基于模板匹配的快速少纹理目标识别算法

针对传统的基于模板匹配算法通常考虑模板的整体性往往遇到计算性能复杂的问题。文中提出一种基于二进制方向压缩映射和局部特征加权的快速少纹理目标识别方法。根据目标边缘点的量化梯度方向,利用二进制方向压缩映射方法对目标模型进行特征描述,快速提取出目标候选位置及其对应的尺度、角度信息;在检测出目标候选位置后,再利用局部特征加权方法建立新的模板特征,对目标候选位置计算新的相似度从而确定目标最终姿态。实验结果表明,文中算法与其他具有代表性的算法相比具有更好的识别率,并且识别时间大幅降低。

基于区域梯度压缩的少纹理目标候选框提取算法

针对某些应用中目标表面纹理较少,目标检测困难的问题,提出了一种基于区域梯度压缩的少纹理目标候选框提取算法。该算法是对模板匹配算法OCM的改进。算法对局部区域梯度方向进行压缩,保持了较低的计算复杂度,并且提出了新的梯度方向压缩方法与相似度衡量方法。实验证明,该算法相较于OCM算法,在产生接近数量候选框的情况下,召回率提高了6.5%;在召回率接近时,产生的候选框数量减少了41.9%。