基于Procrustes均值形状和Fan-Beam变换的步态识别

针对单一特征进行步态识别的局限性,为了得到更准确的识别结果,利用动静态信息的互补性,将两者结合起来进行身份识别。首先用Procrustes均值形状提取步态轮廓形状静态特征,然后计算步态能量图(GEI),再对GEI进行Fan-Beam变换,使用二维主成分分析进行特征空间降维,得到运动目标的频率动态特征,最后将两个特征欧氏距离融合起来获得最后的识别结果。在中科院的Dataset B数据库上进行实验,达到了预期的识别效果。

基于频谱分析的Procrustes统计步态识别算法

在信息安全越加重要的现代社会,步态识别以其特有的优势作为一种身份识别手段,得到了很多关注.提出一种基于Procrustes均值形状的傅里叶频谱分析(FSAOPMS)的适用于多视角的步态识别方法.利用Procrustes统计形状分析方法将步态序列中人体轮廓的连续步态变化表示成一个紧致的Procrustes均值形状(PMS),将PMS作为原始步态特征,对PMS进行傅里叶频谱分析(FSA).计算不同步态序列的PMS幅度谱的欧式距离,利用最近邻(NN)分类器进行识别.在中国科学院自动化所的CASIA Gait Database数据库上进行了实验,与其他3种方法进行了比较,新方法具有很高的识别率,证明了该算法的有效性.

基于机器学习算法的块石形状分类及土石混合体数值模拟

现有块石形状特征的数值模型或过于简化块石形状或未进行块石形状的频率统计,为此基于主成分分析算法(PCA)和K均值聚类算法,提出新的建模方法.利用Matlab对土石混合体断面照片进行数字图像处理,得到块石轮廓样本;对块石轮廓进行形心原点化、长轴水平化、最大极径归一化等标准化处理,得到标准化后的块石轮廓向量.分别采用PCA和K均值聚类算法对块石轮廓向量进行降维和聚类,对得到的分类块石形状进行频率统计.建立考虑块石形状分类及频率、颗粒级配、块石倾角的土石混合体随机模型,进行双轴压缩数值模拟,分析塑性应变和应力-应变曲线特征.在较高含石量和较大块石粒径情况下比较模型的变形和抗压强度,考虑块石形状的土石混合体模型与传统含多边形块石的土石混合体模型差异明显.

K均值聚类分割的多特征图像检索方法

从图像数据库中快速、准确地检索出所需要的图像,具有广泛的应用前景。针对使用单一图像特征难以准确表达图像之间的差异问题,提出了一种利用颜色聚类分割和形状特征提取的图像检索算法。选择符合人眼视觉特征的HSV空间,分别重组最能描述图像颜色特征的H分量和形状特征的V分量;用K均值聚类算法对两个分量进行聚类分割,得到目标物体;提取目标物体的Hu不变矩和傅里叶描述子来描述形状特征;用欧式距离进行相似度测量并用于图像检索中。采用不同类型图像进行实验,结果表明该算法优于使用单一特征和一般分割方法的图像检索技术。

基于Grassmann流形的仿射不变形状识别

传统的Kendall形状空间理论仅适用于相似变换,然而成像过程中目标发生的几何变形在更多情形时应该用仿射变换来刻画.基于Grassmann流形理论,本文分析了仿射不变形状空间的非线性几何结构,提出了基于Grassmann流形的仿射不变形状识别算法.算法首先对训练集中的每类形状分别计算形状均值和方差,进而在形状均值附近的切空间构建多变量正态分布;最后,根据测试形状的观测和先验形状模型求解测试形状的最大似然类,对形状进行贝叶斯分类.MPEG7形状数据库的实验结果表明,与传统Kendall形状分析中的基于Procrustean度量识别算法相比,本文识别算法具有明显优势;真实场景中的目标识别结果进一步表明,本文算法对仿射变形有更好的适应能力,在复杂场景下能以较高的后验概率辨识出目标类别.

基于颜色和形状特征的机采棉杂质识别方法

机采棉的含杂识别分类检测能够提高棉花加工设备效率,减少棉花纤维损伤,并为棉花收获设备的改进提供指导。提出了一种基于颜色和形状特征的机采棉杂质识别分类方法,对大杂质和小杂质检测采取不同的图像处理方法。颜色特征主要采用基于彩色梯度图像的分水岭变换与改进模糊C均值聚类方法融合的方法;形状特征主要采用机采棉杂质的面积、周长、离心率和矩形度特征。通过对100幅机采棉图像试验表明,该方法对各类杂质的平均识别正确率为89%。

基于均值移动和椭圆拟合的人脸跟踪算法

为了解决均值移动跟踪算法对目标的尺度变化自适应能力差的缺点,针对人脸跟踪具体问题,提出了一种基于均值移动和椭圆拟合的人脸跟踪算法.根据当选择较大核窗进行均值移动跟踪时一般可以准确定位目标的事实,以及人脸形状椭圆近似性的特征,利用一个较大核窗的均值移动跟踪器对人脸目标进行粗略定位,在此基础上再用一种高效鲁棒的直接最小二乘椭圆拟合方法来自动调整人脸尺度的大小.实验表明,该改进算法能有效地解决均值移动人脸跟踪中的目标尺度自适应调整问题,其跟踪效果明显优于原均值移动目标跟踪算法.

