基于轮廓投影算法的智能终端数字媒体图像信息识别研究

为了实现更高精度的数字图像信息识别,研究基于轮廓提取和轮廓质心高度增量特征描述符构建,并采用形状复杂度分析对描述符相似度计算进行优化和调整,完成对图像目标的识别。在对基于轮廓质心高度增量特征的数字媒体图像目标识别方法的有效性验证实验中,研究提出的方法的检索性能优于表中提出的几种常用方法,检索率提升了5.69%～24.81%。实验结果表明质心高度增量描述符精确地描述了轮廓点与点之间的位置关系,对于相似轮廓的区分性能更好,也验证了轮廓的复杂度评价可以帮助提升匹配结果的可信度。在带噪声的图像识别实验中,噪声水平增加到0.6以上时,虽然检索精度出现了明显下降,但仍能保持较高的识别精度,说明研究提出的方法对于噪声的干扰具有较强的鲁棒性。     

基于目标质心的Meanshift跟踪算法

运动目标跟踪涉及到计算机图像处理、视频图像处理、模式识别以及人工智能等诸多领域,是一门交叉性很强的学科.因此,研究一种实时性、鲁棒性好的运动目标跟踪方法依然是该领域面临的一个巨大挑战.快速运动目标跟踪技术是当今目标跟踪领域的难点之一.均值漂移算法在目标跟踪过程中没有利用目标的运动方向和速度信息,这就导致了无法准确跟踪快速目标.文中提出了一种基于质心算法的Meanshift跟踪模型算法.初始位置采用运动目标质心,并在质心位置处采用Meanshift迭代,以巴氏系数判断当前目标和参考目标的匹配程度.实验分析,该算法可实现快速、有效跟踪目标.     

基于边缘特征的水下目标分类识别算法

在水下声纳图像目标检测与识别技术中,水雷等目标的识别问题是关键技术之一.基于形状相似度的概念,利用目标边缘轮廓特征,给出一种基于距离多集方法的水雷目标形状分类算法.首先对检测到的水雷目标阴影区域进行规格化处理,采用距离多集方法对常见水雷形状进行分类识别,提出了一种模板更新策略.通过对球形、圆柱形和圆台形三类目标的阴影区域进行仿真分类计算可知,该方法具有仿射不变性,分类准确率较高.     

基于词包和特征融合的目标识别算法

针对现有词包模型对目标识别性能的不足,对特征提取、图像表示等方面进行改进以提高目标识别的准确率。首先,以密集提取关键点的方式取代SIFT关键点提取,减少了计算时间并最大程度地描述了图像底层信息。然后采用尺度不变特征变换(Scale-invariant feature transform, SIFT)描述符和统一模式的局部二值模式(Local binary pattern,LBP)描述符描述关键点周围的形状特征和纹理特征,引入K-Means聚类算法分别生成视觉词典,然后将局部描述符进行近似局部约束线性编码,并进行最大值特征汇聚。分别采用空间金字塔匹配生成具有空间信息的直方图,最后将金字塔直方图相串联,形成特征的图像级融合,并送入SVM进行分类识别。在公共数据库中进行实验,实验结果表明,本文所提方法能取得较高的目标识别准确率。     

基于先验形状的人工目标识别与轮廓恢复

以具有典型形状特征的操场为例,探讨了形状特征在人工目标自动识别中的应用。基于形状特征的人工目标识别,一般首先将图像分割为多个基元,然后依据人工目标有较规则形状的特点,以形状特征作为指标进行识别。由于高分辨率遥感图像细节信息丰富,这种方法所提取的目标轮廓往往不完整。本文提出了"图像-基元-目标-轮廓恢复"的识别模式,在目标识别后采用加入形状先验知识的主动轮廓模型对目标进行轮廓恢复。实验结果表明,这种方法可以有效地修正目标提取结果中的轮廓缺失。     

IC:动态社会关系网络社区结构的增量识别算法

社会关系网络(SNS)中社区结构的识别有助于得出有意义的个体间活动模式和社会发展规律,传统的静态SNS社区结构识别的方法不能发现SNS的变化规律,而最近受到广泛关注的动态SNS社区识别方法普遍存在可扩展性差的缺点.描述了动态SNS的数学模型,并在此基础上提出了动态SNS中发现社区结构的增量式新方法.提出方法利用动态网络时间局部性即相邻采样时刻网络变化不大的特点,通过增量分析避免对整个网络中的个体全部重新划分,达到较高的算法效率.分析和实验结果表明,效率高于现有方法,在大规模网络上(105结点量级)效率提升在一个数量级以上,发现的社区结构很好地反映出社会关系网络的本质结构.     

