基于改进傅里叶描绘子的CBIR系统

在现有的基于傅里叶描绘子的CBIR系统中,为了提高检索速度,一般需要舍去物体轮廓经傅里叶变换后的大部分高频分量。当物体轮廓在细节部分具有较高能量时,此方法不具备有效性。为尽可能保证检索准确率并兼顾检索速度,在原有傅里叶描绘子上进行扩展,避免直接舍去高频分量,引入Fisher判别分析法将描绘子映射到子空间进行降维,并保证了映射后子空间的类内样本距离最小化和类间样本距离最大化。基于此改进傅里叶描绘子的CBIR系统具有更高的准确率与检索速度。

基于傅里叶的卡通动画形状上下文动作捕捉

对已有二维卡通角色进行动作捕捉,然后重新利用的传统方法效率很低。本文提出的方法可以在过滤掉源卡通角色中的冗余信息提高计算效率之后,捕捉更多角色信息以供重用。首先用基于YUV双阈值的方法得到角色的姿态序列(包含角色轮廓和内部线条信息),然后由傅里叶描绘子过滤冗余信息的同时保留所需要的角色动作信息(局部和全局形变),最后用形状上下文捕捉角色轮廓和关键点信息。实验结果表明,此方法可以高效实时地从源卡通角色中捕捉动作和形变信息以供重新利用。

基于曲面等高线特征的不同姿态三维人脸深度图识别

三维人脸识别因能克服二维人脸识别易受光照,姿态和表情等因素影响的缺点,从而日益受到关注和重视.文中针对三维人脸实时成像系统所获得的不同姿态下的三维人脸深度图,提出一种人脸识别方法(FDAC).首先利用微分几何相关理论来指导三维深度人脸深度图的校正,再根据曲面等高线来描述人脸的面部特征并使用傅里叶描绘子实现特征提取,最后利用提取的等高线特征进行人脸分类识别.实验结果表明,FDAC方法对于不同姿态下的三维人脸图像有较好的识别率,并且在时间开销方面优于常规的特征脸识别方法.

混合KPCA和SVM的机械零件形状识别方法研究

机械零件形状识别是机械视觉领域的一项重要研究内容。通过傅里叶描绘子,抽取机械零件形状的轮廓信息,形成一系列的高维矢量集合;利用核主分量分析(KPCA)进行特征矢量降维;再利用支持向量机(SVM)对一些简单的机械零件(垫圈、螺母和螺栓)进行了分类实验。实验表明,对于不重叠且形状完整的机械零件具有非常高的识别率,为机械零件智能分拣、智能装配等任务的设计提供了重要的参考依据。

航空器飞行轨迹表示方法及其应用

航空器飞行轨迹数据的规模和质量是提高民航运行规律分析效率的基础。为了在尽可能保留原始轨迹运动特征的情况下实现对轨迹的规则化表示,减少对内存空间的占用,提出了包括等间隔采样、固定点数采样、自适应采样的重采样方法和基于傅里叶描绘子的轨迹重构方法。通过对比重构轨迹与原始轨迹在运动特征等细节的差异,分析每种方法的优缺点及相关参数的物理意义。针对飞行轨迹簇的聚类问题,基于固定点数采样结果,利用层次聚类法实现对重构轨迹的聚类分析。实验结果表明:本文方法能够利用小规模数据有效表示航空器的飞行轨迹,并成功应用于轨迹聚类等问题。

一种快速的虹膜定位算法

提出一种结合傅里叶描绘子和最小二乘法的虹膜定位算法.在虹膜内圆定位时,先用改进的轮廓跟踪算法检测二值化瞳孔边缘的点序列,再用傅里叶描绘子提取该点序列的整体轮廓,最后用最小二乘法拟合内圆.在虹膜外圆定位时,先利用虹膜左、右部分的灰度梯度信息,提取外边缘点序列,再用最小二乘法拟合外圆.实验结果表明,该算法提高了虹膜定位的速度和精度,有效克服了睫毛、眼睑的遮挡,能满足实时虹膜识别系统的需求.

基于SVM算法的目标分类筛选方法研究

针对现有草莓分类工作量大、准确率低的问题,文章结合SVM算法提出一种多特征草莓分类模型。草莓等级划分参照日本宫崎县草莓上市标准,根据草莓周长、面积、形状、颜色、饱和度、成熟度6类特征划分为特等品、一等品、二等品、不合格4类,草莓的形状特征借助傅里叶描绘子定义,草莓的饱和度与成熟度利用HSV颜色模型定义。该研究首先收集拍摄的草莓图片,对图片进行颜色空间转换、图像去噪、目标分割等预处理,然后进行各类特征的提取,最后将提取出的特征经过整理与算法训练,通过SVM算法对草莓进行分类。经测试,该筛选方法的综合正确率为84.34%,实验综合运行时间为58 ms,表明可以通过SVM算法达到识别草莓等级的目的,且具备实时性。

基于表观特征的手势识别研究

手势识别在人机交互与虚拟现实中有重要应用，本文提出一种新的基于Zernike矩和傅里叶描绘子联合表观特征的手势识别方法。依据YCbCr色彩空间的肤色检测，分割出手势；对手势分割后的图像计算Zemike矩和傅里叶描绘子，选取Zernike矩和傅里叶描述子构成联合特征向量；构建一个多层感知器神经网络分类器，进行手势识别。构建一个含有2000样本的数据集来验证算法，实验结果显示手势识别准确率达到98．9％.