基于双层回归森林模型的头影测量图像结构特征点自动定位

为了实现X射线头影测量图像中结构特征点的自动定位,提出一种基于双层回归森林模型的头影测量图像结构特征点自动定位方法.首先从图像中提取外观特征训练第1层回归森林模型,通过该模型生成针对当前特征点位置的偏移距离图;然后从偏移距离图中提取上下文特征,并结合外观特征训练第2层回归森林模型;接着将双层回归森林模型用于待检测的X射线头影测量图像,预测出图像中每个像素关于目标特征点的偏移距离;最后根据回归投票方法求得结构特征点位置.实验结果表明,基于双层回归森林模型的自动定位方法能较准确地获得头影测量图像中结构特征点的位置.

基于结构特征点的手势建模与高层特征提取

在单目环境下,为提高手势特征提取的精度,提出一种图像结构特征点的提取方法,使用提取出的结构特征点建立手势模型并优化求解得到高层特征.对图像的梯度图进行分析,通过给出图像平滑点、非平滑点的定义,提出冲突值的计算与结构特征点的提取方法,对图像的局部结构特征进行适当地描述;建立2D结构手模型替代3D手模型;基于提取出的结构特征点,将贪婪算法与局部随机抽样一致性匹配算法相结合,对手势模型参数进行优化求解,进行手掌、手指和指尖定位.实验结果表明:该算法对预处理结果具有一定的鲁棒性,对分割出的边缘不敏感,因此能有效减少传统曲率算法中对干扰点的误判.

视觉着舰中非合作结构化特征匹配算法

视觉全自主着舰具有独立性强、系统结构简单以及测量信息丰富等优点,特别是非合作视觉着舰意义更为重大,但也对参考特征提取提出了更高的要求。为能够实现航母图像中参考定位非合作特征点的稳定、高精度匹配,本文提出一种基于线段检测子(Line segment detector,LSD)直线识别的结构性特征检测与匹配方法,实现对航母表面各种结构、标志角点的准确识别,可克服目前有向FAST与旋转BRIEF(Oriented FAST and rotated BRIEF,ORB)及加速鲁棒特征(Speeded up robust feature,SURF)等图像特征无法定位指定结构特征的问题,有效提高视觉定位精度。

面向汉字识别的新特征及其提取方法

人主要是依靠汉字的结构特征来识别汉字,本文提出用汉字笔画端点、折角点和交叉点以及汉字笔画之间构成的"洞"的中心点在24个区域上的分布直方图作为汉字结构新特征,提出通过对Harris角点的检测、合并和去除操作的汉字笔画端点、折角点和交叉点的提取方法,通过建立手写体与印刷体汉字的特征库中相同汉字新特征的集聚性与不同汉字新特征间的离散性的计算,从实验上验证了所提出的汉字新特征的有效性,分析了所提出的新特征对汉字的大小、字体、光照等影响具有良好的鲁棒性,该新特征对手写体汉字的识别具有较好的应用价值。