基于中心-轮廓距离特征统计的形状表示方法

该文提出一种新的基于特征统计的形状描述方法。通过对中心-轮廓距离(CCD)和传统链码(Chaincode)的联合统计分析,使用中心-轮廓距离对形状进行层次分解,对各层的形状映射部分的链码描述进行统计分析,从而形成中心-轮廓距离和链码的联合统计(JSCCDC)描述子。形状之间的相似性可以用JSCCDC的城区距离来描述。实验结果表明,该表示方法兼具了形状的全局特征和局部特征,相比于传统的特征加权方法具有更优越的性能,在形状匹配和形状检索中具有较高的精度和可靠性。

基于空间位置和轮廓线距离的船舶焊缝特征参数提取

为了实现船舶焊接件数字模型中焊缝特征参数的精确提取,进而完成机器人数据库系统中焊接工艺的自适应快速匹配和快速选择,提出了基于空间位置和轮廓线距离的船舶焊缝特征参数提取算法.首先基于海伦公式识别待判定面来确定接头空间位置关系,并结合最小轮廓线距离完成焊缝特征识别;然后基于轮廓线总条数和最小轮廓线距离的两端点,识别出焊缝坡口处特征点及线;最后基于三类焊接接头所建的数学模型提取出与焊接工艺相关的焊缝特征参数.测试结果表明,文中焊缝特征参数提取算法能准确识别4类接头形式和10种坡口类型,以及准确提取焊缝间隙、坡口夹角和焊接件板厚等参数,具有焊缝特征识别广且信息提取齐全的优点.与其他相关识别算法相比,文中算法的识别率达到100%,而识别效率提升了16.06%,从而进一步验证了算法的有效性.

一种基于标记的并行细化算法

本文提出了一种基于图像标记的并行细化算法 .首先计算图像中像素和轮廓距离的标记信息 ,并将标记图像作为细化算法的输入 .通过综合利用标记信息 ,保留了几何特性 ,提高了细化算法的鲁棒性 ,同时为进一步图元识别

雹云图像的识别指标设计

冰雹是我国主要的气象灾害之一,为时下研究热点.冰雹的预测多采用的是雷达返回数据.依据雷达返回图像,采用统计学中的K-means聚类算法和细胞神经网络(CNN)轮廓提取算法相结合,对云层图像进行处理,提取内外层轮廓,并计算得到内外层轮廓的方差.通过分析雹云图像和非雹云图像内外轮廓距离方差的区别,构造指标.最后采用新疆石河子地区的雹云图像和非雹云图像进行验证,验证本文的结论有效.表明结合K-means聚类算法和CNN轮廓提取算法得到的内外轮廓差是一个可以有效判别冰雹的方法.

基于正弦级数拟合的行为识别方法

提出了一种基于正弦级数拟合的行为识别方法.该方法利用二值轮廓序列来表示给定的运动图像序列,按照时针顺序计算从轮廓质心到轮廓边界点的距离,将人体轮廓转化为距离曲线,并将这一距离曲线利用正弦级数进行拟合,将距离曲线转化为正弦参数,从而极大地减小了计算量,将行为识别过程转化为曲线参数特征匹配的过程.在特征匹配过程中,通过计算待预测行为与已知类别行为的特征级数距离,对待预测行为中的每一个动作进行分类,最后通过投票决定该行为所属类别.在包含90个不同运动类别的视频数据库上进行留一交叉验证,实验结果表明,提出的方法能够有效地进行人体行为识别.

超声手势识别的分类特征优化

针对现有基于超声波的手势识别方案微手势的识别率偏低的问题,在现有特征集合的基础上,添加多普勒轮廓和距离轮廓的相关特征;为减少特征提取的计算量,提高系统的响应速度,提出一套尽量采用数据依赖关系存在关联的特征构成特征集合的筛选标准。对8种手势进行识别实验,测试结果表明,采用优化后的特征集合,相同的特征维数,整体的识别率提高了1.3%,其中微手势的识别率提高了3.4%,特征提取的运行时间缩短了44.1%。

2D registration based on contour matching for partial matching images

The mean Hausdorff distance, though highly applicable in image registration, does not work well on partial matching images. An improvement upon traditional Hausdorff-distance-based image registration method is proposed, which consists of the following two aspects. One is to estimate transformation parameters between two images from the distributions of geometric property differences instead of establishing explicit feature correspondences. This procedure is treated as the pre-registration. The other aspect is that mean Hausdorff distance computation is replaced with the analysis of the second difference of generalized Hausdorff distance so as to eliminate the redundant points. Experimental results show that our registration method outperforms the method based on mean Hausdorff distance. The registration errors are noticeably reduced in the partial matching images.

基于视觉显著性特征的乳腺肿块检测方法

提出基于视觉显著性特征的乳腺钼靶X射线肿块检测方法:首先从局部显著性、全局显著性和稀少性三方面计算显著图,利用显著图加权增强目标;然后根据前景目标数迭代确定分割阈值对加权后图像阈值分割;最后将分割后的前景区域视为疑似肿块区域,利用融合显著性特征及基于中心-轮廓距离的肿块形态特征识别肿块。本文利用MIAS数据库中多幅的乳腺X线图像进行实验验证,结果表明,本文提出的方法能够准确地分割肿块区域,肿块识别准确性较高。

快速聚类和3阶CNN算法在雹云判别中的应用

冰雹是由强对流天气系统引起的,与地域存在很大的关系,地域性的判别函数构建为时下研究热点.冰雹的预测预报大多是基于雷达返回的基础数据.依据阿克苏地区气象雷达图像,采用统计学中的快速聚类算法和3阶细胞神经网络(CNN)轮廓提取算法相结合,对气象雷达图像中的云层区域进行处理,提取该云层的内外层轮廓,并计算得到内外层轮廓距离的方差.通过分析气象雷达图像的雹云图像和非雹云图像内外轮廓距离方差的区别与联系,构造判别函数.最后采用新疆阿克苏地区已有的气象雷达降雹云层图像和非降雹云层图像进行验证,验证该判别函数有效.表明结合快速聚类算法和3阶CNN轮廓提取算法得到的内外轮廓距离是一个可以有效判别是否气象雷达云层降雹的方法.

基于主成分分析的高效点云配准算法

经典的迭代最近点算法对初始位置敏感并可能陷入局部最优解,而如果先进行粗配准调整位姿,又会出现计算时间长的问题。因此,提出一种基于主成分分析的高效点云配准算法。首先,利用主成分分析法得到两片点云的主轴方向;然后,通过两个主轴关系进行坐标系变换;最后,利用轴上轮廓点的距离进行校正,解决主轴反向问题,相较于原本的误差校正极大减小了计算量。实验结果表明:对包含2万多点的点云,基于轮廓距离改进的主成分分析配准算法平均可减少80%的运行时间,计算效率显著提高;同时还可有效处理点云初始位置较差的情况,实现两片点云任意位姿下的快速配准。该算法可实际应用于列车部件的三维点云配准,提高配准效率。