状识别算法,用于识别仿射变换下的含噪目标。利用目标轮廓的小波变换可以得到一组仿射不变函数,并进一步构造出级联仿射不变函数。为了保证级联仿射不变函数的平移不变性,预先对轮廓的起始点进行了有效配准。从而通过级联仿射不变函数的内积,方便地度量出目标形状的相似度。与现有基于小波的识别算法相比,所提出的算法具有很低的计算复杂度,其所需CPU时间仅为其它算法的1/7。实验结果验证了该算法的有效性和起始点配准的准确性。

基于分段轮廓平滑的目标识别

提出了一种基于分段轮廓平滑的目标识别算法.首先通过曲率将轮廓划分为特征区域和非特征区域;然后在不同区域内分别采用不同方差的高斯函数进行轮廓平滑;最后采用基于仿射不变矩的目标识别算法对平滑后的目标轮廓进行识别.结果表明,该算法不仅取得了更好的轮廓平滑效果,而且在强噪音条件下能够显著提高识别准确率.

混合观测压缩感知图像多描述编码

提出一种混合观测压缩感知多描述编码方案,用于提升传统的该类编码系统的编码性能并保留其抗丢包能力。该方案采用二维离散余弦变换(DCT)观测矩阵和高斯矩阵分别对图像信号进行观测,并分别使用哥伦布码(Golomb code)及其改进的编码方案对两种观测系数进行熵编码,得到包含完整码字的二维DCT码流和仅包含部分码字的高斯观测系数码流。在解码端,利用二维DCT系数和高斯观测系数之间的相关性进行最大后验概率估计解码,成功估计出高斯观测系数的缺失码字。最后再将两种观测系数合并,采用1范数优化算法重构出原信号。针对自然图像和遥感图像的实验均表明:不同丢包情况下,用本文提出的编码方案获得的重构图像的峰值信噪比(PSNR)值比传统高斯观测压缩感知编码方案提高了2～4dB,该方案同时还具有鲁棒的抗丢包能力。

基于联合仿射不变弧长的目标轮廓起始点配准

提出了一种仿射不变的快速目标轮廓起始点配准算法,为实现快速目标识别开辟了新的思路.该算法利用基于轮廓曲率和轮廓包围面积的两种仿射不变弧长引出特征描述函数,通过其极值点的幅值和相对位置关系引出幅值误差和相对位置误差并结合二者构造出评价函数.通过循环比对和位置临近对应原则找到使评价函数最小的目标轮廓位置点即为配准的起始点.大量实验结果表明该算法具有高起始点配准率、高抗噪能力和低时间复杂度.

基于曲率仿射不变量的快速目标识别

提出了一种用于三维空间中近似平面目标的快速识别方法。该方法利用目标轮廓的曲率信息构造出仿射不变量函数,再利用该不变量的极值点信息定位出轮廓的起始点进而对不变量做相应的循环移位调整,最终通过对调整后的不变量进行相似度比较实现目标识别。由于曲率信息能够有效地描述目标轮廓特征,所以保证了本方法优良的识别性能。同时本方法通过起始点定位的方式克服了传统上高复杂度的循环移位匹配的识别模式,进而实现了快速识别。实验结果显示了所述方法在识别精度和识别效率上都具有明显的优势。

基于PSR样本分类的自适应去污算法

针对相关滤波跟踪算法中训练样本污染容易导致模型漂移和目标丢失等问题,提出基于峰值旁瓣比样本分类的自适应去污算法,建立了样本污染特征、滤波器响应图和跟踪结果之间的内在联系,研究了样本分类机制和参数动态更新策略。通过样本分类阈值将训练样本划分为反映不同污染程度的样本集,并分别训练出对应各类样本集的滤波器;根据峰值旁瓣比动态更新特定样本集的样本权值及其滤波器参数;对各类样本集的相关滤波器进行加权融合实现目标跟踪。在OTB-50和TC-128数据集的测试结果表明:该方法有效抑制了严重污染样本的影响并提高了复杂场景目标跟踪的准确性和鲁棒性。

基于伪极傅里叶变换和ROA融合的SAR图像边缘检测算法

提出了基于伪极傅里叶变换和融合的SAR图像边缘检测算法.首先采用伪极傅里叶变换提取较弱的图像边缘特征,并利用Ratio边缘检测算法抑制相干斑噪声对SAR图像边缘特征的影响.然后利用两种算法所得到系数的幅值、方向和角度信息构建置信指派函数,引入D-S证据理论实现两种边缘检测算法的最优融合,获取了SAR图像最佳的边缘特征.仿真结果表明,该算法所提取的边缘特征完整、定位准确.