基于链码的原木端面图像检尺径识别算法

根据原木端面图像的获得方式及其特性,改进了方向链码的轮廓跟踪技术,提出了从图像中心点开始竖直往下扫描获取跟踪起始点,并在约束条件下自动寻找端面图像目标轮廓的算法,此算法大大提高了原木端面图像的轮廓跟踪效率.原木端面为类圆形图像,根据获得的目标轮廓的链码序列和边界点的坐标信息,提出了确定原木端面图像目标轮廓的圆心及最短径等一系列检尺参数的方法.     

一种基于轮廓特征的运动目标识别方法

针对视频图像中形状匹配的局限性,即当待检测物体出现平移、旋转变化时识别目标需要很长的计算时间,提出了一种基于轮廓特征的运动目标识别方法.首先获取能自动更新的背景图像,采用背景减法提取运动目标的轮廓,然后运用其轮廓的边界不变矩特征和形态学特征,构建一个轮廓特征向量的模型,再分析比较待测运动目标轮廓特征向量与每类标准样本之间的欧氏距离,实现对运动目标的识别分类. 试验结果表明,该方法具有识别精度高、计算量小、实时性好的特点.     

一种基于轮廓形状分析的图纸识别方法

用一种新的基于轮廓形状分析的工程图识别方法,可有效地处理段线、模糊线、字线粘连等多种退化图纸的情况,既可以精确获得线的逼近,也可抽取图纸的整体图形结构。针对工程图的特性给出了局部图像特性的数学描述,并将其作为区域分类的特征依据。扫描图像的三层中间描述用于低质量图纸的识别,基于轮廓曲率的一种直线抽取技术用作这种中间描述。     

基于复杂网络和图像轮廓的形状识别方法

基于轮廓的图像识别方法具有过程简单、识别效率高等特点.但随着人脸表情变化、光照强度以及遮挡等因素的改变,提取图像轮廓形状的难度增大,从而使方法的有效性受到影响.本文提出一种基于复杂网络和图像轮廓的形状识别方法,通过提取形状图像的轮廓点,建立相应的复杂网络模型,计算相关参数来识别图像.实验表明,该方法具有对轮廓图精确度依赖性低、复杂网络规模小、阈值参数少、能有效适应边界形状改变等优点.     

基于车辆轮廓定位匹配的车型识别方法

采用背景减法提取运动车辆目标的轮廓,用外接矩形对目标轮廓进行定位,选取轿车、客车和货车3种车型的侧面轮廓作为标准样本,分别计算待识别车辆的侧面轮廓与3种标准样本的匹配程度系数,保留系数较小的两类标准样本,然后采用Hausdorff距离算法计算待识别车辆轮廓与剩余两类样本之间的匹配程度,认定Hausdorff距离较小的两者具有相同的车型.实验结果表明,该方法准确、有效且实时性较好,在高速公路收费站、自动收费停车场等场合具有较大的实用价值.     

一种基于霍夫变换和BP神经网络的车牌识别方法

汽车牌照自动识别系统在智能停车场管理、高速公路自动收费和违章检测等方面有着广阔的应用前景。由于车牌特征的多样性及车牌背景的复杂性,对于现实世界的车牌图像,车牌磨损、图像倾斜、天气以及背景等干扰因素都会影响定位效果。为此本文提出了基于一阶双向差分和hough变换的改进车牌定位方法,采用改进的BP神经网络模式识别技术作为识别的方法,得到了较好地处理结果。     

一种基于手指轮廓特征的目标识别与定位算法

为了提高从背景图像中提取目标的速度和精度,设计了一种基于手指轮廓特征的目标识别与定位算法;该算法利用肤色信息和手指轮廓特征进行目标识别,利用提出的9点快速定位算法进行目标定位。仿真结果表明,该算法能正确识别出手指的特征;并对其进行快速定位。在实物系统上对算法的实时性、识别准确率、定位精度等性能进行了测试,测试结果表明,算法运行时间不超过40 ms,能保证系统对实时性的要求;在无手指状干扰物存在的情况下,目标识别的准确率可达95%以上;定位精度误差小于8 mm,可满足系统对定位精度的要求。这种基于手指轮廓特征的目标识别与定位算法为增强人机交互系统的和谐性提供了一种新的技术途径。     

