期刊文献+
共找到6篇文章
< 1 >
每页显示 20 50 100
图像不变矩的轮廓链快速算法 被引量:4
1
作者 刘进 张天序 《华中科技大学学报(自然科学版)》 EI CAS CSCD 北大核心 2003年第1期67-69,共3页
提出一种将矩定义式中的二维积分简化为一维线积分的方法 ,得到区域原点矩及不变矩的轮廓链表示式 ,从而大大减少了区域不变矩特征的计算量 .根据轮廓链表达式的符号还可判别其绕行方向 ,进而将区域的外边缘与内孔洞区分出来 ;推论所得... 提出一种将矩定义式中的二维积分简化为一维线积分的方法 ,得到区域原点矩及不变矩的轮廓链表示式 ,从而大大减少了区域不变矩特征的计算量 .根据轮廓链表达式的符号还可判别其绕行方向 ,进而将区域的外边缘与内孔洞区分出来 ;推论所得到的面积轮廓链表示式还能有效地滤除掉场景中的噪声区域 .实验表明这种方法得到的不变矩和按照矩定义式直接计算的结果相近 ,同样具有旋转、比例。 展开更多
关键词 图像不变矩 轮廓链 快速算法 图像识别 码矩形达式 码绕行方向 噪声区域
下载PDF
应用轮廓链序列的符号M阵列结构光解码
2
作者 贾小军 孙亚新 +1 位作者 方玫 曾丹 《光电子.激光》 EI CAS CSCD 北大核心 2017年第10期1108-1117,共10页
利用符号M阵列形成单帧模式作为投射图像,提出对符号编码结构光进行解码的方案。首先,建立符号的游历算法,生成符号轮廓链序列,根据链角实现符号轮廓的波形特征表述;其次,采用基于符号矢量方向及内部有向链角,进行符号定位及识别;利用... 利用符号M阵列形成单帧模式作为投射图像,提出对符号编码结构光进行解码的方案。首先,建立符号的游历算法,生成符号轮廓链序列,根据链角实现符号轮廓的波形特征表述;其次,采用基于符号矢量方向及内部有向链角,进行符号定位及识别;利用符号矢量方向可以将符号分成4类,每类2个符号,根据符号内部链角的波形特征,区分每类中的两个符号;最后,利用子窗体全局唯一性创建子窗体定位条件,实现子窗体匹配,并根据投票方式进行符号对应,提取符号实现关键点三维信息。实验结果表明,提出的解码方法在应用于不同的检测对象时,均能有效地解码符号,实现三维重建,具有较强的鲁棒性。 展开更多
关键词 轮廓链序列 符号M阵列 结构光 解码 三维重建
原文传递
A novel method for eliminating rotation deviation in sequential images mosaic
3
作者 陈芳 陈恺 +1 位作者 赵斌文 史金飞 《Journal of Southeast University(English Edition)》 EI CAS 2012年第4期434-437,共4页
To eliminate rotation deviation of sequential images mosaic when measuring linear dimensions of large scale parts with computer vision, a novel algorithm based on the chain code searching method is proposed. After ima... To eliminate rotation deviation of sequential images mosaic when measuring linear dimensions of large scale parts with computer vision, a novel algorithm based on the chain code searching method is proposed. After image preprocessing, including image filtering, image segmentation, and edge detection, the chain code length of the contour line can be searched out by the proposed method. Then, the angle from the contour line to the coordinate axis is computed with the length of the contour line. After that, the sequence is rotated in the opposite direction and the rotation deviation is eliminated. It is prepared for the next mosaic of sequences in eliminating shifting