基于轮廓特征点的高精度识别目标方法

为了实现高成功率、高精度和快速识别跟踪目标,提出对基于轮廓特征点的目标精确识别方法。在识别过程中采用了轮廓提取和多边形拟合算法自动搜寻到图像中要识别和跟踪的目标,同时对目标物轮廓的多边形角点进行亚像素分辨率的定位,从而可以利用目标轮廓角点的精确定位来实现对多边形目标的识别与跟踪。试验结果以及特征点亚像素算法分辨率的分析表明,采用这种自动识别与跟踪目标的方法,其精度可以达到0．02像素。     

基于质心距离增量矩阵的曲线描述和匹配

图像中物体轮廓线的描述和辨识是图像理解的一个核心问题,提出了一种新的快速的轮廓线描述和匹配方法。该方法不是把曲线中的每一点都进行了描述和匹配,而是按照最小面积法则对曲线进行采样。用采样点与质心的距离增量为每一个采样点赋予一个身份向量,通过所有采样点的身份向量来构造曲线的质心距离增量矩阵以描述曲线,最后利用两条曲线的质心距离增量矩阵的差异度来度量它们的相似性。实验证明该描述方法不仅具有很好的唯一性,而且相比目前已有算法计算量大大减少。该方法的一个实际应用在于将一个地区的SAR图像与地图相匹配。     

用FPGA实现星图目标的质心提取

针对星图的具体特征,对星图目标进行识别和定位,把传统的扩展象素标记法改造成便于用硬件实现的算法,并给出了具体的实现方法.本设计将目标分割和质心计算两个步骤用FPGA合并处理,从而实现了快速的质心提取,为后续的图像匹配争取了时间.     

基于各向异性滤波耦合形状质心相对角位置的图形检索算法

基于形状的目标检索技术难以检测噪声轮廓,无法兼顾表示其全局与局部显著性,导致检索精度不高。为此,提出一种图形检索算法。通过引入各向异性滤波,设计图形显著性检测算子,平滑噪声点与保留高曲率特征点,精确检测其形状显著性点,考虑形状轮廓点的总数与显著性位置,基于形状质心,定义相对角位置计算模型,并联合曲率函数,确定每个显著性点的表示值,将形状全局特征嵌入到局部细节中,联合动态规划算法,构建形状显著性相似度测量模型,进行特征点匹配,完成图形检索。测试结果表明,与基于形状的图像特征描述符相比,该算法具有更高的检索精度与更强的鲁棒性。     

基于区域CSIFT特征的目标识别算法

无重叠多摄像机监控系统在使用局部形状特征进行目标识别时,会忽略颜色信息,且对光学变换具有不稳定性.为此,提出一种基于区域彩色尺度不变特征变换的目标识别算法.通过修正的双色反射模型,提取对光照特性和物体几何特性具有不变性的颜色特征,得到尺度不变特征变换描述予,利用颜色特征和形状特征建立目标模型.实验结果表明,该算法对刚体和非刚体目标的识别都能取得较好的效果.     

基于奇异值特征的目标识别复合算法

提出了一种基于灰度模板匹配与奇异值分解相结合的目标识别复合算法,并在目标搜索过程中采用了先粗匹配后细匹配的匹配方法,使得匹配速度和精确性大幅度提高;同时算法中消除了光线、目标大小变化等对模板匹配的影响;最后通过实验验证了该算法的实用性,取得了比较理想的实验效果。     

基于扩展目标规划图的网络攻击规划识别算法

在人工智能领域经典规划识别方法的基础上，针对网络攻防领域攻击规划识别问题的特性，对目标规划图进行进一步扩充，引入观察节点以区分规划者动作以及识别者对动作的观察，将动作节点分化为由具体动作层和抽象动作层组成的层次结构，并根据抽象攻击模式在抽象攻击层面上维护与安全状态节点的前提和后果条件，形成扩展目标规划图（Extended Goal Graph，EGG）模型；并进一步提出基于扩展目标规划图的攻击规划识别算法，该算法能够有效地从大量底层入侵报警信息中正确识别背后蕴藏的攻击者意图及规划．通过DARPA2000入侵场景关联评测数据集和在蜜网环境中捕获的实际僵尸网络攻击场景数据的实验测试以及与TIAA入侵报警关联分析系统的实验结果对比，验证了该文提出算法的完备性与有效性．     

