基于改进典型形状上下文特征的形状识别方法

针对形状上下文特征难以解决大规模样本的形状识别问题,提出一种利用角点典型形状上下文特征进行快速形状识别的方法.该方法仅以少数角点作为代表点生成直方图,对目标形状关键特征进行描述,通过减少匹配的特征数目降低了采样点匹配时间;在此基础上提出了局部约束匹配的方法,能够快速实现形状匹配并解决特征旋转不变性的问题,最终通过结合快速剪枝和精确匹配完成形状的识别.对形状数据进行仿真实验的结果证明,文中方法能够快速、有效地实现大规模数据的形状识别和检索.

一种基于三维形状上下文特征的点云配准算法

针对点云配准过程中点云数据量大、配准时间长、配准精度低的问题,提出了一种基于内部形态描述子(intrinsic shape signatures, ISS)和三维形状上下文描述子(3D shape context, 3DSC)的点云配准算法。该方法首先使用体素网格滤波器对点云进行下采样,接着利用ISS算法提取特征点,并通过3DSC进行描述,然后通过改进的随机采样一致性(randon sample consensus, RANSAC)算法进行粗匹配,最后用改进的迭代最近点算法(iterative closest point, ICP)对点云进行精匹配。试验结果表明,与基于ISS+3DSC的三维正态分布变换(normal distribution transformation, NDT)算法和基于采样一致性初始配准(sample consensus initial aligment, SAC-IA)的ICP算法相比,本文算法的配准精度及效率更高,且对于数据量大的点云也有较好的匹配效果。

基于角点检测的图像形状特征提取方法

针对形状标记表示法可能遗漏轮廓曲线上较重要边界点的问题,提出一种基于角点检测的质心距离标记法。该方法采用轮廓跟踪技术获取物体的轮廓曲线,通过角点检测得到曲线上的所有角点,利用质心距离产生形状标记。以最近邻分类和K-中心聚类对其性能进行验证,结果证明了该方法的有效性。

基于形状上下文特征和ICP的高精度轮廓视觉检测算法

为了解决任意形状工件轮廓尺寸的高精度检测问题,提出了一种基于形状上下文特征和迭代最近点的轮廓视觉检测算法.首先,在图像中采用基于局部面积的边缘提取算法提取工件的亚像素边缘,并过滤掉噪声和补齐轮廓;然后,基于从粗到精的匹配策略,先使用形状上下文特征进行粗匹配,再使用迭代最近点算法进行精匹配;最后,提出邻域法来计算出轮廓偏差.标定板实验和工件实验结果表明,该算法的检测精度达到0.5个像素,可以满足实际应用的需要;同时,该算法应用在工业检测上可大大提升误差检测的应用范围和工业生产效率.

基于相对形状上下文与概率松弛标记法的点模式匹配算法

点模式匹配是计算机视觉和模式识别中重要而基础的问题。在立体视觉匹配、图像配准、目标识别与跟踪等方面都有广泛的应用,是目前各领域关注和研究的热点。该文提出了一种新的将不变特征与概率松弛标记法相结合的点模式匹配算法。该算法首先提出一种新的基于点集的不变特征一相对形状上下文,然后利用点集间相对形状上下文的统计检验匹配测度来定义概率松弛标记法中新的相容性系数,并以此为基础来构造鲁棒的支持函数。最后通过匹配概率矩阵的松弛迭代以及匹配约束条件来实现点模式匹配问题的求解。模拟仿真与真实数据实验验证了本文算法在点集间存在相似变换乃至透视变换情况下具备较高匹配正确率,而且对于噪声和出格点也具备较强的鲁棒性。

基于角点特征的几何形状中心定位

图像特征点中心定位是位姿测量中求解位姿的关键.针对同一图像有多个几何形状的问题,首先利用开源计算机视觉库OpenCV对原图像进行区域分割,得到目标区域的边缘,其次将每个区域进行像素填充;然后用Harris算法进行角点检测;最后根据角点坐标再计算中心点,并将文中算法就一幅图像中有单个几何形状的情况与原始Harris和改进的Harris算法从准确率和效率上进行了比较.实验证明,这种中心定位算法不但提高了准确率和效率,而且误差可以减小到1个像素以内.

基于形状内容描述子的点特征匹配

针对两幅图像中特征点的匹配问题,本文提出了一种新的基于形状内容描述子的点特征匹配方法。该方法首先利用基于曲率尺度空间(CSS)的角点检测技术获得两幅图像中的角点及其所在的曲线;然后,计算两幅图像中每个角点的形状内容描述子,运用χ2统计检验函数得到描述子的匹配度,对该匹配度进行评估,如果高于某一个阈值,则认为初始匹配成功;最后对初始匹配成功的点对,利用半局域限制完成点集之间的最终匹配。实验结果表明,本文所提出的匹配算法具有较高的点特征匹配准确率。

