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。

面向弱纹理图像的自适应多邻域特征点描述子

针对弱纹理场景中特征提取困难、特征匹配准确率低等问题,提出一种自适应多邻域结构张量(adaptive multi-neighborhood structure tensor,AMST)特征点描述子。基于多个图像邻域及其结构张量,多层次地表达图像结构信息,解决弱纹理图像的特征提取与匹配等问题;通过特征点密度自适应邻域数量,提高计算效率,利用海森矩阵,剔除不稳定特征点,增强算法实时性以及稳定性。实验结果表明,AMST算法在弱纹理图像上的匹配准确率达到99.90%以上,同时具有良好地旋转不变性,能够适应遮挡、截断等复杂场景,具备良好的鲁棒性。

基于FPFH描述子的高效点云配准与拼接方法

为提高点云拼接精度,针对物体表面平整光滑而寻找关键点要求高的问题,提出1种改进的基于快速点特征直方图(FPFH)描述子的点云配准方法。对待配准的点云进行体素降采样,以此点作为关键点,并计算FPFH描述子用以描述局部特性;估计两点云之间点到点的对应关系,并经过随机采样一致性(RANSAC)算法取内点、去外点,估计初始位姿;利用迭代最近点(ICP)方法对点云进行精配准,完成点云数据的配准;依次对相邻的点云进行配准,获得旋转平移矩阵,实现点云拼接。利用公共数据集点云与自主扫描的石头点云数据,采用本文方法与传统ICP方法进行对比仿真实验,验证本文方法的有效性。结果表明:与传统ICP配准方法相比,本文方法的适应度分数为1.579E−05,显著低于点到点和点到面ICP配准方法的适应度分数;对于公共数据集不同角度下的点云拼接,本文方法的相邻点云间配准平均适应度分数达到2.058E−04,平均MSE为0.075;对于自主扫描的石头点云拼接,去除错误匹配点对后保留的对应关系基本呈现平行效果,拼接结果符合预期。使用降采样点作为关键点,并计算FPFH描述子后进行点云配准,不仅可有效降低计算复杂度,配准精度也得到显著提升,尤其在处理表面平整光滑的物体时,本文方法可为点云拼接提供良好基础,具有较好的实用性。

基于频率域特性的闭合轮廓描述子对比分析

本文将通过实验对两种基于频率域特性的平面闭合轮廓曲线描述方法(Fourier Descriptor,FD和Wavelet Descriptor,WD)的描述性、视觉不变性和鲁棒性的对比分析,讨论它们在形状分析及识别过程中的性能。在此基础上提出一种基于小波包分解的轮廓曲线描述方法(Wavelet Packet Descriptor,WPD),通过与WD的对比表明其在特定场合具有更强的细节刻画能力。

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%。

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。

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。

一种新的几何特征形状描述子

通过对平移旋转和伸缩变换下的不变量进行研究,证明了形状的长轴端点和重心是该变换下的不变量,提出了长轴两端点与重心所成的夹角这一几何特征的形状描述子,该形状描述子具有平移旋转和伸缩变换不变性,理论分析和实验结果表明该描述子简单高效,具有较好的形状匹配结果。

V描述子与B样条曲线

基于L20,1中的一类规范正交完备函数系———V系统,建立了B样条曲线转化为V系统的表示算法,并提出B样条曲线间的“距离”概念,以此估计B样条曲线间的相近程度·该结果在造型优选、案例比对、医学检验、目标判别等相关问题中,有望得到有效的应用·

基于椭圆傅里叶描述子的形状表示的研究

形状表示是模式识别和计算机视觉中最重要的研究内容之一。针对传统形状表示算法对形状的整体特征和细节信息不能同时描述、通用性不高的问题,提出了一种基于高斯多尺度分析下的椭圆傅里叶描述算子。提出的算法利用高斯函数与目标形状的复坐标函数进行卷积,通过选择高斯曲线的参数,将形状的边界信息呈现到不同的尺度空间之中;利用椭圆傅里叶变换将其展开得到表示该形状的特征向量。实验结果表明,该方法的优点在于描述同类形状时,特征向量之间的相关系数高,具有很好的平移、旋转以及尺度不变性;在描述不同类形状时,相关系数低,有很强的形状区分能力。该方法在形状分类实验中也有较高的检索准确率。

氨基酸描述子SVG及其在肽序列QSAR中的应用

从天然氨基酸74个Geometrical指数经主成分分析得出一种新三维氨基酸描述子——SVG(principalcomponent scores vector of geometrical descriptor),应用该描述子通过偏最小二乘对58个血管紧张素转化酶抑制剂与48个苦味活性二肽建立定量构效关系(QSAR)模型。建模复相关系数R2cum与交互检验复相关系数Qc2um分别为0.823,0.770;0.844,0.704。进一步采用外部样本对模型稳定性能进行了深入分析和检验,所得外部样本校验复相关系数(Qe2xt)分别为0.755和0.703。研究结果表明,SVG描述子操作简便、结构表达能力强。

基于亮度序的均值标准差描述子

在已有均值标准差曲线描述子(MSCD)的基础上,引入亮度序划分思想,提出一种基于亮度序的均值标准差描述子(IOMSD).与传统描述子构造时采用固定位置进行子区域划分不同,文中依据局部区域内各像素点的亮度大小关系划分子区域.该方法能克服图像形变带来的边界误差,且对线性光照和单调光照变化具有不变性.实验结果表明,IOMSD对旋转、视角变化及光照变化图像具有鲁棒性,尤其在形变稳定性上优于已有的MSCD算法.

一种基于多级弦长函数的傅立叶形状描述子

提出了一种用于形状检索的基于多级弦长函数的傅立叶形状描述子(MCLFD).它产生于对形状轮廓线的等弧长分割.相对于其它的傅立叶描述子,MCLFD不仅计算非常简单,而且对形状的整体特征和细节信息都能进行很好的描述.作者用MPEG-7的标准轮廓线形状测试集和从野外采集的植物叶片形状库,对MCLFD进行了检索性能测试,并和其它的傅立叶描述子进行了对比,实验结果表明,MCLFD具有更优的检索性能,通过加噪声实验也证明了其鲁棒性.

傅立叶描述子识别物体的形状

傅立叶描述子是分析和识别物体形状的重要方法之一 .利用基于曲线多边形近似的连续傅立叶变换方法计算傅立叶描述子 ,并通过形状的主方向消除边界起始点相位影响的方法 ,定义了新的具有旋转、平移和尺度不变性的归一化傅立叶描述子 .与使用离散傅立叶变换和模归一化的传统傅立叶描述子相比 ,新的归一化傅立叶描述子同时保留了模与相位特性 ,因此能够更好地识别物体的形状 .实验表明这种新的归一化傅立叶描述子比传统的傅立叶描述子能够更加高效。