基于特征比的平面目标识别

模式识别是人工智能研究领域的一项重要课题,对于目标物在射影变换、仿射变换下的识别,尤其是严重变形情况下的识别和匹配更是该领域的研究热点和难点.针对仿射变换下的平面目标识别问题,提出了一种新的几何特征不变量——特征比,并以此为基础构造了一种新的仿射不变图像特征描述符.该描述符通过构造一系列与目标图像相交的直线,将图像用一系列共线点的位置关系进行表示.进而,将点的位置关系转化为特征比并表示成一系列的特征比谱;最后,通过动态时间规整(dynamic time warping,DTW)算法比较特征比谱间的距离得出图像间的相关性,从而进行目标识别.实验表明,该算法不仅对严重的仿射变形有较高的识别率,对相似度较高的图像也有很好的区分效果.     

一种基于颜色特征的目标识别算法

在机器人视觉中,颜色是物体识别和认知过程中必不可少的信息。在YUV颜色空间的基础上,提出了一种基于颜色特征的目标识别算法,采用学习——扩充法获得适应性目标颜色特征的空间分布,克服环境光照变化对目标颜色特征提取的影响,并在算法中采用“位与”运算,提高了识别效率,实际应用证明了该方法的有效性。     

基于质心法的车联网目标跟踪方法与应用

车辆目标跟踪是实现车联网不可或缺的一环,旨在获取车辆的动态信息,以提高交通运行效率.其核心是对大量监控探头采集的视频图像进行分析处理,实现车辆的实时检测与跟踪.为了进一步提高目标检测效率,降低硬件成本,文中提出了基于二帧差分法的前景检测方法,以及基于质心法的车辆轮廓检测与跟踪方法.基于OpenCV3.4.1和VS2017进行验证实验和仿真测试,结果表明,该算法对车辆跟踪的精确率达到89.1％,平均处理耗时42.63 ms,具有较好的实时性和鲁棒性,可在车联网嵌入式设备上进行部署和应用.     

基于轮廓分段特征可信度的遮挡目标识别算法

针对传统目标识别算法在目标遮挡情况下识别准确率较低的问题,提出一种基于轮廓分段特征可信度的遮挡目标识别算法.为获取有效分段,提出了基于弯曲度的轮廓分段优化算法,首先根据轮廓曲率分布进行初步分段,再根据分段的弯曲度进行分段优化,得到有效分段.然后用重要性和局部性两个参数对分段的特征可信度进行评价.在此基础上提出加权相似度...     

基于卷积神经网络的目标识别算法研究

随着时代的快速发展,对于监控视频处理,传统人工处理方式已不能满足社会实际发展需求。智能监控依靠目标检测实现监控,目标识别成为计算机视觉领域的重要研究方向,主要从图像或者视频中检测某一类别的目标。基于此,分析卷积神经网络目标识别算法,研究目标检测算法存在的问题,并提出相应对策,有效提高检测算法的有效性和精确度,从而推动智能视频监控的快速发展和广泛应用。     

离散形状的特征区域匹配识别

本文用形心到外轮廓的距离序列表示形状,从而将二维的形状分析问题转化成较简单的一维波形曲线的分析问题,对于这种波形曲线的识别,提出了一种特征区域的局部匹配识别算法.实验证明,本文方法具有较高的识别率,且该算法是平移、旋转和比例变化不变的.     

局部遮挡下的目标识别算法

规格化互相关算法是用得较普遍的目标识别方法,但是当目标区域被局部遮挡时,该方法通常不能正确定位目标.提出了一种新的基于选择互相关系数的目标识别算法用于搜索有局部遮挡的目标区域.算法分两步进行:用增量互相关算法计算出模板图和场景图的增量图像,比较二者增量图像的一致性,计算出选择互相关系数矩阵;结合选择互相关系数矩阵,用规格化互相关算法在场景图中搜索目标区域.当场景图存在较严重的噪声时,可对选择互相关系数矩阵进行修正以克服噪声的影响.实验结果表明,基于选择互相关系数的目标识别算法对局部遮挡和高亮度变化情况有较强的鲁棒性.