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。

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。

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。

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。

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。

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。

一种高效的二进制点云局部特征描述算法

针对现有点云局部特征描述算法时效性和紧凑型不能满足实际应用需求的问题,提出一种二进制多层切片距离特征描述算法(B-MSD)。首先在特征点处建立了一种稳健的局部参考坐标系;然后设计了两种多层切片和子区域划分方式并计算平均距离,以提取点云局部三维形状特征;最后通过量化的方法将各子区域计算的平均距离转化为二进制码串,串联所有码串生成最终的二进制描述子。在多个公开点云数据集上与几个经典描述子进行仿真对比,结果表明,在鉴别力更强的基础上,上述算法的紧凑性、计算效率和匹配速度方面综合表现更好。3D目标检测和点云配准应用实验也验证了上述算法的有效性。

加窗灰度差直方图描述子及其对SURF算法的改进

如何构造紧凑而有效的特征描述子是机器视觉和模式识别领域重要的研究课题之一。针对SURF(Speeded Up Robust Features)算法的Haar描述子不能充分利用特征点周围信息的缺陷,该文提出了一种新的局部不变描述子——加窗灰度差直方图(Windowed Intensity Difference Histogram,WIDH),该描述子基于特征点周围邻域一个较小的核心区域,通过窗口模板的移动充分利用外围作用区域的灰度差信息,构造了一个维度低且辨识力很强,运算简单高效的描述矢量。实验表明,将WIDH用于改进SURF算法的Haar描述子时,可以用更低维的矢量获取与SURF相近或更好的辨识能力。在抗模糊性和抗噪性方面,WIDH明显优于SURF的Haar描述子,相同的错误率下查全率分别提高了大约35%和50%。

基于纹理谱描述子的图像检索

提出一种新的纹理谱描述子应用于基于内容的图像检索中.讨论了小波变换的思想和纹理谱概念的联系,根据纹理的视觉特性,提出纹理模式等价类的概念,设计出更合理的纹理谱描述子来描述图像的纹理特征.该纹理模式刻画了领域内像素灰度变化模式,以纹理谱直方图方式表示图像纹理内容.分析了纹理谱的对称不变性和旋转鲁棒性的特点.应用于图像检索,与Gabor纹理特征相比较,该纹理谱描述子特征提取速度快,检索准确率高.

基于归一化椭圆傅里叶描述子的黄瓜形状识别

为定量描述水果形状以便为后续识别提供特征信息,以黄瓜为研究对象,通过对黄瓜图像进行增强、阈值、形态学及边界提取操作,提取黄瓜边界并用数对表示。采用椭圆傅里叶描述子定量描述边界信息,并做尺度变换、旋转变换及起始点变换归一化处理。利用描述子对黄瓜边界进行重建,对重建后边界做误差分析。实验结果表明:采用椭圆傅里叶描述法,只需少量描述子即可完成黄瓜形状识别,并可准确重建原始形状。

融合几何特征的压缩感知SIFT描述子

为了解决尺度不变特征变换(SIFT)描述子在存在较多相似结构的匹配中,易造成误匹配,并且维数较高、匹配耗时的问题,提出了一种融合相对几何位置的压缩感知描述子。首先,以特征点为中心,将周围关键点的相对几何位置(RGL)信息形成尺度和旋转不变的RGL描述子,其次,对SIFT描述子利用压缩感知(CS)理论进行降维,形成CS-SIFT描述子,最后将两者融合形成RGL-CS-SIFT描述子。实验结果表明:与SIFT和PCA-SIFT描述子相比,匹配速度有所提升,匹配准确率明显提高。

结合CSS与傅里叶描述子的手势特征提取

目前常用的基于视觉的静态手势特征提取方法只从单一方面进行描述,缺乏全局信息和局部信息的有效结合。为此,提出一种结合CSS形状描述子与傅里叶描述子的手势特征提取方法。将CSS形状描述子与傅里叶描述子相结合,以此作为一种融合手势局部特征和全局特征的新的静态手势特征。实验结果表明,与传统方法相比,该方法的正确率更高,达到98.3%。

一种快速有效的图像纹理谱描述子

提出了一种基于纹理基元等价类的纹理谱描述子来描述图像的纹理特征 该纹理谱刻画邻域内像素灰度变化模式 ,以纹理谱直方图方式表示图像内容 与Gabor纹理特征的对比实验表明 ,文中的纹理谱描述子特征提取速度快、检索准确率高

基于傅里叶描述子的稻飞虱形状识别

分析了具有旋转、平移和尺度变换不变性,并且与边界的起点位置无关的归一化傅里叶描述子,并把傅里叶描述子及欧氏距离应用于稻飞虱的形状识别中,通过计算同一形状和不同形状的平均离散度检验了归一化傅里叶描述子系数的稳定性,从而确定形状系数基准值。对191张样本图像进行了测试,当相似度差异小于0.0123时,稻飞虱误判率为7.85%。结果表明,归一化傅里叶描述子具有高效的识别性能。

基于SURF描述子的遥感影像配准

针对多源遥感影像的配准问题,提出一种基于SURF描述子的匹配算法,该算法具有稳健及高精度特性,采用SURF匹配算法得到同名点,利用一次多项式、Forstner算子和最小二乘原理由粗及精地剔除残差较大的同名点,利用提取的密集同名点构建三角网,对影像进行分块精确纠正。实验结果表明,该算法能够实现多源遥感影像的高精度配准。