形状特征提取的研究综述

形状是辨别现实物体的重要属性。它可以表示目标对象的结构,是一种稳定属性。在图像研究领域里,形状特征的应用也颇为广泛。随着信息技术的不断发展与进步,形状特征提取的算法也被不断地研究和改进,被广泛应用于目标跟踪识别、图像配准和产品检测等技术领域。     

基于极坐标直方图的图像检索算法

提出了一种新的基于极坐标直方图的轮廓形状描述与图像检索算法。提取轮廓中能够反映轮廓形状特征的尖点和均匀采样点;分别将两类特征点向轮廓质心引向量得到两个特征向量集;最后利用两个特征向量集得到的两类极坐标直方图构造目标形状描述符。实验结果表明,该算法不仅能够很好的描述相关形状的轮廓特征,而且其特征描述具有尺度、旋转、平移不变性,同时提高了图像检索的准确率和查全率。     

基于局部特征和Mean Shift的目标跟踪算法研究

利用均值漂移进行目标跟踪的算法,在被跟踪目标出现旋转、尺度变化、噪声干扰等情况下,无法得到准确的跟踪结果。文中提出了基于当前流行目标跟踪算法和局部特征相结合的算法,基于局部特征-形状上下文(Shape Context)特征的Mean Shift目标跟踪算法。该算法首先提取目标的轮廓信息和特征,根据采样点之间位置和距离关系建立Shape Context直方图,最后所有点的Shape Context直方图构成了图像的Shape Context特征,最后根据Mean Shift算法进行跟踪。实验结果表明,该算法在跟踪目标出现尺度变化、旋转、噪声干扰和遮挡等情况下能够准确地跟踪物体,鲁棒性好。     

基于Harris角点的快速帧移动多视点图像跟踪识别

为了提高快速帧移动多视点图像的检测跟踪识别能力,提出基于Harris角点检测的快速帧移动多视点图像跟踪识别方法.构建快速帧移动多视点图像检测和帧稳定性控制模型,采用数字特征融合技术,实现对快速帧移动多视点图像的模糊度增强和融合处理,通过多维空间参数检测技术,实现快速帧移动多视点图像的动态参数识别,结合联合滤波特征匹配方法,采用稳像控制技术,建立快速帧移动多视点图像的灰度参数分析模型,根据Harris角点检测结果,结合角点自适应定位和分块匹配滤波,实现对快速帧移动多视点图像检测和跟踪识别.测试结果表明,采用该方法进行快速帧移动多视点图像跟踪识别的精度较高,角点定位和帧稳定性较好.     

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—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。      

基于形状匹配变形模型的三维人脸重构

为了从多幅人脸图像构造三维人脸结构,通常需要自动提取不同图像中的对应特征点,这往往是很难完成的.为了避免这个困难,本文建立了一个基于形状匹配的三维变形模型,在保证形状最佳匹配的条件下,实现对人脸图像姿态的估计和三维人脸重构.模型采用径向基函数对通用头部模型进行变形,用形状上下文来描述点之间的形状相似性,形状距离用来描述头部模型和人脸图像整体形状上的相似性,从而实现形状最佳匹配意义上的三维重构.实验表明,本文的算法只需要在人脸图像中提取特征点集,不需进行配准,就可以恢复出令人满意的三维头部结构.     

基于峰值匹配的SAR图像飞机目标识别方法

针对SAR图像飞机目标识别过程中的目标识别问题,提出一种基于峰值匹配的目标识别方法。该方法首先使用基于8邻域像素检测局部极大值的峰值提取方法提取目标和模板的峰值特征点;然后对目标进行方位角计算,设定置信区间从而缩小需要匹配的模板库;最后计算目标图像峰值点集与模板图像峰值点集的匹配代价函数,当匹配代价函数取最小值时表明目标与相应模板图像相匹配。实验结果表明该算法有效,且分类性能和分类效率较现有的一些算法有所提升。     

