基于主分量分析的形状特征提取及识别研究

主分量分析(PCA)是统计学中分析数据的一种有效的方法,可以将数据从高维数据空间变换到低维特征空间,因而可以用于数据的特征提取及压缩等方面。在该文的形状识别系统中,用PCA法提取图像的形状特征,能够较好地满足识别层的输入要求。在识别层研究了3种识别方法:最近邻法则、BP网络及协同神经网络方法,均取得了满意的实验效果。

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。

外耳形状特征和内耳结构特征结合的人耳特征提取

针对人耳的生物特征提出了一种人耳的形状特征和结构特征相结合的识别方法．首先提取外耳最长轴,即外耳轮廓边缘点的最长连线．利用外耳长轴把外耳曲线分成两部分,用最小二乘法对这两段曲线分别进行多项式曲线拟合,拟合多项式函数的系数作为外耳特征向量．同时长轴与内耳曲线的交点作为内耳特征点,特征点之间连线的长度与长轴长度的比值作为内耳特征向量．长轴的相对不变性保证了特征向量具有缩放、平移和旋转不变性．实验结果表明此方法在噪声情况下具有较强的鲁棒性．

基于遗传算法的树上柑桔形状特征提取

采用遗传算法得到描述柑桔形状的最佳拟合椭圆参数.任意椭圆都可以用5个变量描述,经过二进制编码形成初始的基因码,在给定的图形匹配率公式的作用下进行遗传运算可以得到全局最优解.对变量添加了一些约束条件,提高遗传算法收敛速度.试验结果表明该方法可以修复因遮挡和重叠丢失的柑桔形状.相比于传统的圆形Hough变换提取特征的方法,外接矩形面积在64×64(像素数)提取形状特征消耗时间缩短了1/2,消耗空间减少到1/20,当图像尺寸增加时,优势更明显.使用椭圆来描述的柑桔外形也更接近柑桔的真实形状.

计算机图像处理技术在烤烟烟叶形状特征提取中的应用

讨论了应用计算机图像处理技术提取烤烟烟叶形状特征的方法，提出用链码来描述烟叶外形轮廊，并利用链码特性计算烟叶外形特征量值。

基于形状指数的文物表面局部几何特征提取与匹配算法

对具有整体形状相似而细节差异明显的文物模型进行基于全局的形状检索,由于精度限制很难得到满意的检索结果。为此,提出一种提取局部几何特征的检索算法,计算模型顶点的主曲率值,通过主曲率求出点所在局部曲面的形状指数,根据形状指数使用区域生长和扩张搜索方法获得模型的局部几何特征,再将获得的局部特征结合先验知识创建模板库,比较模板和待检测模型局部几何特征的相似度。以兵马俑甲胄碎片作为实验数据,应用该算法对甲胄碎片进行识别和分类,结果表明该算法是有效和可行的。

作物病害图像形状特征提取研究

形状特征是作物病害图像识别的重要依据之一。为了解决形状特征平移、尺度和旋转变换不变性问题,笔者将不变矩理论引入作物病害图像形状特征提取中,将7个Hu不变矩参数定义为形状特征,并引入新的参数,对作物病害图像进行形状特征提取研究。通过主成分分析和统计分析方法验证,得到适合两种作物病害识别的形状特征,并将其应用到作物病害智能识别系统中。实验结果表明:系统识别率较高,能够满足实际应用需求。

稻飞虱图像形状和颜色特征提取的研究

为实现灯下三种稻飞虱的自动识别和计数,对稻飞虱图像特征提取进行研究。通过对稻田飞虱人工识别特征的分析,确定采集稻飞虱的背部图像。在提取背部特征的研究中,首先对6张稻飞虱单样本图像由傅立叶系数提取形状特征不变量,采用色度百分率直方图法提取背部色度最大值。然后计算大量稻飞虱样本形状和颜色特征值的标准方差以确定各特征值的稳定性。结果表明,白背飞虱图像的各特征值最为稳定。