带宽自适应的均值漂移红外目标跟踪算法

当目标尺度发生变化时,传统均值漂移跟踪因窗口尺寸不变导致跟踪目标丢失.为解决该问题,提出一种带宽自适应的均值漂移跟踪算法.该算法在均值漂移框架下提取目标的形状特征,根据目标形状变化自适应的修正核函数带宽,并更新目标模板.实验结果表明,改进算法能很好地适应尺寸变化的目标,能有效提高红外目标的跟踪准确度.

基于数字图像处理的油菜种子形状特征参数提取及模糊聚类分析

基于数字图像处理与分析技术,利用采集的油菜种子图像提取7个种子形状特征参数,选用圆形度和短长轴比作为油菜种子分类参数,应用模糊C-均值聚类分析方法把全体样本分为3类并得到油菜种子形状量化参数,在此基础上对样本油菜种子形状进行量的规定.进一步讨论基于种子形状的油菜种子分级,为油菜种子分类与鉴定提供可靠依据.

一种基于扩散几何的非刚体三维形状分割方法

三维形状分割是三维形状分析中的一个重要问题.为了使分割结果能适应非刚体丰富的姿态变化,提出一种基于扩散几何的三维网格分割方法.该方法采用波核特征的局部极值点作为非刚体网格模型表面的显著特征点;进而将显著特征点作为初始聚类中心,采用K-均值聚类算法来获得分割结果.实验结果表明,文中方法不仅对处于不同姿态的非刚体三维形状具有良好的分割一致性,而且对噪声、孔洞等具有较好的鲁棒性.

基于改进主动形状模型的前列腺超声图像分割算法

为了提高前列腺超声图像的分割精度,提出了一种基于改进主动形状模型的前列腺超声图像分割算法.首先,提取前列腺超声图像的特征集合,该特征集合由Gabor纹理特征和局部二值模式(LBP)特征组成.然后,通过利用k均值算法对提取的特征集合进行聚类分析,得到超声图像的聚类表示图.最后,在聚类表示图上应用ASM获取超声图像中前列腺的形状信息.结果表明,该算法可以准确地定位前列腺边界信息,与医生手动标记的前列腺轮廓相比,平均绝对距离仅为1.559 6 mm,戴斯相似度系数最高可达93.88%.利用超声图像的聚类表示图可以获得更加精确的前列腺轮廓信息,可用于海扶高聚焦超声(HIFU)手术中的精准导航.

改进的广义高斯分布与非局部均值图像去模糊

为了改善常规算法不能保留图像边缘细节信息的缺陷,获得更好的图像去模糊效果,在非局部均值图像复原算法的基础上提出一种新的基于广义高斯分布与非局部均值的去模糊算法。先对模糊图像进行小波变换,然后应用极大似然估计的方法以及经典的Newton-Raphson算法来估计出广义高斯分布模型的尺度参数和形状参数,利用这两个参数改进原始的单一根据指数函数的衰减速度和局限于一个参数来求图像权值的方法。在多个典型图像上的测试结果表明,改进算法后的图像去模糊化效果比原始的NL-means方法更优越,具有很好的应用前景。

基于模糊C-均值聚类算法的α/β粒子辐射甄别方法

介绍了一种基于模糊C-均值聚类的脉冲形状甄别方法,对α/β粒子进行甄别。设计了一种新的α/β粒子辐射检测电路;采用单探头闪烁体探测器采集环境中的α/β粒子;实验表明,相比脉冲幅度识别法,模糊C-均值聚类算法识别将6190cps0420α源的α粒子计数率提高了42.9%,α道对β道的串道比降低了15.9%;将05-05β源的β粒子计数率提高了31.8%,β道对α道的串道比降低了7.7%。

基于局部形状结构分类的心血管内超声图像中-外膜边界检测

本文提出了一种基于局部形状结构分类的心血管内超声(Intravascular Ultrasound,IVUS)图像中-外膜边界检测方法.首先利用k-均值(k-means)聚类方法,确定局部形状结构类别;其次通过类别标号索引图像块,并对其进行积分通道特征和自相似性特征提取,构建多分类随机决策森林模型;最后由分类模型寻找IVUS图像的关键点,采用曲线拟合方法,实现IVUS图像中-外膜边界检测.实验结果表明,本文方法能够有效地解决IVUS图像中斑块、伪影和血管分支等造成边缘难以准确检测的问题,与已有算法相比,其JM(Jaccard Measure,JM)达到了88.9%,PAD(Percentage of Area Difference,PAD)降低了19.1%,HD(Hausdorff Distance,HD)减少了9.7%,更准确地识别目标边界的关键点,成功地检测出完整的中-外膜边界.

