基于椭圆Fourier描述子的旋转机械振动信号分析

基于椭圆Fourier描述子,对转子同一截面上相互垂直的两个传感器测取的同源振动信号进行融合分析,从理论上推导出滤波轴心轨迹的表达式。研究对比全谱、全息谱和矢谱,建立三种谱分析方法的统一理论框架,给出三种谱分析方法的理论表达式,并设计利用一次快速Fourier变换实现三种谱图的数值方法。在融合全谱、全息谱和矢谱三种谱分析方法的基础上,提出基于椭圆Fourier描述子的矢椭谱分析方法,用于分析转子的同源振动信号。应用对比验证了矢椭谱的简洁可行性。

基于Fourier描述子的唇形分类方法

针对唇读识别中唇形状态的描述问题,提出一种基于Fourier描述子的唇形分类方法.该方法通过迭代演算获得嘴唇的位置与大小,先通过边缘侦测法找出唇形边缘;再由Fourier描述子找出唇形外形的重要特征值,进而表达唇形状态的有效信息;最后将转换出的Fourier描述子经过正规化处理后,输入到人工神经元网络中进行分类.实验结果表明,该方法的唇形分类正确率较高,且耗时较少,为唇读识别中各状态的确定提供了依据.

一种基于DCT系数和Fourier描述子的人脸识别方法

研究了一种基于人脸细节信息和外形轮廓信息相结合的人脸识别方法.用DCT(离散余弦变换)系数集表示人脸细节信息,傅立叶描述子集表示人脸轮廓信息,用基于相似性的匹配方式将待测人脸的两种信息分别与数据库中的人脸进行匹配,并根据光照条件将两个匹配结果进行合理的融合作为最终的匹配结果.由于人脸外形比较稳定,并且傅立叶描述子对旋转不敏感,最重要的是,在匹配过程中创造性地利用了实时光照信息进行融合,因此,这种方法不仅稳定,还可以较好地弥补传统二维人脸识别系统极易受到光照、姿态等因素影响的这个缺点.

基于Fourier描述子和LBP相结合的植物叶片识别方法

针对植物叶片的复杂性导致基于叶片植物识别的识别率较低的问题,提出一种基于Fourier描述子和局部二值模式(local binary pattern,简称LBP)相结合的植物叶片识别方法.首先,利用Canny算法提取叶片的边缘图像,计算其中心-边缘距离序列的傅里叶变换,得到叶片图像的改进Fourier描述子;然后,提取叶片图像的局部二值模式特征;再利用判别典型相关分析算法将植物叶片的Fourier描述子和LBP特征进行融合,得到1个有利于分类的联合映射矩阵,由此将2类特征映射为1个低维特征向量;然后利用K-最近邻分类器进行植物识别.在公开的智能计算实验室(intelligent computing laboratory,简称ICL)叶片图像数据库上进行分类试验,识别率高达94%以上.结果表明,提出的方法是有效可行的,该研究能够为植物物种自动识别系统提供技术参考.

基于傅里叶描述子的手势识别方法

手势识别是计算机视觉人机交互应用领域关键技术,手势轮廓携带有手势重要特征,准确捕获手势轮廓对提高手势识别具有重要意义。针对手掌轮廓特征提取困难和手势识别率低问题,提出了基于傅里叶描述子的手势识别方法,按照候选窗口最大轮廓傅里叶描述子匹配度和置信度分割出手掌区域;跟踪手掌轮廓计算其傅里叶描述子得到手势轮廓特征值;将16个手势轮廓特征值作为BP人工神经网络的输入,利用BP人工神经网络识别手势。实验表明,该方法能有效捕获手势轮廓和识别19种手势,具有识别率高、性能优良和鲁棒性好等优点。