基于区域形状的静脉图像特征提取与匹配

为了准确地对人的身份进行识别,提出了一种基于区域形状的静脉图像特征提取与匹配算法.静脉图像经预处理后得到二值图像,该算法首先对二值图像进行细化处理,得到了静脉的骨架信息;然后,标注4连通区域并寻找到与连通区域相连接的端点与交叉点;再利用最小距离法将连通区域的边缘逼近成若干条线段,将线段角度作为特征;最后,利用改进的最长公共子序列算法,进行了局部区域匹配,并利用改进的豪斯多夫距离算法进行整幅图像的匹配.实验表明,该算法获得的图像特征具有较高的区分度,识别效果受采集静脉图像中信息缺失的影响较小,正确识别率可达到96%以上.

三维形状特征提取技术研究进展

三维形状模型广泛应用于工业设计、教育、生物医药、动画娱乐、文物保护等多个领域中。三维形状模型的特征提取是计算机图形学和模式识别领域的重要问题,近年来受到学者的广泛关注。尤其是具有铰链、关节等的非刚性三维形状通常会发生变形,进一步增加了形状特征提取的难度。主要研究、分析、总结了近几年出现的刚性三维形状和非刚性三维形状的特征提取算法,分析了三维形状特征提取的难点,给出了三维形状特征提取的发展进程。介绍了近年来三维形状特征匹配研究领域中常用的一些测试数据库,重点探讨了非刚性三维形状的特征匹配方法,并展望了三维形状特征提取、特征匹配的未来发展方向。

基于机器视觉的图像形状特征提取方法研究进展

基于机器视觉的图像形状特征提取应用的常见方法有阈值处理法、基于轮廓的形状特征提取法和基于区域的形状特征提取法3种。阈值处理法是常见的图像分割提取方法,具备操作简单、速度快等优势,但对于需精确提取图像形状和目标图像形状较为复杂的工况不适用;基于轮廓的形状特征提取方法,处理速度较快,但当处理复杂目标图像形状时,容易出现较大的偏差或错误;基于区域的形状特征提取方法,在提取形状特征时更加容易实现,且在处理复杂图像时更加准确,但需要的内部存储空间较大。由此可知,目前形状特征提取方法的应用局限性较大,而发展图像特征提取方法意义重大。

基于深度图像的蔬果形状特征提取

针对蔬果二维投影图像含形状信息量少而影响蔬果分级精度的问题,提出一种基于深度图像的蔬果形状特征描述方法,以番茄形状特征提取为例,对该方法进行了探讨。首先利用彩色图像信息将番茄从背景中分割出;其次通过三维机器视觉测量设备获取番茄的点云数据,并对待检测番茄的点云数据深度进行归一化处理;然后通过关联被分割出的番茄区域信息与深度信息得到了番茄的深度图,并对该深度图进行极坐标采样。通过在笛卡尔直角坐标下对采样结果进行傅里叶变换,获得了基于深度图像的通用傅里叶形状描述子,该描述子不仅能有效地描述番茄在深度和横向上的形状特征,同时还具有平移、旋转和缩放的不变性。将基于深度图的通用傅里叶描述子和基于一般二维投影图像的通用傅里叶描述子先后用于番茄的分级实验中,结果表明前者平均分级精度达到92%,精度高于后者。

数字图像形状特征提取的研究

在对图像进行轮廓提取时,采用了先边缘检测再轮廓提取和Canny算子两种方法,取得了较好的实验结果.研究实现了计算归一化中心矩、不变矩、骨架提取及反变换.实验结果表明:不变矩、骨架能很好地表达形状信息.

