基于立体视觉的生态景观布局中三维特征标定

利用传统方法标定生态景观布局中存在的三维特征时,由于未矫正因薄棱镜畸变、离心畸变和径向畸变产生的图像畸变,导致特征标定效率和精度较低。针对上述问题,提出基于立体视觉的生态景观布局三维特征标定方法。采用立体视觉技术构建相机成像模型,在相机成像模型的基础上消除薄棱镜畸变、离心畸变和径向畸变产生的图像畸变,实现对生态景观图像的矫正处理。采用SIFT算法建立尺度空间,并获取尺度空间中存在的极值点,根据极值点在生态景观图像中定位关键点,并通过KD-树搜索方法进行关键点匹配,实现对生态景观布局中三维特征的标定。仿真结果表明,所提方法不仅特征标定效率和精准度均较高,且其标定率也较高,充分证明了上述方法的有效性。

基于样例学习的面部特征自动标定算法

面部特征标定是人脸识别中的一个关键问题.提出了一种基于样例学习的面部特征自动标定(人脸形状自动提取)方法.该方法是基于下面假设提出来的:人脸图像差和形状差之间存在一种近似的线性关系——相似的人脸图像在较大程度上蕴涵着相似的形状.因此,给定标注了特征点的人脸图像学习集,则任意新的输入人脸图像的面部形状可以采用如下方法估计:测量该人脸图像和训练集中图像的相似度,并将同样的相似度用于该人脸图像形状的重建.即:如果输入人脸图像可以表示为训练图像的优化的线性组合,那么同样的线性组合系数就可以直接用于训练集对应形状的线性组合从而得到输入人脸图像的形状.实验表明,该算法相对于其他传统的特征标定算法具有可比的精度和较快的速度.并且,还将此算法扩展到了多姿态情况下,实现了多姿态人脸图像形状的自动提取.

人脸关键特征点自动标定研究

人面部特征点的自动标定是计算机辅助颅像重合技术的重要研究内容之一。在人脸分析技术的基础上,提出了一种眉心点和眼角点的自动定位方法。在得到人像双眼位置的前提下,据此确定眉毛和眼睛块;然后利用一种自适应的阈值分割法对特征块进行二值化处理,进而提取出眉心点和眼角点。该方法充分利用了人面部的特征知识,简便易行。实验结果表明算法有效,定位的准确度较高。

汽车品牌的造型特征标定与识别模式构建

本文以五菱商用车系列产品为研究对象,通过研究五菱品牌造型特征属性,提取造型特征与语义特征,对五菱商用汽车品牌造型特征进行标定,结合情境化表达设计知识,建立五菱品牌特征形象要素的结构体系。通过情境板表达特征和语义之间的映射关系,构建特征和语义映射关系的结构框架,以此建立五菱商用车品牌造型特征库。

三维颅骨特征点的自动标定

提出了颅骨特征点的全自动标定方法,该方法利用分区统计可变模型及模型相似性匹配的方法来标定颅骨特征点。首先,对颅骨分区样本进行统计建模;利用统计模型的形变控制生成基准模型和生成模型,并建立基准模型和生成模型间的映射关系。然后,定义了模型之间相似性。最后,利用模型相似度和映射关系,间接得到待测模型的特征点。实验结果表明:该方法定位眼眶模型特征点的位置平均误差值为3.232 5pixel;当距离阈值为10pixel(模型大小的3%)时,有90%的特征点的位置准确率达到100%。与现有方法相比,本文方法标定的颅骨特征点的准确度和精确度都更高,并且可以标定颅骨模型平滑区域的特征点。

基于深度图像的人脸模型特征点自动标定

准确标定人脸三维模型上的特征点是颅面形态学研究的关键问题之一。针对目前人脸特征点标定需要手工干预等问题,提出了一种基于深度图像的人脸三维模型特征点标定方法,该方法首先生成人脸三维模型的二维深度图像,然后采用SUSAN算子、灰度积分投影等方法在该图像上标定特征点,最终将标定好的特征点映射到人脸三维模型上,从而实现鼻尖点、嘴角点、眼角点以及耳朵处13个特征点的标定。实验结果表明,该方法可自动标定人脸模型特征点,准确获得特征点的位置,有效解决了人脸特征点标定因人工参与而带来的不准确性。

深层网络特征聚合重标定的中国画情感分类算法

情景交融是中国画重要的艺术表现形式,分析并可视化其情感对帮助用户鉴赏和管理国画有重要意义.为此,提出深层网络特征聚合重标定的中国画情感分类算法.(1)依据中国画自身特点优化卷积神经网络,强化对情感贡献大的特征激活.首先,基于接缝裁剪技术重定向国画,在避免变形的同时保留画作笔墨信息;其次,构建多层聚合特征重标定网络模块,聚合模块内卷积层信息,重标定特征响应.(2)提出多类别加权激活定位的类判别映射技术,分别计算各类别相对于卷积层的梯度获得激活定位,并将其加权聚合以突出显示CNN检测到的情感区域,实现中国画情感元素可视化.在1000幅中国画情感数据集上获得85.8%的准确率,相比其他算法,该算法有更高的分类准确度,能够准确定位中国画情感描绘区域.

