基于几何不变性和BP网络的二维目标识别算法

提出了一种基于几何不变性和BP网络的二维目标识别算法 .该算法不仅能适应目标物体在旋转、缩放和平移变换 (RST变换 )下的不变性识别 ,而且能适应仿射及射影变换下的不变性识别 .算法通过对目标物体边缘点进行规格化和对规格化后的边缘点进行 5点不变量穷举计算解决了模型图像与目标图像的对应点选取问题 ;通过将不同观测方位和不同旋转角度的样本图像边缘点的 5点不变量集合作为输入向量对BP网络进行训练解决了由于仿射和射影变换造成规格化边缘点间距变化对正确分类的影响 .

基于五点不变量和灰色相关分析的仿射目标识别

本文提出一种可适应平移、旋转、缩放和仿射变换的二维目标识别算法。使用五点不变量描述图像轮廓,得到五点不变量序列;应用灰色相关分析方法找到模板图像中与目标图像最匹配的五点不变量序列,从而正确识别目标。为验证算法的有效性,选取20个二维目标,每个目标获取14幅从不同视角拍摄的图像,共280幅图像进行识别,结果表明所提出算法较其他相似算法更稳定且识别率更高。