基于嵌入式GPU架构的并行形状特征提取算法优化

为解决嵌入式平台上形状特征提取算法运算量大、耗时长,实时性不高的问题,提出一种基于嵌入式GPU架构的并行形状特征提取算法,并采用指令级优化、数据传输优化、访存优化等多种优化策略进行优化;设计串、并行算法的对比分析试验,并行算法相对于串行算法,最高加速比为596倍,试验结果表明,基于GPU并行优化形状特征提取算法在保证特征提取有效性的前提下,极大的提高算法的运行速度,进而能够提高整个模式识别过程的实时性。

一种彩色多级阈值的图像分割方法及在形状特征提取方面的应用

根据实际需要通过大量实践提出了一种有效的便于提取形状特征的彩色多级阈值图像分割办法 。

人体行为动作的形状轮廓特征提取及识别

将傅里叶变换与边缘小波矩描述子相结合,提出一种人体行为动作的识别方法。凹凸复杂图像的质心到轮廓为非单一直线,据此,给出一种多段定向距离轮廓描述矩阵,实现轮廓特征的提取。分别对2类人体和4种行为动作进行仿真实验,结果表明,边缘小波矩描述子能较好地体现人体行为动作的形状轮廓局部特征,具有较高的识别率。

用同心离散圆簇实现目标形状特征提取

为了满足跟踪过程中目标形状匹配的实时性要求,提出了用同心离散圆簇(cluster of concentric dis-crete circles,CCDC)进行区域形状特征提取的方法,主要思想是将目标的质心定位在CCDC的圆心上,将目标图形映射到CCDC上,计算每个离散圆的形状特征值,组成一个特征向量来描述目标形状。该方法的优势在于计算量非常小而且受目标形状尺寸影响小,并具有平移、尺度和旋转不变性。计算速度分别是七阶不变矩和Zernike矩的10多倍和300多倍,能很好满足目标跟踪的实时性要求。

基于深度学习的三维形状特征提取方法

研究具有低维、高鉴别力的三维形状特征提取方法有助于解决三维形状数据分类和检索等问题。随着深度学习的持续发展,结合深度学习的三维形状特征提取方法已成为研究热点。将深度学习与传统的三维形状特征提取方法相结合,不仅可以突破非深度学习方法的瓶颈,而且可以提高三维形状数据分类、检索等任务的准确率,尤其是当三维形状是非刚体时。然而,深度学习尚在发展中,仍存在需要大量训练样本的问题,因此如何运用深度学习方法来高效提取三维形状特征成为了计算机视觉领域的研究重点和难点。目前,研究者大多从改进网络结构和训练方法等方面入手,着重提高神经网络提取特征的能力。文中结合深度学习和三维形状特征提取方法的发展历程,首先介绍相关深度学习模型,以及网络改进、训练方法等方面的新思路;其次重点对基于深度学习的刚体与非刚体的特征提取方法做综合的阐述,描述当前深度学习方法用于三维形状特征提取的情况;然后简述现有三维形状检索系统的现况以及相似度计算方法;最后介绍当前三维形状特征提取方法存在的问题,并探讨其未来的发展趋势。

基于统计形状模型的面部特征提取随机方法

针对在复杂背景和部分遮挡情况下提取面部特征轮廓的困难,提出了一种基于统计模型的随机方法.该方法将面部特征轮廓作为动态随机过程的状态序列,并应用统计方法建立人脸整体形状模型和特征形状模型,分别构造面部特征间和面部特征内控制点样本的预测方程,最后利用序列蒙特卡洛方法估计随机状态.该方法给出了面部特征提取的随机描述,打破了确定性方法对单高斯分布和轮廓形状线性变化的依赖性,实现了轮廓的准确可靠提取.对100幅正面人脸图像的实验结果表明,轮廓定位相对误差仅为2 7%.对标准人脸检测数据库中传统算法很难处理的复杂背景和部分遮挡情况,该方法能够正确定位面部特征轮廓.

基于形状的图书馆图像特征提取模型

由于形状的复杂,基于形状的特征提取有不同的描述模型。小波变换因为能够多尺度地逼近边缘,我们采用小波变换并在此基础上提取图像的七阶矩作为图像的特征,并在图书馆图像检索中应用。