基于旋转和平移不变性的分子图像识别算法

目的探讨冷冻电镜分子图像的识别方法,为快速、准确的分子图像识别研究提供有效帮助。方法提出一种新的分子图像识别算法,可以生成旋转不变性和平移不变性的特征,并且采用基于分治思想的优化策略,显著地提高了算法的识别精度。结果在基准测试集上,同当前主流分子图像识别算法进行了对比,识别率优于其他算法。结论基于旋转和平移不变性特征的分子图像识别算法,有效解决了噪声的干扰和分子图像取向随机性的问题,提高了算法的识别精度。基于分治思想的优化策略,显著地提高了算法的识别速度。

一种具有RST不变性的2D/3D轨迹相似性度量

具有旋转、缩放、平移不变性的轨迹相似性度量是实现精准手语识别、相似轨迹检索等的关键环节,常规的相似性度量往往不满足这一要求,特别是不具备旋转不变性。提出一种具有旋转、缩放、平移不变性的轨迹相似性度量方法,该方法首先对轨迹进行滤波、归一化、等间距重采样等预处理操作,然后对任意两条待比较的轨迹估计最优旋转矩阵,从而消除旋转对距离度量的干扰。该方法对二维、三维轨迹数据均适用,计算复杂度为O(N),与曲率、挠率等不变量相比,该方法对轨迹噪声不敏感。

基于自适应邻域的固有形状特征算法

针对三维点云特征点检测算法中固定尺度的确定需要经验知识的参与,自适应尺度的计算需消耗较多时间成本的问题,提出一种自适应邻域的固有形状特征(ANISS)改进算法。首先利用局部特征计算每一点的自适应邻域k值;然后将k值作为ANISS算法中的邻域大小,通过比较连续特征值的比率与阈值的大小来得到近似特征点;最后以近似特征点的k值作为非极大值抑制(NMS)的邻域大小,执行NMS算法,得到最终的特征点。旋转平移不变性实验和噪声敏感性实验的结果表明,ANISS算法检测出的特征点的可重复性均高于固有形状特征(ISS)算法,它不仅降低了ISS算法中邻域参数输入造成的不准确性,还具有较高的计算效率。

相对边界矩在模式识别中的应用

针对采用图像二维不变矩识别目标形状时,计算量大,耗费时间长的缺点,本文提出了相对边界矩算法,这种算法是利用目标物体的边界进行识别的,所以不仅计算速度快而且在离散状态下也具有平移、旋转和比例因子不变性,实验证明,此方法是一种快速的行之有效的方法。

基于纹理方向能量特征的虹膜识别算法

为了解决传统虹膜识别系统在非理想虹膜图像下识别性能不够好的问题,提出了基于纹理方向能量特征的虹膜识别方法。该方法先设计一组水平与垂直的方向滤波器提取虹膜的纹理边缘,比较虹膜纹理边缘在两个方向的能量强度,生成方向能量差异特征图。将特征图分块,选取每块能量差值的极值点作为有效特征点,编码生成特征向量。此外,膨胀噪声模板,消除噪声以及卷积运算中噪声点对周围有效特征点的影响。用汉明距离进行匹配。在采用中科院提供的CASIA3.0虹膜库测试中获得了较好的识别率。

一种基于零阶球谐函数的点云识别方法

本文方法运用基于零阶球谐函数来解决三维点云的识别问题.其核心在于利用最小二乘法将模型的原始坐标拟合成球谐函数正交基的扩展系数,并且将标量形式的计算过程改为以三个坐标轴方向分别推导的向量形式,目的在于使三维点云识别的过程不受原模型几何形状结构的影响.此识别方法具备平移旋转不变的特性,并且在计算过程中不需要预先对三维点云模型进行对齐操作,进一步缩短了识别时间,提高了运算效率.为解决三维点云识别的实时性问题提供了新方法.