基于形状的图像检索技术研究

基于形状的图像检索技术是基于内容的图像检索技术的一个重要组成部分。现有的形状特征检索技术主要集中在形状特征的提取及相似性度量、形状特征与颜色和纹理特征结合、形状特征与高层的语义特征结合的研究。在分析现有的基于形状的图像检索技术的一些关键技术的基础上,对基于小波-傅里叶特征(WFD)的形状检索方法进行了研究,并提出了一些改进算法。结合Matlab和ACCESS实现了一个基于形状的图像检索实验系统,建立了用户界面,选取与设计了4个图像测试集,使用检索性能评价方法对形状特征的检索结果进行了客观的评价。实验结果表明,利用本文所提出改进的形状特征进行检索取得了较好的检索效果。     

融合先验形状知识的主动轮廓模型研究

融合先验形状知识的主动轮廓模型（HACM）能够解决目标存在遮挡、局部形变、相似变换等实际问题,广泛应用于图像分割、轮廓提取等领域。本文以主动轮廓模型（ACM）为基础,从先验形状知识的提取以及知识的融合方法两个方面,总结近年来ACM在融合先验形状知识的目标轮廓提取领域的一些最新研究成果。首先研究基于区域不变矩描述子、样条函数以及水平集的形状知识提取方法,用于提取刚体性、非刚体性目标样本集所包含的轮廓信息,该信息具有一定的泛化能力,即针对样本集以外的目标轮廓具备一定的表达能力。然后以单目标轮廓提取问题为研究对象,从距离函数的角度分析各种先验形状知识与原始轮廓模型的全局性融合方法,并介绍了一种基于标识函数的局部融合方法。局部融合方法可以解决单知识、多目标情况下的轮廓提取问题。最后对文中所介绍模型进行总结分析,对该领域的研究方向进行了展望。      

图象目标识别图形的自适应步级检测

建立图象目标识别模型，用形状、灰度和运动特征描述图象目标。基于目标建模，把目标识别、门限及目标图形区域步级检测、虚漏警调节和目标空域条件有机地结合起来，给出牵引式跟踪系统中图象目标识别图形的自适应步级检测算法。该算法用于检测具有识别特征的图象目标图形，并成功地应用到实际的实时跟踪系统中的图象目标识别和跟踪。对实际图象的处理结果和在实时跟踪系统中的实验说明本文研究的技术的有效性和适用性。     

基于阈值分割的电视测角仪弹标提取算法研究

在电视测角仪检测系统中,对弹标信号和视场分划线的提取是参数检测的关键环节.结合对目标的处理需求,本文将基于灰度阈值的目标提取算法和边缘检测算法进行研究,并通过实验分析选取最优的算法用于电视测角仪的检测;针对弹标信号和视场分划线的特征,提出相应的目标识别方法,并通过实验进行验证.     

基于网络解析的像元耦合偏振成像目标检测算法

偏振成像目标检测对于人造目标检测有着重要意义。像元耦合是以四个方向的偏振强度数据作为一个超像元的偏振成像方法。对超像元进行偏振参量解析,会使图像的分辨率变为原始图像的四分之一,不利于小目标的检测。像元耦合图像的偏振参量解析会产生噪声,对小目标的检测造成干扰。本文提出了一个以YOLOv5s为网络基础,添加偏振信息解析模块(Covcat)的目标检测算法。该算法实现了端到端进行像元耦合偏振成像的目标检测,用网络实现偏振解析,利用多卷积信息融合提高特征提取能力,提高目标的平均检测精度(mAP)。使用对空无人机数据集对算法进行验证,实验表明,相比于使用偏振参量解析出的强度图、偏振度图和偏振角图,该算法的平均检测精度分别提升了4个百分点、5个百分点和12个百分点。     

一种基于聚类的深空红外多目标快速检测算法

该文提出一种基于行扫描点线目标聚类合并的快速实时多目标检测算法。该方法首先对原始图像进行自适应阈值分割,然后采用外接矩补形,点线目标提取和聚类合并对二值图像单帧目标进行全视场检测并编号标记,精度达到像素级,避免了帧差法,投影法等传统检测算法带来的漏检。最后应用五点二次滤波预测目标位置,并构造代价函数进行关联匹配完成目标确认,有效解决了检测中目标分裂,交叉,因重合而暂时消失等问题,提高了系统检测能力。在基于SOPC的硬件平台进行验证,实验结果表明该算法能够准确实时地检测深空目标。     

