基于3D形状上下文特征改进的ICP点云配准算法

针对传统ICP算法配准过程中存在误差大、耗时长及收敛慢等问题,提出一种基于曲率特征约束的3D-Harris算法结合3D形状上下文(3DSC)特征的点云配准方法。首先提取点云数据的体素中心,利用k最近邻搜索获取体素中心邻近点为体素栅格来下采样,以表面法线与平均曲率为特征约束提取降采样后3D-Harris特征点,采用3DSC对特征点进行描述,然后根据3DSC特征结合RANSAC算法进行粗配准,估算点云的初始位姿。最后利用k-d tree加速对应点的查找,线性最小二乘法优化点到面ICP算法求解最优变换矩阵。采用不同规模、不同重叠度且含高斯噪声的缺失数据的数据集进行仿真实验,结果表明:与经典ICP方法及结合SIFT的SAC-IA+ICP方法比较,所提方法在保持算法快速性的情况下,配准精度更高,收敛速度更快。

一种基于三维形状上下文特征的点云配准算法

针对点云配准过程中点云数据量大、配准时间长、配准精度低的问题,提出了一种基于内部形态描述子(intrinsic shape signatures, ISS)和三维形状上下文描述子(3D shape context, 3DSC)的点云配准算法。该方法首先使用体素网格滤波器对点云进行下采样,接着利用ISS算法提取特征点,并通过3DSC进行描述,然后通过改进的随机采样一致性(randon sample consensus, RANSAC)算法进行粗匹配,最后用改进的迭代最近点算法(iterative closest point, ICP)对点云进行精匹配。试验结果表明,与基于ISS+3DSC的三维正态分布变换(normal distribution transformation, NDT)算法和基于采样一致性初始配准(sample consensus initial aligment, SAC-IA)的ICP算法相比,本文算法的配准精度及效率更高,且对于数据量大的点云也有较好的匹配效果。

基于改进形状上下文特征的二值图像检索

提出了改进的形状上下文算法以克服传统的形状上下文算法不具备旋转不变性这一缺点。该算法利用找寻包含采样点数最多的角度区间的方式改变图像角度,对相对应的区域进行比较,并计算匹配代价,从而为形状上下文加入旋转不变性。为提高运算速度,算法也引入了剪枝方法,解决了进行直方图距离计算时遍历采样点的问题。实验显示,本文的算法在公开数据库上测试得到的精确度召回率(PR)曲线与郑提出算法的PR曲线性能接近,但是计算速度较其提升了近1倍;与传统的形状上下文算法相比,提出算法的PR曲线更为优越,且检索精度有较大提高。因此,提出的算法综合检索性能更好,能够有效地的应用于二值图像检索领域。

基于模糊形状上下文特征的形状识别算法

利用形状上下文特征进行形状匹配的过程中,各采样点被直接二值划分至不同的直方图栅格,致使特征表达不精确,进而导致匹配结果存在偏差.本文在对数极坐标系中引入模糊隶属度函数,利用采样点分布的模糊划分结果建立直方图,生成模糊形状上下文特征,从而更精确地描述形状信息.在极坐标系下对采样点集合进行分割,提出分割匹配的方法,减少不必要的特征匹配次数.在此基础上,利用循环移位匹配方法解决形状在不同角度姿态下利用形状上下文特征匹配的问题.通过对不同数据进行仿真分析,证明本文所提出的方法能有效实现形状识别和检索.

基于相对形状上下文和谱匹配方法的点模式匹配算法

该文提出了一种将不变特征与谱匹配方法相结合的点模式匹配算法。该算法首先提出一种新的基于点集的不变特征相对形状上下文,然后利用点集间相对形状上下文的统计检验匹配测度来定义新的相容性度量,并以此为基础构造分配图及其亲近矩阵。最后利用分配图亲近矩阵的主特征向量以及匹配约束条件来实现点模式匹配问题的求解。模拟仿真与真实数据实验验证了该文算法的有效性和鲁棒性。

一种结合形状上下文分析的Laplace谱匹配算法

提出了一种结合形状上下文分析的Laplace谱匹配算法。工作主要侧重于如何提高Laplace谱匹配算法对点的位置随机抖动的鲁棒性。首先,使用Laplace矩阵的特征向量和特征值以及双随机矩阵的方法计算初始匹配概率。然后,借助于概率松弛算法,将用形状上下文表示的局部相似性融入Laplace谱匹配算法以优化谱匹配的结果。对真实和合成数据的实验表明该方法具有比较高的精度。