基于局部描述子的小样本轴承故障诊断方法

深度学习由于其在特征表示方面的优势,近年来已被应用于很多领域,但是在故障诊断领域很难获取大量的故障样本来训练模型。针对这一问题,提出了一种基于局部描述子的小样本轴承故障诊断方法,利用改进的深度最近邻神经网络(Deep Nearest Neighbor Neural Network,DN4)进行故障诊断。首先通过短时傅里叶变换将振动信号转换为二维时频图像,特征提取主干网络采用ResNet-12网络,引入高效多尺度注意力机制(Efficient Multi-scale Attention,EMA)来更好地提取故障特征,得到轴承故障的局部描述子,最后利用K近邻算法来得到故障类别。为验证所提方法的有效性,进行了不同样本数量、跨工况条件下的轴承故障诊断实验,实验结果表明,文章所提方法在小样本条件下具有较好的故障识别效果和泛化性能,具有一定的工程应用价值。

融合轮廓矩和Fourier描述子特征的压印字符识别

提出了一种基于混合轮廓特征的压印字符识别新方法。首先提取字符轮廓的矩不变量和Fourier描述子,然后将2种特征融合构成混合特征,最后将新特征输入BP网络进行识别。实验证明,混合轮廓特征不仅克服了2种特征单独使用时的缺点,提高了识别率,而且可以提高特征的平移、缩放以及旋转不变性。

基于Fourier描述子方法的颗粒形状及曳力模型研究

如何准确地描述非球形颗粒的形状是研究这类颗粒的普适性曳力模型的关键。本文引入了FD方法,确切地表征了底面为不同形状的正多边形和圆形的柱状颗粒的形状和相互间的差异,建立了用于改进非球形曳力模型适用性的形状阵列。正多边形系列的沉降关系之间的平均差异与FD方法获得的形状差异之间存在着幂函数关系,表明FD方法获得的形状差异能够有效地表征底面形状不同对颗粒终端沉降关系造成的影响。要获得具有普适性的曳力模型,还需以此为基础,进一步引入Ar(或Rep)在不同阶段对沉降关系的影响。

一种基于阶阵列的BRIEF特征描述子

局部特征匹配是机器视觉研究领域中的一个基础问题,也是该领域的研究热点之一,在目标识别、目标跟踪、场景区分等应用中具有重要的作用。而在局部特征匹配研究过程中,如何在满足多种图像变换的前提下,设计一种高效的图像特征描述子是需要解决的一个关键问题。现有的特征描述子,如SIFT和SURF,计算复杂性较高,难以胜任实时视频或移动计算环境;BRIEF特征描述子计算简单,匹配效率高,能满足实时视频或者移动计算环境的要求,但其仅考虑了单个像素,不具备方向,也就不具有旋转不变性。在BRIEF特征描述子的基础上,该文选择多个特征点,并引入阶排列方法,提出一种改进的特征描述子OPoBRIEF。相对于传统的特征描述子,OPoBRIEF能够包含更多的局部特征信息,并且计算复杂性较低。通过特征描述子稳定性实验,表明OPoBRIEF比BRRIEF具有更高的匹配正确率和更好的稳定性。而特征描述子旋转不变性的实验则表明,在旋转角度为10~12区间,OPoBRIEF与SIFT效果相当,但明显优于ORB算法。

基于改进的协方差矩阵描述子的点云配准方法

点云配准是数字化文物保护的关键一环,提高配准精度与抗噪性是文物点云配准的主要目标。针对该问题,提出一种基于协方差矩阵描述子的三维点云配准方法。使用张量投票法剔除噪声点,对剔除噪声后的点云,使用内在形状签名法提取关键点;对提取的关键点构建邻域信息,利用该信息建立协方差矩阵描述子;通过计算最近距离寻找匹配点对,使用法向量夹角对其约束,剔除误匹配点对;选取匹配点对计算变换矩阵完成粗配准,再通过迭代最近点对方法进行精配准。实验结果表明,相比于常用配准算法,本文算法配准精度更高,且适用于低重叠率模型与含噪声模型。