一种基于轮廓特征的图像拼接算法设计与实现

提出了一种新的基于轮廓特征的图像拼接算法。在特征提取阶段，对卷积图进行增强，并用区域增长方法进行辅助校正，能改善轮廓提取效果；在特征表示方面，用形状签名代替链码来描述轮廓，从而提高了计算速度，降低了由噪声干扰和镜头形变造成的影响。实验结果表明，该算法在速度上优于基于链码的配推算法，推确串高，并且可以适用于未经过几何形变校正的图像的配推与拼接。     

基于分级轮廓分形特征的舰船目标识别方法

采用一种共线性检查算法去除舰船轮廓底边，利用轮廓曲率的分级分形特征建立前视成像末制导过程中舰船目标的分级模型数据库，提出了一种基于分级分形特征的大型舰船目标识别方法．对舰船目标的实验结果表明了该识别方法的有效性和正确性．     

一种改进的活动轮廓的图像分割方法

对活动轮廓模型存在的问题,即活动曲线收缩范围小且无法检测图像的凹陷边界,提出了一种改进的算法．先采用GREEDY近似最优算法使活动曲线尽可能地接近图像的边界,然后在图像缓变区域取一适当的递减参数对外部能量进行放大,以使活动曲线向图像的凹陷边界移动．实验结果表明该方法是有效可行的．     

一种提取鱼眼镜头成像区域的算法及实现

使用鱼眼镜头拍摄图像变形严重,精确提取其成像区域是进行图像校正等后期处理的必要前提。针对传统提取成像区域算法对有效区域噪声敏感,实现过程复杂等缺点,提出一种改进的提取鱼眼镜头成像区域的方法。实验表明,该方法可以准确定位鱼眼镜头成像区域的圆心和半径,精度高,鲁棒性好,且实现简单,有良好的实用价值。     

基于轮廓跟踪的虹膜定位算法

提出一种基于轮廓跟踪算法的虹膜定位算法. 该算法先通过像素点扫描查找二值虹膜图像中轮廓的起始点, 然后由起始点进行轮廓查找、 轮廓编码、 轮廓筛选确定虹膜内轮廓, 再通过虹膜外轮廓和巩膜间的灰度突变点到内轮廓圆心距离的平均值确定外轮廓半径, 实现虹膜内、 外轮廓的定位. 实验结果表明, 该算法具有较快的定位速度、 较高的准确率, 性能稳定.     

一种基于轮廓特征的图像拼接算法设计与实现

提出了一种新的基于轮廓特征的图像拼接算法。在特征提取阶段 ,对卷积图进行增强 ,并用区域增长方法进行辅助校正 ,能改善轮廓提取效果 ;在特征表示方面 ,用形状签名代替链码来描述轮廓 ,从而提高了计算速度 ,降低了由噪声干扰和镜头形变造成的影响。实验结果表明 ,该算法在速度上优于基于链码的配准算法 ,准确率高 ,并且可以适用于未经过几何形变校正的图像的配准与拼接。     

融合目标轮廓和阴影轮廓的SAR图像目标识别

针对合成孔径雷达图像目标识别问题,在基于图像成像模型分析基础上,提出了一种融合SAR目标轮廓和阴影轮廓的目标识别算法.首先提出了一种基于去控制标记符的SAR图像分割算法,得到SAR图像目标轮廓和阴影轮廓,然后用这2种轮廓融合,用傅立叶描述子将二维数据转为一维数据,最后用基于串接准则的融合算法得到识别结果,进行SAR目标识别.基于MSTAR的实验结果验证了本算法的有效性.实验结果证明:目标轮廓和阴影轮廓的结合,除反映本身包含的局部空间结构信息外,还能反映SAR目标的高度信息,较单一轮廓特征,是一种更为稳健的特征.     