DCT域中MPEG7主色描述符的提取

该文在MPEG7的基础上提出了DCT域内直接提取主色描述符的新方法。这种方法节省了对图像的解压缩的过程,因而大大的提高了对于压缩图像进行特征提取的速度和效果。作为整个箅法的一部分,一种自动阈值提取的算法也在该文中给予了描述。这种方法可以减少因人为设定经验阈值而带来的不确定性,使算法更具鲁棒性。对比检索试验结果也说明本算法是一个高速有效的算法。新算法主要用于压缩图像库或互联网上的相似检索。     

基于Hough变换的天基激光测距轨迹提取算法

天基目标测量具有全天时、不受大气干扰等优点.但与地面人卫测距相比,天基待测目标运动速度快且缺乏距离预报等先验信息,导致传统测距方法无法有效提取目标距离轨迹.为此,文章提出了一种基于Hough变换的激光测距距离轨迹提取算法,利用目标回波点之间的线性相关性将直线检测算法引入回波轨迹的提取,具有适应天基探测特性、抗噪声能力强等特点.实 验结果表明,使用该方法提取的目标距离轨迹均方根误差优于2.72 m.上述方法可以准确地提取高速移动目标的距离轨迹,为后续空间非合作目标的距离轨迹提取提供了新的途径.     

基于帧差法和自适应阈值区域生长的红外运动目标检测

针对具有背景干扰、信噪比低的红外图像,提出了一种基于帧差法和自适应区域生长的红外运动目标检测方法.首先对红外图像进行了高帽变换,以抑制大面积背景的干扰,相邻帧图像间做帧差,初步提取目标区域;其次分析了红外目标的特性,针对其特性提出了一种基于灰度等级的自适应阈值分割方法;最后以帧差法检测的目标质心为种子点,以自适应阈值为分割准则,在预处理后的图像中进行区域生长,最终实现了红外运动目标的检测.结果表明,所提算法可抑制大面积背景的干扰,实现单个和多个红外运动目标的完整提取和检测.     

SAR图像车辆目标ROI的提取技术

SAR图像感兴趣目标区域(Region Of Interest, ROI)的提取是目标识别的基础。该文针对SAR图像中车辆目标ROI提取问题,系统分析了ROI提取过程的关键环节,提出了采用基于有序数据可变索引(Ordered Data Variability Index, ODVI)的自适应CFAR方法实现目标的恒虚警检测,同时对ROI切片计算鉴别特征,并实现序贯鉴别。最后利用X波段SAR图像数据验证了该文的ROI提取技术,给出了鉴别输出的ROI,处理结果显示该文算法能准确提取车辆目标ROI,有效消除虚警。     

New nonparametric dominant point detection algorithm

The authors propose a new nonparametric dominant point detection algorithm which is divided into two phases: an initial detection phase that locates possible dominant points and a suppression phase that removes redundant dominant points. In the initial detection phase, not only the points with high local curvatures, but also the end points and interception points are detected. In the suppression phase, a novel measurement to act as a suppressing criterion for the removal of the redundant dominant points is proposed. The curvature of a contour segment is modelled by the average cosine angle. If the contour is slightly curved, more points will be suppressed. On the other hand, fewer points will be suppressed if the curved contour is highly curved. The experimental results show that the proposed algorithm can obtain a set of dominant points to represent contours efficiently     

基于改进YOLOv5的复杂背景红外弱小目标检测算法

针对传统算法依赖于对红外目标与环境背景的精确分离和信息提取,难以满足复杂背景和噪声等干扰因素下的检测需求。论文提出一种基于改进YOLOv5（You Only Look Once）的复杂背景红外弱小目标检测算法。该算法在YOLOv5基础上,添加注意力机制提高算法的特征提取能力和检测效率,同时改进原YOLOv5目标检测网络的损失函数和预测框的筛选方式提高算法对红外弱小目标检测的准确率。实验选取了来自不同复杂背景的7组红外弱小目标数据集,将这些图像数据集进行标注并训练,得到红外弱小目标检测模型,然后从模型训练结果和目标检测结果的角度评估算法和模型的正确性。实验结果表明:改进的YOLOv5算法训练出来的模型,检测准确性和检测速度对比实验列出的几种目标检测算法均有明显的提升,平均精度均值（mean Average Precision,mAP）可达99.6%以上,在不同复杂背景下均可有效检测出红外弱小目标,且漏警率、虚警率低。