傅里叶和LBP描述子相结合的矿石颗粒种类识别

本文提出两种描述子相结合的方法进行矿石的识别,针对检测过程中矿石颗粒的运动与光照问题,局部二值模式(LBP)描述子具有良好的灰度不变特性,能够克服位移、光照不均等问题。傅里叶描述子只需少量的描述子,即可大致代表整个轮廓,从而能更好地区分不同的轮廓,进而达到识别物体的目的。分别提取两种算子,训练出两组异构数据,并利用判别典型相关分析算法得到矿石融合后的特征数据,然后利用K-means分类器进行矿石种类识别。在现场采集的矿石图像上进行试验,识别率高达88%以上。实验表明:提出的方法能有效提高矿石粒径测量的准确度。

GNSS失锁下融合描述子与粒子滤波的LiDAR定位方法研究

在GNSS失锁情况下,如何基于三维激光雷达进行定位,是值得关注的问题。通过点云匹配或蒙特卡洛定位(MCL)的方法进行定位,存在初值敏感、计算时间长和搜索空间大的问题。本文提出了一种定位方法,首先利用描述子初始化,确定粗略的位姿,缩小搜索空间,然后使用MCL进行精定位。通过给定描述子初值,预先计算三维网格概率,达到了缩小搜索空间、减少计算时间的效果。初步的试验结果表明,该方法在GNSS失锁情况下定位精度保持较好。

改进的Fourier-Mellin描述子在图像匹配中的应用

Fourier-Mellin描述子被广泛应用于数字图像匹配中,但由于频谱混叠等噪声及误差的存在,不能保证变化后得到的相关值分布形式是一个标准的二维脉冲函数。本文在此基础上引入带核函数的加权距离公式,先用小波变换在频域中提取出稳定的特征点形成特征向量;然后利用核函数对特征向量进行修正,使之形成标准的二维脉冲函数,以便计算出正确的匹配参数,从而达到两幅图像的匹配。实验结果表明了新算法的有效性和可靠性。

面向图像检索的热力特征描述子构造与匹配

基于深度学习的图像匹配技术已成为图像检索任务的研究热点,受不同局部区域高相似性描述子影响,误匹配问题降低了现有方法的检索精度,为此提出一种面向图像检索的热力特征描述子构造与匹配方法。首先,通过语义分割网络获得每个卷积层的可视化特征图,针对最后一个卷积层具有更强空间信息和语义信息的特点,利用梯度得分获得特征图中每个通道的权重,通过线性融合的方式,在通道维度上加权求和并归一化,利用双线性插值获得最终的热力图。其次,采用深度学习方法(DELF)获得图像深度特征描述子,利用语义分割网络所获得的类别信息和热力值信息构造多维度复合热力特征描述子,给出针对这类特征描述子的KD树结构。最后,基于该结构结合BBF和随机抽样一致算法实现特征匹配。在Oxford5K和Paris6K数据集上进行实验,实验结果表明,与DELF和D2-Net算法相比,该方法在查准率及时间效率上都有所提高,与Fine-tuning CNN、DAME WEB等方法相比检索精度提高近2个百分点。该方法能够更好地提高图像检索效率和精度,实验结果验证了该方法的有效性。

融合全局语义的CLIP-GPT图像描述模型

图像描述是指为图像自动生成与其内容相符的语言描述。桥接计算机视觉和自然语言处理两个领域的预训练模型构建图像描述模型时,跨模态语义一致性是共享子空间嵌入的核心问题。本文将图像拆分成若干片作为视觉语义单元与语言特征进行自由的跨模态关联,突破了有限视觉特征分类的限制;联合运用掩码学习和图文特征匹配两个损失函数,挑选高难度负样本训练跨模态跳接网络提取一致性全局语义,提高了子空间邻域内高相似度图文特征点匹配的准确度。在MS COCO和Flickr30k两个数据集上的实验结果表明,与同样采用CLIP+GPT生成图像描述的模型及其他主流模型相比,性能均有提升,证明了所提出模型的有效性。