改进的统计模型三维人脸特征点标定算法框架

自动三维人脸特征点标定是计算机视觉领域的研究热点,其广泛应用于人脸识别,人脸模型配准,表情识别,脸部动画等领域。通过对三维人脸样本统计建模,采用遗传算法对待匹配模型的生成数目进行参数优化,利用模型相似性匹配方法及其映射关系对三维人脸特征点进行自动标定。首先,对三维人脸数据预处理,然后对其统计建模并通过模型形变得到有映射关系的基准模型和待匹配模型。利用遗传算法对待匹配模型中的待匹配模型生成数目参数进行优化,生成与之对应的待匹配模型数;接着计算待测模型与待匹配模型的相似度。最后,利用模型相似度和模型映射关系,间接得到待测模型的特征点。实验结果表明,提出的算法是可行的,能够在一定程度上提高原有算法的效率。该算法可以自动标定三维人脸模型的特征点,当距离阈值为10像素时,39个三维人脸特征点定位的准确率都可以达到100%,并有效解决了传统方法中三维人脸模型平滑区域特征点精度不高的问题。

基于特征重标定生成对抗网络的图像分类算法

针对传统鉴别器的损失策略和结构难以提取到更抽象以及任务相关的鲁棒性特征,从而导致半监督图像分类表现不足的问题,提出了基于特征重标定的生成对抗网络。为了学习到任务相关的特征,在现有半监督GAN的基础上,为鉴别器引入模型在不同状态下的无监督均方差损失正则项,对训练样本中两个分支的同一输入对应得到的不同输出进行参数惩罚,从而指导特征重标定的优化方向。此外,在鉴别器中加入压缩激活模块来优化传统鉴别器的卷积池化结构,该模块自动学习每一个特征通道的重要程度,能够提取任务相关特征并抑制无关特征,实现特征的重标定功能,从而提高半监督图像分类的表现。

结合密集连接和特征重标定的高分影像分类方法

现有的基于深度学习的面向对象分类方法存在特征表达不充分,难以处理蕴含复杂信息的高分辨率遥感影像等问题。为了实现高分辨率遥感影像高精度分类目的,本文提出了一种结合密集连接和特征重标定的影像分类方法。首先构建具有密集连接方式的DenseNet网络作为基础网络,密集连接的方式能实现每一层输入都是前面所有层信息的汇总;然后引入可实现特征重标定功能的SE模块,以增加特征代表性和区分性;最后设计得到最优SE_DenseNet网络模型,提取特征表达更充分的多层次融合影像,提高影像分类精度。基于ISPRS公开数据集,将本文方法与传统方法和其他深度学习分类模型进行对比,实验结果表明:本文方法优于其他方法,SE_DenseNet网络模型提取的多层次特征较其他方法表达更加充分,可实现高分辨率遥感影像的高精度分类。

特征重标定网络的高光谱影像分类方法

高光谱影像特征的利用率对提高其分类精度具有重要意义。为充分利用影像的特征,提出了一种特征重标定网络的高光谱影像分类方法。该方法通过全局平均池化将特征图转换为具有全局信息的实数,利用全连接层与非线性层生成能够代表各通道相对重要性的权值,进而采取加权法完成初始特征的重标定。为验证该方法的有效性,选取PaviaU和KSC两组高光谱影像数据进行实验。结果表明,提出方法总体分类精度分别达到98.38%和95.61%,可为高光谱影像提供有效的类别判定特征,有助于提高影像分类精度并获取平滑的分类结果图。

基于空间特征重标定网络的遥感图像场景分类

为充分利用遥感图像的场景信息,提高场景分类的正确率,提出一种基于空间特征重标定网络的场景分类方法。采用多尺度全向高斯导数滤波器获取遥感图像的空间特征,通过引入可分离卷积与附加动量法构建特征重标定网络,利用全连接层形成的瓶颈结构学习特征通道间的相关性,对多尺度空间特征进行权重筛选以实现特征重标定,并结合卷积神经网络训练得到最终的分类结果。实验结果表明,该方法在UCM_LandUse与机载SAR图像数据上的分类正确率分别达到94.76%和95.38%,与MNCC、MS-DCNN、PCA-CNN等算法相比,其遥感图像分类精度与泛化能力显著提升。

