基于形状分解的书法字骨架提取新方法

针对传统骨架提取算法产生的骨架毛刺较多、交叉处易产生畸变的问题,文章提出一种书法字骨架提取新方法。在基于形状分解思想的基础上,将书法字骨架提取转化成一个分步的问题:由于点云模型能够充分利用现有汉字的底层信息,因此文章采用K-均值聚类算法分割书法字图像;并提出一种适用于书法字特征的以四邻域像素点距离为聚类中心的增量聚类算法提取书法字的部件骨架;最后基于字的拓扑结构连接部件骨架形成完整的骨架。实验结果表明,该方法在骨架提取中表现出了极大的优势,获得了质量较好的骨架,为骨架提取提供了新的思路。

基于视觉显著性的层次形状分解方法

形状分解是形状理解与分析的重要基础.在充分理解人类视觉特性的基础上,联合形状骨架与轮廓特征构建了一种视觉显著性度量即视觉显著度,并提出一种基于视觉显著度的层次形状分解方法.首先采用基于距离变换的骨架生成方法获取目标骨架,之后利用骨架分叉点生成所有候选分割线,最后通过分叉点对应的内切圆半径以及轮廓段的视觉显著度对分割线进行优选获得最优解.实验结果表明,该方法对噪声、形变具有较好的鲁棒性,分解结果符合人类视觉习惯;此外,通过调整显著性阈值可获得不同尺度下的细节分解结果,具有更好的灵活性.

联合骨架与边界特征的平面形状分解

在形状分析及其相关应用中,将形状分解成有意义的几个部分往往具有重要意义。骨架与轮廓都蕴含了丰富的物体形状全局与局部信息。提出一种联合骨架与边界特征的平面形状分解方法。该算法引入符合视觉特性的弯曲度比率作为约束,获得可控的分解结果以满足不同细节尺度的要求。算法充分利用对轮廓进行离散曲线演化时得到的信息,避免几个重要的部分被合并为一个整体。由于采用了鲁棒的骨架生成方法,使得算法对较高噪声干扰具有一定的鲁棒性,且能使得一个重要的部分不被进一步误分解。以MPEG7形状库等形状为实验对象,对算法的有效性进行了验证。分解实验结果均较为符合人类的主观感觉,同时对噪声污染的形状也具有较为鲁棒的结果。

形状形态的多结构元素分解

本文提出一种使用多结构元素对形状进行形态分解技术,它具有比单结构元素分解更好的效果。本文基于对二值图象进行重复的基本的形态运算,产生一组非重叠子集达到分解目的;分解过程中使用了最大形态核方法以保证结果的唯一性;启发式搜索技术被用于寻找最优分解策略;本文最后还讨论了二值图象的形态变换编码方法,计算结果已显示出多结构元素技术的优越性。

利用轮廓分解和局部描述的二值图像检索

提出一种面向二值图像检索的形状分解和局部描述方法.对二值图像进行物体轮廓的提取,采用特定的方法对轮廓进行分解,得到轮廓的参考点集.利用轮廓的法线求取每一个参考点的对应弧线段,计算弧线段的特征并作为对应参考点的特征向量,从而原图像就被表示为特征空间中的特征点集.最后,采用点匹配的方法来计算图像之间的距离,实现二值图像的检索.实验结果表明,与目前已有的方法相比该方法具有较高的检索精度.

卫星云图形态特征提取和表示的一种方法

利用可变形模型与形状分解相结合,给出了卫星云图形态特征提取和表示的一种方法。首先用阈值法进行云图分割,再提取出可基本代表云图内容的若干主要云块,之后用圆形可变形模型作用于每个主要云块,并结合形状分解的思想将其用圆形基元的组合来表示。对GMS5云图的实验表明,该方法是简单可行的。

一种基于光学测量的航天器结构分析方法

对空间目标进行形态结构分析,对于航天器空间操作和空间攻防等空间任务具有重要意义。探索了一种空间目标结构分析方法。首先利用最小曲率准则和最短分割线准则,并结合目标骨架,构建了一种新的形状分解的方法;在此基础上,将小波矩特征引入到卫星部件形状分析中,并利用粗糙集约简算法选择有效的小波矩特征;最后利用支持向量机构造了多尺度形状识别器,结合目标先验信息实现对空间目标结构的分析。仿真实验结果表明了所提方法的有效性。

基于自动飞行的大工件平面尺寸测量方法

针对现有大工件尺寸测量方法速度慢、精度低的问题,提出了一种基于自动飞行的大工件平面尺寸测量方法。先通过形状分解对测量工件进行自动飞行路径规划,再利用双远心镜头进行图像采集,然后采用过零点特征轮廓提取、参数拟合实现大工件平面尺寸测量。对多个大尺寸工件进行测量实验,结果表明:论文方法在216mm×236mm测量范围内平面误差在0.05mm以内,所提出的方法具有较强的适应性和鲁棒性,可以满足大尺寸工件的测量需求。

基于测量数据的植物建模

测量数据,即图像和激光扫描数据,是建模真实植物的可靠依据.然而,由于植物结构复杂、自遮挡严重,相机或激光扫描仪只能感知部分可靠数据且扫描数据中噪声较多,导致从该类数据恢复植物模型极为困难.文中提出通过检测尖点特征,如带叶片植物的叶尖以及纯枝干植物的枝稍,重建植物模型的方法.该方法能够从多视点图像中便捷重建带叶片植物模型,从含噪声激光数据中重建不带叶片的纯枝干模型.实验证实了所提特征检测算法的正确性以及植物重建算法的有效性.