基于高斯混合模型-地球移动距离的点集配准算法

提出一种基于高斯混合模型与地球移动距离的点集配准算法.将待配准的两个点集均表示为高斯混合模型,其中高斯分布的数量为点集中点的数量,每个高斯分布的均值为点的坐标值,方差为通过优化算法得到的优化值.在配准过程中通过优化两个高斯模型之间的地球移动距离来达到最佳匹配效果.该方法对点集配准中常见的噪声、外点、结构缺失等问题具有较强的鲁棒性.公共数据集与真实车辆平台上的实验表明该算法优于目前流行的点集配准算法.

区域和形状特征的兵马俑碎片分类方法

针对传统方法对兵马俑碎片分类准确率较低情况,提出一种基于区域和形状特征的碎片分类方法。首先提取碎片的显著性区域特征,采用地球移动距离EMD(Earth Mover’s Distance)方法对区域特征进行匹配并初步分类;其次对表面特征不明显的碎片进行预处理,获取二维图像信息,利用Hu不变矩提取形状特征;最后采用支持向量机SVM(Support Vector Machine)分类器对表面特征不明显的碎片进行进一步分类,实现兵马俑碎片的最终精确分类。通过对30个兵马俑模型的508个碎片进行分类,实验结果表明,基于区域特征的碎片分类方法可以实现兵马俑碎片的快速、精确分类,是一种有效的兵马俑碎片分类方法。

基于混沌特征的运动模式分割和动态纹理分类

采用混沌理论对动态纹理中的像素值序列建模,提取动态纹理中的像素值序列的相关特征量,将视频用特征向量矩阵表示.通过均值漂移(Mean shift)算法对矩阵中的特征向量聚类,实现对视频中的运动模式分割.然后,采用地球移动距离(Earth mover s distance,EMD)度量不同视频的差异,对动态纹理视频分类.本文对多个数据库测试表明:1)分割算法可以分割出视频中不同的运动模式;2)提出的特征向量可以很好地描述动态纹理系统;3)分类算法可以对动态纹理视频分类,且对视频中噪声干扰具有一定的鲁棒性.

基于L_1范数的形状快速匹配算法

针对内距离形状上下文(inner-distance shape context,IDSC)和轮廓点分布直方图(contours points distribution histogram,CPDH)在形状相似性度量中直方图匹配耗时长、工程应用性不佳的问题,提出了一种用EMD-L_1测量轮廓特征直方图距离的方法。EMD-L_1在原始EMD(earth mover’s distance)的基础上融合了L_1范数,通过替换地面距离计算方法,减少了目标函数的变量,加快了直方图匹配的速度,能够快速实现形状匹配并保持较好的检索性能。对形状数据集进行仿真实验的结果证明,该方法能够有效地进行数据集的形状识别和检索,并且在MNIST数据集下的匹配速度优于其他算法。