基于知识库的颅骨特征点标定

提出一种基于知识库的三维颅骨特征点标定方法。首先,对于待标定颅骨,在知识库中找到与其形态最为相似的模板颅骨。然后,在法兰克福坐标系下,将模板颅骨上的标准特征点映射到待标定颅骨上。最后,利用K-D树对最终特征点的位置优化、精确。实验证明,当k值在颅骨模型顶点个数的1.5%~2.1%时,标定效果较好。

基于主动表观模型的人脸特征点自动标定

主动表观模型是一种具有高精度和强鲁棒性的特征点标定算法。本文主要研究了主动表观模型在人脸图像特征点自动标定方向的应用,并通过MATLAB工具对目标人脸图像进行了特征点自动标定实验。实验结果证明主动表观模型是一种有效的特征点标定算法。

生态景观三维模型关键特征点重标定方法研究

现有的景观模型特征点重标定方法易受到操作者主观的影响,存在重标定准确率较低的问题。为解决上述问题,研究设计了新的生态景观三维模型关键特征点重标定方法。以生态景观三维模型为基础搭建三维模型尺度空间,并提取三维模型关键特征点。通过插值、剔除低对比度以及降低边缘效应的方式过滤关键特征点,根据差分值计算关键特征点梯度大小与方向,并制定关键特征点描述符。采用手工方式初次标定生态景观三维模型的关键特征点。由于初标定准确率较低,故采用高斯曲率对关键特征点进行重标定。实验结果显示,与现有重标定方法平均数值相比较,新方法的高斯曲率绝对值上升、外接圆直径减少,表明应用新方法后,对关键特征点重标定的准确率更高。

普通螺母及自锁螺母对螺栓标定特征曲线的影响

采用纵波法并使用自制的内螺纹夹具,分别选择普通螺母和自锁螺母来标定螺栓,通过不同的拧紧策略和标定方法,分析普通螺母和自锁螺母标定螺栓特征曲线的差异。结果表明:采用普通螺母和自锁螺母标定螺栓因方法不同会获得不同的标定特征曲线,自锁螺母的锁紧扭矩使螺栓温度升高导致超声波声时差增加,因此获得的标定特征曲线会平行右移。

M-群诱导特征标的有关问题和证明

利用置换特征标定理,研究并讨论了M-群单项特征标与子群的线性特征标之间的诱导问题,并得出单项特征标的乘积为单项特征标的一个充分条件。

基于iOS的人脸局部特征检测研究

基于生物特征识别技术与智能移动设备,在苹果公司的iOS智能操作平台下研究手机人脸局部特征检测方法.在YCbCr色彩空间中,通过高斯模型对人脸肤色建模,并对人脸图像进行滤波、二值化等优化处理,根据图像像素投影判断出人脸区域.采用Canny算子对图像进行边缘检测,对变换后的图像水平积分投影,根据投影曲线的波峰标记出人脸特征位置.经实验验证,该方法具有可行性,可以运行在基于iOS平台的移动设备上.

基于双池化与多尺度核特征加权CNN的典型牧草识别

针对自然背景下牧草难识别的问题,提出一种基于双池化与多尺度核特征加权的卷积神经网络牧草识别方法。双池化特征加权结构通过将卷积层输出的特征图分别进行最大值池化和均值池化得到两组特征图,引入特征重标定策略,依照各通道特征图对当前任务的重要程度进行加权,以增强有用特征、抑制无用特征;多尺度核特征加权结构通过在卷积层中同时使用3×3和5×5两种卷积核,并将网络的前几层特征复用后进行加权,以提高重要特征的利用率。对10类牧草图像进行识别实验,结果表明,该方法识别率为94.1%,比VGG-13网络提高了5.7个百分点,双池化与多尺度特征加权有效提高了牧草识别精度。

基于内唇轮廓标定的唇印提取算法

针对现有特征唇印提取中信息处理量较大、识别率不高等问题,本文提出了基于内唇轮廓的特征唇印提取算法。算法首先在基元图像上对内唇轮廓特征点进行标定,建立基元唇印模型,然后通过均值计算构造普通模型,并利用Gabor变换对基元唇印和普通模型进行联合特征信息提取,最后通过相似度对比选择出特征唇印,以实现身份识别。仿真实验验证,本文的特征唇印提取算法在较低时空消耗下,具有较高的识别率,具有有效性和可用性。