基于质心高度增量特征的目标识别算法

针对传统目标识别算法识别准确率低、复杂度高等问题,提出基于质心高度增量特征的目标识别算法。在提取轮廓特征阶段,以轮廓质心为参考点,对于任意采样点,根据其它采样点相对于该点的高度关系构建质心高度增量描述符。描述符不仅计算简单,对旋转、平移和缩放等几何变换具有不变性,而且引入轮廓顺序这一全局特征,提升了描述符的鲁棒性和区分能力。在特征匹配阶段,利用轮廓顺序已知这一优势,采用动态规划算法计算质心高度增量描述符的相似度,最后引入形状复杂度分析,优化识别效果。MPEG-7测试集和Kimia99测试集的实验结果表明,上述算法能够有效的对目标图像进行匹配识别,而且对于噪声的干扰具良好的鲁棒性。

基于轮廓投影算法的智能终端数字媒体图像信息识别研究

为了实现更高精度的数字图像信息识别,研究基于轮廓提取和轮廓质心高度增量特征描述符构建,并采用形状复杂度分析对描述符相似度计算进行优化和调整,完成对图像目标的识别。在对基于轮廓质心高度增量特征的数字媒体图像目标识别方法的有效性验证实验中,研究提出的方法的检索性能优于表中提出的几种常用方法,检索率提升了5.69%~24.81%。实验结果表明质心高度增量描述符精确地描述了轮廓点与点之间的位置关系,对于相似轮廓的区分性能更好,也验证了轮廓的复杂度评价可以帮助提升匹配结果的可信度。在带噪声的图像识别实验中,噪声水平增加到0.6以上时,虽然检索精度出现了明显下降,但仍能保持较高的识别精度,说明研究提出的方法对于噪声的干扰具有较强的鲁棒性。

基于DTW的轮廓特征目标识别算法

为提升传统目标轮廓识别算法的实时性,提出一种基于动态时间规整(dynamic time warping, DTW)的轮廓特征目标识别算法。该算法将质心高度增量特征描述符与DTW相似性度量算法相结合,首先对目标轮廓均匀提取采样点,并对目标图像以及模板图像轮廓点的质心高度增量特征进行提取,然后使用DTW算法寻找规整路径的方法对目标图像以及模板图像的特征矩阵进行相似性度量,最后定义形状复杂度,同时联合翻转目标的二次匹配得出最终识别结果。实验结果表明,所提出算法在MPEG-7、Kimia99数据集中对待测形状能够在保证识别率优于大多数常见的传统目标识别算法的同时提升目标识别的实时性。