基于四边形网格均值坐标的K-2环网格曲面构造

为在曲面造型中避免产生扭曲、褶皱等现象,将四边形网格中内点的K-2环网格作为控制网格,提出一种简单、灵活的曲面构造方法。给定一个K-2环控制网格,构造一个与其具有同样拓扑结构的平面网格。再将平面网格拓展成空间四边形网格,同时在平面网格内进行采样。然后计算采样点关于空间四边形网格顶点的四边形网格均值坐标,最后利用四边形网格均值坐标生成曲面,保证曲面上的每一点都满足C^(∞)。在这个过程中设置了一个全局形状因子h,用于控制曲面与初始控制网格的逼近程度,通过实例证明,h越小,曲面越逼近初始控制网格。

双视角下多特征信息融合的步态识别

针对步态识别研究中单视角识别率低、多视角算法复杂等问题,开展了双视角下的步态识别研究.考察正面视角人体的轮廓特征和侧面视角人体行走的动态特征,利用多视角步态信息互补性强的特点,分别从正面视角和侧面视角获取步态序列,预处理得到单连通人体轮廓图形,然后对正面视角提取Procrustes均值形状,侧面视角计算动作能量图(AEI)并经二维局部保留映射(2D-LPP)降维,最后将2个视角下的识别结果进行融合从而获得最终的识别结果.在中科院自动化所的DatasetB数据库上进行了实验,获得了较高的识别率,达到了预期的识别效果.

多特征和多视角信息融合的步态识别

提出了一种基于多特征和多视角信息融合的步态识别方法。应用背景差分和阴影消除获得人体步态轮廓,对人体轮廓使用伪Zernike矩、小波描述子和Procrustes形状分析法进行了特征提取。通过多特征和多视角步态信息融合,完成了基于人体步态特征的身份识别。该方法在CASIA步态数据库上进行了实验,取得了较高的正确识别率,实验结果表明本文所提出的识别方法具有较高的识别性能。

复杂背景下黄瓜病害叶片的分割方法研究

利用图像处理和模式识别技术进行复杂背景下黄瓜叶部病害的自动识别,需要先把目标叶片从复杂背景中分割出来,才能进行后续的特征提取和病害识别。为实现复杂背景下黄瓜叶片的分割,首先利用K-均值聚类算法去除图片中的非绿色部分,再采用基于laplacian of gaussia(LOG)算子的方法对待分割的叶片进行区域检测,然后进行基于形状上下文(shape context)的模板匹配和分割。为了提高匹配速度,先检测叶片的生长点和叶尖,以确定叶片的位置、尺寸和方向;然后使用基于超像素(superpixel)的最优匹配搜索方法来减少搜索的复杂度。对20幅黄瓜叶部病害图像进行分割测试,并与人工分割法进行对比,结果表明,本文所采用的分割算法能较好地从复杂背景下提取出黄瓜叶部病害图像,分割准确率达94.7%,为后期黄瓜病斑的特征提取等工作奠定了良好的基础。

基于单目视觉的移动机器人跟随

针对室外环境下移动机器人基于单目视觉对目标人实时跟随问题进行了研究,提出通过均值漂移算法对像平面目标的跟踪来实现目标定位。为了补偿摄像机运动造成目标在像平面的偏移,提出了以卡尔曼滤波器的估计值作为均值漂移算法的启动点,然后利用均值漂移算法获得最终位置;为了估计单目视觉下目标与机器人之间的距离,提出了一种借助于主颜色描述子和形状直方图的间接景深计算方法。室外实验表明该算法具有很好的实时性和鲁棒性,能有效实现复杂室外环境下对人的跟随。

截面分析法对任意凸形粒子周围界面过渡区厚度过高估计的解析解

借助于几何概率中的一些相关理论,从理论分析的角度,对表面为凸形曲线或曲面的二维和三维任意形状粒子建立了表观界面过渡区厚度统计平均值和实际界面过渡区厚度之间的定量关系。结果表明,对于二维凸形粒子,截面分析法所得的表观界面过渡区厚度的统计平均值与实际界面过渡区厚度之间的比值小于π/2。精确比值与粒子的形状有关。如果实际界面过渡区厚度与粒子的尺寸相比可以忽略的话,截面分析法所得的表观界面过渡区厚度的统计平均值与实际界面过渡区厚度之间的比值约等于π/2。对于三维凸形粒子,截面分析法所得的表观界面过渡区厚度的统计平均值与实际界面过渡区厚度之间的比值小于2,比值的精确解与粒子的形状有关。如果实际界面过渡区厚度与粒子的尺寸相比可以忽略的话,截面分析法所得的表观界面过渡区厚度的统计平均值与实际界面过渡区厚度之间的比值约等于2。