基于形状上下文的列车挡键丢失图像识别算法

针对列车运行故障图像动态检测系统(Trouble of moving Freight car Detection System,TFDS)中挡键丢失故障,提出一种基于形状上下文的列车挡键丢失图像识别算法。取正常挡键区域图像作为模板,到待测TFDS图像中遍历,采用形状上下文描述图像的形状特征,加权形状上下文距离与弯曲能量以定义形状距离作为图像匹配的相似度指标,最后根据模板图像是否遍历出与其相似的区域图像作为挡键丢失的判断依据。采用Matlab编程,通过截取大量测试图像实验发现,所定义的形状距离阈值取0.16,对测试图像中有无挡键能很好地区分。采用形状上下文描述,自定义形状距离作为图像匹配的相似度指标具有很高的可靠性,该算法为TFDS图像故障识别提供了一种新的思路。

基于形状上下文的形状匹配

提出了用于形状匹配的自适应边界点选取的形状上下文方法。首先,根据目标形状,自适应地确定边界点个数;然后,利用选取的边界点,按照本文方法计算该目标的形状直方图;最后,利用形状直方图计算不同目标之间的相似度。基于手写体数字的试验表明,形状上下文在有效描述目标的形状特征的基础上,准确地计算了不同目标之间的相似度,达到了满意的匹配结果。

利用模糊形状上下文关系的红外与可见光图像匹配方法

对于同一场景可见光和红外图像提取的灰度特征存在差异导致匹配性能下降的问题,利用了该两个谱段图像仅在形状上模糊相似的特点,提出采用形状上下文思想实现红外与可见光图像之间的匹配方法。具体方法是在提取图像边缘的基础上,用采样模板获取点特征图像,然后利用提出的不等分坐标空间提取局部形状统计信息的直方图,再以形状上下文特征开支与全局特征匹配开支的加权和作为相似性测度实现匹配。与已有的形状上下文算法相比,此方法减少了25%的特征维数,鲁棒性更好。针对多个红外和可见光图像序列的匹配实验结果显示,此方法与归一化灰度互相关、Hausdorff距离、文献中的形状上下文和SIFT算子等匹配算法相比,其匹配正确率分别平均提高了34.7%、21.2%、7.7%、88.9%,证明了该方法的有效性。

基于局部相对形状上下文与Q-谱的点模式匹配算法

本文提出了一种基于局部相对形状上下文与Q-谱的点模式匹配算法,对每个点构造相应的线图,并对线图的无符号Laplacian矩阵进行谱分解;利用谱分解所获得的特征值(Q-谱)作为点的特征,进而计算点的初始匹配概率;通过定义局部相对形状上下文计算点的相似性距离;将Q-谱方法与局部相对形状上下文结合进行概率松弛迭代获得匹配结果.实验结果表明了本文算法的可行性与有效性.

基于改进典型形状上下文特征的形状识别方法

针对形状上下文特征难以解决大规模样本的形状识别问题,提出一种利用角点典型形状上下文特征进行快速形状识别的方法.该方法仅以少数角点作为代表点生成直方图,对目标形状关键特征进行描述,通过减少匹配的特征数目降低了采样点匹配时间;在此基础上提出了局部约束匹配的方法,能够快速实现形状匹配并解决特征旋转不变性的问题,最终通过结合快速剪枝和精确匹配完成形状的识别.对形状数据进行仿真实验的结果证明,文中方法能够快速、有效地实现大规模数据的形状识别和检索.

基于形状上下文的人脸匹配算法

提出一种基于形状上下文的人脸形状匹配算法。在形状匹配中,将2个目标进行相似度比较,得到2幅图的对数极坐标直方图的Cost值,计算相似度是否达到预设的阈值来判定其人脸是否匹配。实验结果表明,该算法在二维目标的不变性中,具有准确的匹配效果。

基于形状上下文的低质量车牌字符识别方法

车牌字符识别的问题已经被广泛研究,但是对于一些低质量字符的识别率还是有待提高,特别是形近的字符,如(4,A)。针对这一问题提出一种结合局部特征和形状上下文特征的两级识别方法。在第一级分类时(称为粗分类),将形近字符识别为一类。若粗分类结果不是形近字符,则输出识别结果;否则进入第二级分类器进行细分类。细分类使用形状上下文的方法,并结合显著特征区域的思想,针对不同类别的形近字符,运用基于显著特征区域的形状上下文方法进行特征提取,再通过图像匹配得到识别结果。实验证明这种方法能够有效地对低质量形近字符进行识别。