一种基于PVDAC描述子的RGB-D三维点云配准方法

利用RGB-D数据进行三维点云配准时容易陷入局部最优.针对这个难题,提出了一种基于多维特征的PVDAC描述子实现三维点云配准的方法 .该方法首先通过ORB特征检测算法提取二维数据的关键点,并计算关键点在2D下的灰度特征,然后构建关键点在3D下的局部像素值距离、点云法线角度以及曲率特征,接着将2D特征和3D特征联合生成全新的PVDAC像素描述子,并利用PVDAC像素描述子描述关键点实现三维点云的粗配准,最后基于ICP算法完成三维点云的精细化配准.实验表明,本文算法在大场景点云配准时总体均方误差约为0.05 m^(2),在小场景单物体点云配准时达到了0.000 2 m^(2)的较小误差,实现了三维点云的精确配准.

基于傅里叶描述子的吸烟行为检测方法

针对烟雾传感器易受粉尘和水雾影响、视频烟雾采集易受光照和气象条件影响等问题,提出了一种基于傅里叶描述子的吸烟行为检测方法。首先,制定了手部区域获取规则,完成Azure Kinect传感器RGB相机与深度相机的标定和对齐,得到包含烟支的手部目标区域;然后,比较不同颜色模型下的烟支分割效果,选择分割效果更优的YCbCr颜色模型,并提取分割后图片基于傅里叶描述子的形状特征;最后,训练支持向量机(SVM)分类器,以交叉验证的方式选择参数。建立吸烟行为检测数据集,比较了不同的分类器。实验结果表明:本文提出的基于傅里叶描述子与SVM的吸烟检测方法准确率达86%、精确率93%、召回率达82%。本文方法检测效果优,可布置在移动巡检机器人上,为保障石化厂区的安全发挥积极作用。

基于人工听觉描述子的零样本音频分类

音频分类使机器具有识别音频样本类别的功能,而与传统音频分类模型不同,零样本学习模型可以识别训练期间未出现的音频类别样本。但是,当前的零样本音频分类方法在做类间信息迁移时大多依靠类别标签文本语义信息的先验知识,而语义的先验知识包含大量与音频非相关的冗余信息,所导致的知识转移性能的局限性大大限制了零样本学习模型识别能力。基于此,文中提出将与音频信息高度相关的人工听觉描述子作为类间迁移信息,同时使用合成分类器,构建了零样本音频分类模型。在ESC⁃50数据集的实验中,与先前的工作相比较,基于人工听觉描述子的零样本音频分类具有更好的分类性能。

基于多轮廓距离形状描述子的植物叶片图像识别

植物叶片形状一般具有小的类间差异和大的类内变化,加上叶片图像仿射变换,给叶片形状识别带来很大挑战。首先从叶片轮廓曲线偏移角度提出了最小投影距离特征和相对投影距离特征,并结合表征轮廓凸凹特性的拱高距离特征,提出一种多尺度多轮廓距离形状描述子。所提算法不仅能从两个正交维度较全面地描述不同尺度轮廓曲线特征,而且具有平移、缩放和旋转不变性。在Swedish和MEW2012叶片数据库上的实验结果表明,所提算法明显优于现有有效轮廓描述算法。此外,提出一种人工特征和深度特征归一化策略,探索低层次轮廓特征和高层次语义特征融合机理,在Swedish和MEW2012叶片数据库上的实验结果表明,融合特征能够显著提高叶片图像识别性能。

基于3D点云地图和描述子的蒙特卡罗定位方法

为了实现机器人充分利用多线激光雷达感知信息进行位姿跟踪,论文提出了一种基于已知3D点云地图和描述子匹配观测模型的蒙特卡罗定位方法。首先设计了一种全新的以三维分箱形式统计障碍物结构信息的BOSS描述子,及高效的相似度计算方法;然后设计了基于扫描帧与局部点云地图BOSS描述子相似度匹配的观测模型;最后提出BOSS-MCL定位方法,借助描述子采样集预生成策略完成粒子的高效更新,实现机器人实时位姿跟踪。在实车平台上的测试结果表明,与传统蒙特卡罗定位相比,该方法在定位精度和稳定性上得到显著提升,具有实际应用价值。