基于SURF和形状上下文的人脸匹配算法

针对人脸匹配在光照、姿态、表情等背景因素影响下匹配正确率低的问题,提出一种基于SURF和形状上下文(SC)的人脸图像匹配算法。在对图像进行人脸区域检测和重构积分图预处理的基础上,利用两次SURF算法提取人脸特征点并匹配,第一次用SURF进行粗匹配得到初始匹配集,并据此计算待匹配人脸图像间的尺度差和角度差,以此作为约束条件第二次进行SURF精匹配,以获得更多的匹配点对。最后采用不依赖位置信息的形状上下文算法剔除误匹配点对。在IMM和Georgia人脸数据库上与目前流行的人脸匹配方法进行实验对比,实验结果显示该算法有效增加了匹配点对数目,并提高了人脸图像匹配正确率,具有更好的稳定性和鲁棒性。

基于改进形状上下文的双焦图像深度估计

针对深度估计时两幅双焦图像特征点的误匹配问题,提出了一种基于改进形状上下文特征点的校正方法。首先引入了对尺度、视角、光照等具有不变性的SSURF特征向量,利用SSURF特征向量匹配算法在双焦单目视觉系统采集的焦距不同的两幅图像之间进行目标SSURF特征点的匹配。提出一种改进的形状上下文描述符,对局部特征匹配点对进行误匹配的校正。然后根据空间物点与所成像点距图像中心矢量大小及摄像机的焦距值之间的几何关系,利用校正后的特征点完成相关的计算从而获取目标物的深度信息。实验表明,校正后的方法进行深度估计具有较小的误差和较好的估计效果。该深度估计方法有较大的实用价值。

基于形状识别的X型棋盘格角点检测

棋盘格角点检测是相机标定的一个重要环节,其准确率直接影响相机标定的精度,常规角点检测存在对棋盘格图像质量要求较高、检测准确率不高的问题。对此,依据棋盘格图像灰度分布的对称性,利用双层增强滤波器将其角点区域增强为X形状,待检测角点即为X形状中两个分支的交点,将角点检测问题转换为X形状的识别。进行X形状识别时,首先提取待识别区域像素的极坐标作为形状识别的初始特征集合,经特征选择后依据角度特征进行X形状识别。最后在识别出的角点区域内通过直线拟合确定亚像素级角点。实验结果表明,所提出方法进行棋盘格角点检测的准确率较高,且抗干扰能力较强。

基于球面保角映射理论的表面特征标记点匹配法

提出一种基于曲面参数化理论的半自动匹配方法.首先,选择任一样本数据作为参照模型,根据其表面几何特征手动标定特征标记点;其次,利用保角映射方法将全部样本数据映射到同一球形域,根据球面坐标对应关系实现在其他样本表面上特征标记点的自动标定;最后,利用迭代逼近点方法归一化特征标记点在空间的位置.实验考察了统计形状模型的通用性原则和专一性原则,并且比较了球面保角映射中不同约束条件对获得模型质量的影响.实验结果表明:利用球面保角映射3个基准点约束所得模型的专一性指标明显好于零质心约束方法,并且实验所需时间减少近50%.

基于模糊形状上下文与局部向量相似性约束的配准算法

非刚性点集配准研究是模式识别领域的一项重要基础研究.本文在当前流行的非刚性点集配准算法的基础上提出了两个主要贡献:1)模糊形状上下文(Fuzzy shape context, FSC)特征;2)基于局部向量特征的局部空间向量相似性约束项.本文首先进行基于特征互补的对应关系评估,在这一步骤中定义了模糊形状上下文特征,然后基于模糊形状上下文特征差异和全局特征差异设计了特征互补的高斯混合模型.其次,进行基于约束互补的空间变化更新.在这一步骤中,定义了局部向量特征,建立了局部空间向量相似性约束项.本文算法通过使用特征互补的高斯混合模型进行对应关系评估,并将配准问题转化为可以用期望最大化(Expectation maximization, EM)算法解决的参数优化问题,通过创建包含局部空间向量相似性约束项的能量方程优化了空间变换更新.本文首先测试了模糊形状上下文特征的检索率,然后采用公开数据集测试了算法在点集配准与图像配准的性能.在与当前流行的十种算法的对比实验中,本文算法均给出了精确的配准结果,并在大部分实验中精度超过了当前流行算法.

改进的形状上下文在舰船图像匹配中的应用

结合舰船图像的特点,对经典的形状上下文算法在抗几何形变和复杂度上做了改进。首先提取出舰船的二值轮廓图,利用css角点检测,做为舰船轮廓特征点,通过改进的形状上下文算法对特征点生成描述子,以此作为舰船轮廓的特征,然后利用相似性度量定义的代价函数计算特征之间的相似度。针对图像匹配技术的研究,结合改进后的算法,建立舰船图像特征数据库,对舰船图像进行匹配验证。实验表明,该算法能够有效的对舰船图像进行匹配识别。