基于形状上下文的复杂验证码识别算法

使用改进的形状上下文方法对复杂验证码进行识别,采用整体识别方法,不对图片进行切割,使用半极坐标圆进行建模的方式,解决2个字符连接处像素点建模互相干扰的问题。设计并实现复杂验证码识别算法,并与简单验证码进行比较。实验结果证明,复杂验证码识别算法能对字符粘连的复杂验证码进行识别。

基于自适应形状上下文特征的实时杆号识别

为了解决铁路供电接触网检测中杆号没有统一标准而造成识别困难的问题,提出了一种基于自适应形状上下文特征(Shape Context)的实时杆号识别算法。该算法利用已知的模板字符与杆号图像通过Shape Context匹配算法进行杆号识别和定位,然后通过自适应策略算法得到正确的杆号。实验结果表明,对于不同形状,不同大小的杆号牌,辅以较少的配置就可以实现杆号识别,准确率在95%以上,具有良好的工程实践意义。

基于形状上下文特征和ICP的高精度轮廓视觉检测算法

为了解决任意形状工件轮廓尺寸的高精度检测问题,提出了一种基于形状上下文特征和迭代最近点的轮廓视觉检测算法.首先,在图像中采用基于局部面积的边缘提取算法提取工件的亚像素边缘,并过滤掉噪声和补齐轮廓;然后,基于从粗到精的匹配策略,先使用形状上下文特征进行粗匹配,再使用迭代最近点算法进行精匹配;最后,提出邻域法来计算出轮廓偏差.标定板实验和工件实验结果表明,该算法的检测精度达到0.5个像素,可以满足实际应用的需要;同时,该算法应用在工业检测上可大大提升误差检测的应用范围和工业生产效率.

基于形状上下文特征的植物叶图像匹配方法

提出一种将形状上下文特征应用于植物叶片图像自动识别的方法。该方法首先根据叶片形状自适应确定边界点数目,然后计算叶片的形状直方图,最后利用形状直方图计算不同目标之间的匹配相似度。实验结果验证了该方法的有效性。

基于距离比上下文的形状描述与识别方法

基于形状轮廓上的采样点到形状质心的距离,提出了一种距离比上下文形状描述符,用于形状识别和检索。该描述符计算简单,能有效区分不同形状,本质上具有平移、缩放不变性,且在一定程度上能抗部分遮挡和形变。用动态规划算法度量形状比上下文之间的距离,解决了对起始轮廓点的选择问题。在kimia’s-99形状图像数据库中的实验结果表明,该方法在单目标封闭轮廓的形状图像检索中取得了良好的效果。

基于相对形状上下文与概率松弛标记法的点模式匹配算法

点模式匹配是计算机视觉和模式识别中重要而基础的问题。在立体视觉匹配、图像配准、目标识别与跟踪等方面都有广泛的应用,是目前各领域关注和研究的热点。该文提出了一种新的将不变特征与概率松弛标记法相结合的点模式匹配算法。该算法首先提出一种新的基于点集的不变特征一相对形状上下文,然后利用点集间相对形状上下文的统计检验匹配测度来定义概率松弛标记法中新的相容性系数,并以此为基础来构造鲁棒的支持函数。最后通过匹配概率矩阵的松弛迭代以及匹配约束条件来实现点模式匹配问题的求解。模拟仿真与真实数据实验验证了本文算法在点集间存在相似变换乃至透视变换情况下具备较高匹配正确率,而且对于噪声和出格点也具备较强的鲁棒性。

基于SURF和形状上下文的人脸匹配算法

针对人脸匹配在光照、姿态、表情等背景因素影响下匹配正确率低的问题,提出一种基于SURF和形状上下文(SC)的人脸图像匹配算法。在对图像进行人脸区域检测和重构积分图预处理的基础上,利用两次SURF算法提取人脸特征点并匹配,第一次用SURF进行粗匹配得到初始匹配集,并据此计算待匹配人脸图像间的尺度差和角度差,以此作为约束条件第二次进行SURF精匹配,以获得更多的匹配点对。最后采用不依赖位置信息的形状上下文算法剔除误匹配点对。在IMM和Georgia人脸数据库上与目前流行的人脸匹配方法进行实验对比,实验结果显示该算法有效增加了匹配点对数目,并提高了人脸图像匹配正确率,具有更好的稳定性和鲁棒性。