deviation. Experiments are carried out on parts with a linear profile rotating angle from 0° to 9°. The results show that compared with the commonly used Hough transform, the new method has higher precision and faster speed, which is important in realizing online high precision measurements of large scale parts with a linear profile. 展开更多
关键词 sequential images mosaic linear profile chain code rotation deviation
下载PDF
一种基于人工地标解码的定位方法
4
作者 龚征绛 陈武 +3 位作者 查杨 周磊 费焕强 喻擎苍 《软件导刊》 2021年第6期68-74,共7页
针对当前机器人摄像头中心位置无法快速定位问题,提出人工视觉地标的编码以及解码定位方法。首先进行编码片以及人工视觉地标编码方式设计,采用回溯生成算法从单个编码片编码方式延伸到多个编码片拼接,利用M阵列思想实现全局唯一人工视... 针对当前机器人摄像头中心位置无法快速定位问题,提出人工视觉地标的编码以及解码定位方法。首先进行编码片以及人工视觉地标编码方式设计,采用回溯生成算法从单个编码片编码方式延伸到多个编码片拼接,利用M阵列思想实现全局唯一人工视觉地标矩阵;然后进行人工视觉地标解码,针对编码片利用轮廓链进行编码组件提取,利用HSV颜色空间进行颜色提取从而实现码字识别。对人工视觉地标中心进行定位识别,通过编码块中心线拟合得到的特征点进行二次曲面拟合消除畸变,得到人工视觉地标下摄像头中心所在编码片的编码形式、码字以及摄像头中心世界坐标。实验证明,插值法得出的像素点坐标在X方向上最大误差为3个像素,最小误差为0个像素,Y方向上最大误差为2个像素,最小误差为0个像素,对比传统棋盘格标定定位提高了0.123mm/像素精度。 展开更多
关键词 机器人 定位 编码 解码 轮廓链 图像识别 M阵列
下载PDF
基于图像识别的地毯机运动轨迹规划研究
5
作者 郭栋 李会艳 王琳 《天津职业技术师范大学学报》 2019年第2期43-47,共5页
为了改变人工描绘地毯机运动轨迹的生产方式,提出了一种基于图像识别的轨迹规划算法,该算法包含颜色量化、颜色聚类、边缘检测、轮廓跟踪和区域填充5个部分。在CIELAB颜色空间对彩色图像进行量化和聚类,对得到的聚类图像进行边缘检测和... 为了改变人工描绘地毯机运动轨迹的生产方式,提出了一种基于图像识别的轨迹规划算法,该算法包含颜色量化、颜色聚类、边缘检测、轮廓跟踪和区域填充5个部分。在CIELAB颜色空间对彩色图像进行量化和聚类,对得到的聚类图像进行边缘检测和基于Freeman链码的轮廓跟踪,并采用扫描线填充算法进行区域填充,最后根据轮廓点坐标和填充点坐标组成地毯机的运动轨迹。实验结果表明:基于图像识别的轨迹规划算法实现了图像的轨迹规划,验证了算法的正确性。 展开更多
关键词 图像识别 颜色量化 颜色聚类 边缘检测 基于Freeman码的轮廓跟踪 区域填充
下载PDF
基于兴奋-抑制交叉视觉皮质模型的V1区轮廓整合机制和注意力选择实现
6
作者 高山 毕笃彦 +1 位作者 任宇环 魏娜 《生物医学工程学杂志》 EI CAS CSCD 北大核心 2016年第5期963-971,共9页
本文旨在利用模仿生物神经细胞同步脉冲发放的交叉视觉皮质模型(ICM)对生物视觉系统的轮廓整合机制及注意力选择机制进行初步探索。将生物神经元"兴奋-抑制"振荡子的思想引入到ICM中,同时引入目标轮廓链码作为高层反馈控制输... 本文旨在利用模仿生物神经细胞同步脉冲发放的交叉视觉皮质模型(ICM)对生物视觉系统的轮廓整合机制及注意力选择机制进行初步探索。将生物神经元"兴奋-抑制"振荡子的思想引入到ICM中,同时引入目标轮廓链码作为高层反馈控制输入,提出了拥有自底向上(BUTTON-UP)及自顶向下(TOP-DOWN)机制的兴奋-抑制交叉视觉皮质模型(EI-ICM)。仿真实验显示,本文提出的模型可有效抑制噪声使得光滑边缘同步发放,从而完成BOTTOM-UP过程;目标轮廓链码的引入可得到与输入目标链码一致的目标轮廓,而其它目标由于与输入目标链码不匹配,无法形成闭合轮廓,从而完成TOP-DOWN过程。结果表明本文提出的模型可模拟视觉皮层V1区轮廓整合及注意力选择机制。 展开更多
关键词 交叉视觉皮质模型 V1区轮廓整合 目标轮廓链 注意力选择
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部