利用自由形状线特征的遥感影像分级匹配方法

为较好地解决自由形状线特征匹配研究中线特征丰富信息的充分利用与有效描述这对矛盾,提出一种利用分级匹配策略的遥感影像匹配方法。为保证方法具有较高的匹配精度,从影像中检测亚像素边缘并进行有效的跟踪以得到连续性较好的自由形状线特征;再从中提取闭合线特征、线特征交点和角点等较稳定的特征作为共轭实体进行粗匹配,在确定各类特征的待选同名特征后,根据面积、角度等几何信息以及模型参数的分布特点逐步剔除误匹配,进而利用同名特征确定精匹配的初始参数;精匹配时对线特征中的亚像素边缘点加以利用,采用多层次二维迭代最邻近点(ICP)法依次利用由低到高采样率的边缘点进行匹配。试验结果表明,粗匹配选取的特征性能稳定,具有较高的匹配正确率和精度,能为精匹配提供较准确的初始参数,精匹配能达到与最小二乘影像匹配相当的亚像素级匹配精度,并且对具有较小仿射变形的影像也能实现稳定、准确的匹配。

红外与可见光图像特征点边缘描述与匹配算法

针对红外与可见光图像中特征点匹配的难题,提出一种基于形状上下文的特征点邻域边缘描述与匹配算法.首先采用基于曲率尺度空间的角点检测算法进行特征点提取,并将特征点所在曲线的法线作为主方向,避免了图像的旋转代价;然后搜索相同边缘上最近的特征点,通过计算这2个特征点邻域的边缘的像素点分布直方图构造一个120维的特征点描述符,并进行归一化;最后采用最近邻算法实现特征点匹配.实验结果表明,该算法能够有效地实现对红外与可见光图像特征点的精确匹配.

基于典型几何形状精确回归的机场跑道检测方法

在遥感探测领域,实现复杂环境条件下机场跑道类地物目标和轮廓的精确检测具有重要意义。以YOLOv3为代表的主流深度学习算法在目标检测领域取得了显著的成绩,但该方法只能以矩形框给出目标的粗略位置,检测结果具有一定的背景区域且无法准确得到角点位置。针对以上问题,提出一种基于典型几何形状精确回归的机场跑道检测方法。综合利用典型四边形角点回归策略、四边形锚框机制、四边形的非极大值抑制模块以及目标几何拓扑关系,通过网络的轻量化设计和模型压缩,实现对目标在仿射畸变下成像特征的学习,能够快速预测目标的角点坐标,并以目标的四边形轮廓给出其位置。仿真实验结果表明,该算法具备机场跑道目标类型区分和轮廓提取的功能,有效地解决了实际应用中的目标精确定位难题;在不损失精度基础上网络经压缩后较压缩前的检测速度提高了1倍,大幅提升了自动目标检测的准确性和高效性。

基于曲率尺度空间的VOP形状编码算法

首先对曲率尺度空间 (CSS)算法进行改进 ,并用改进的 CSS算法对任意形状物体的形状信息进行特征点的分层提取 ;其次 ,用自适应算术编码算法对固定长度的八分圆编码算法进行改进 ,并对所提取的特征点进行算术编码 .实验结果表明 ,这种新的基于特征点提取的形状编码方法比 MPEG- 4校验模型中基于上下文的算术形状编码算法 ,在 Dn 相同的条件下 ,主观质量更好 ,且压缩比更高 .

基于ISS-3DSC的NDT三维点云配准算法研究

工件形貌的三维扫描需求在车间自动化装备中越来越多,其中点云配准作为三维数据处理的重要步骤。现有三维点云配准存在特征点对误配、配准时间长、配准精度差等问题,提出了一种基于内部形状描述子-三维形状上下文特征(ISS-3DSC)的NDT三维点云配准算法。首先通过内部形状描述子(ISS)算法提取三维点云关键点,提高配准效率;然后结合三维形状上下文特征(3DSC)进行关键点的特征描述,并根据特征点对中值距离法剔除错误点对,采用SVD分解计算初始变换矩阵;最后使用NDT算法完成精配准。测试实验结果表明:算法在鞋面、鞋底点云数据配准时的精度可达到0.025 cm,相比传统SAC-IA+NDT算法配准效率提升明显,具有一定的工程应用价值。

融合Fuzzy拓扑关系与CRSC的三维模型检索方法

针对手绘草图检索三维模型时存在的表达模糊性和绘制随意性等问题,提出基于Fuzzy拓扑关系与角点典型形状上下文(CRSC)的三维模型检索方法。在该方法中,采用二元图元的Fuzzy拓扑关系描述图形的整体结构信息,并优化图元间特征向量的冗余问题,实现用户绘制过程中对检索结果的实时准确响应,并结合CRSC进一步提高检索的识别率和鲁棒性。针对模型多视角渲染的独特性,提出节点近邻遍历算法。实验结果表明,该方法具备较高识别率,提高了用户绘制效率。

由上下文和相关向量决策的滚动字幕检测算法

提出了一种基于时空上下文特征和相关向量机的视频滚动字幕检测算法.可检测视频关键帧中的角点,并估计出角点上的稀疏光流;在对光流场优化的基础上,提出一种新的融合静态和动态特性的滚动字幕统计描述方法,进而结合多个关键帧特征建立起滚动字幕的时空上下文联系;引入相关向量机进行决策.实验结果表明,该算法优于现有4种典型方法,综合性能也略好于基于支持向量机的方法.