一种改进的C-V主动轮廓模型

针对C-V(Chan-Vese)模型不能较好分割灰度不均匀图像的缺点,对C-V模型能量方程进行改进。将图像的局部灰度拟合信息融入到面积项中,使分割兼顾了图像的全局和局部信息,同时加入惩罚能量项来约束水平集函数逼近符号距离函数,避免模型重新初始化。对灰度不均匀图像分割的实验结果表明,该模型优于C-V模型。     

基于边缘特征和霍夫变换的斑马线识别方法

现有斑马线识别方法普遍存在实时性差或准确率低等问题,对此提出基于边缘特征和霍夫变换的斑马线识别方法。首先利用逆透视变换(inverse perspective mapping,IPM)原理将单摄像机采集到的道路图像转换为俯视图像,然后采用Sobel_x边缘检测模板提取斑马线的边缘信息;基于此,采用霍夫(Hough)变换对斑马线在水平夹角、直线长度、间隔宽度、数量统计等约束条件下进行曲线拟合,最后实现斑马线的识别。试验研究中,选择600张在不同场景下采集到的道路图像对斑马线进行识别,算法在白天光线较好情况下准确率为97.56%,在夜晚情况下为88.67%,算法平均耗时约33 ms。结果表明该算法可以在多种环境下快速准确地识别出斑马线,满足实际工程应用的需求。     

深度掩码下的网球运动员发球技术动作轮廓识别方法

传统的网球运动员发球技术动作图像分割方法,在发球动作的轮廓提取上不够精确,导致图像分割精度较低。因此,提出基于深度掩码的网球运动员发球技术动作图像分割方法。首先,输入需要配对的网球运动员发球技术图像,生成伪标签,将具有形状先验信息的标签作为辅助掩码,对图像进行标注处理,使用深度掩码,根据技术动作图像的标注结果,对具有完整轮廓的网球运动员发球动作类目标进行阈值分割,精确提取发球动作的轮廓,并使用Canny边缘支持方法,构建轮廓的边缘矩阵,形成分割后的网球运动员发球技术动作图像。进行实验,结果表明,本文设计的方法对网球运动员发球技术动作图像分割精度达到97.61%,能实现较高精度的发球技术动作图像分割,应用效果较好。     

一种改进的语音基频轮廓提取算法

在说话人识别课题中，需要提取精确的基频轮廓作为特征参量，但通常使用传统的固定窗口长度的短时自相关函数算法并不能够适应各种不同人的发音。论文使用了一种可变窗口长度的改进算法，实验表明它有更强的适应能力。文中还介绍了一种改进的基频“野点”平滑算法，它能够在去除野点的同时，更好地保存正确点的信息。     

基于轮廓的物体识别与定位方法

给出一种通过物体轮廓匹配来识别物体和对物体姿态进行定位的方法。该方法基于提取物体的轮廓信息,然后通过与库存物体的轮廓信息进行匹配来认识物体的类型,最后与库存物体模型的外轮廓进行逐点匹配,获取累计偏差和,通过二分法逐渐逼近最佳相对转角,使累计偏差和变小,从而使当前物体与库存物体模型的相对转角达到较高的精度。本方法可用于生产装配线上的零件识别,具有适应性好,定位准确的特点。     

基于轮廓波变换的模糊聚类图像分割

提出基于轮廓波变换的模糊聚类图像分割算法,从变换域的角度提高传统聚类算法的抗噪声能力.首先用轮廓波变换对含噪声图像消嗓,然后再进行聚类图像分割.实验结果表明:新算法能够获得较好的图像分割效果和质量.