高分辨率遥感图像中桥梁自动识别方法研究

提出一种针对高分辨率遥感图像中桥梁自动识别新算法。该算法从桥梁与河流的位置关系出发,结合遥感图像的成像特点和桥梁目标的形状特征,运用模糊处理,轮廓搜索和直线拟合识别桥梁目标。整个算法流程大致可分为三个步骤,首先在底层处理运用二维特征模糊分割水体区域;然后在中层处理中,通过水体轮廓搜索潜在桥梁点,并进行直线拟合提取初略桥梁目标;后处理中则对由于环境干扰所造成的断点进行连接,恢复出完整桥梁。试验结果表明该文算法具有识别速度快,识别准确率高及虚警率低等优点,且整个算法完全自动,不需人工干预。     

基于混合特征提取的易混淆三维目标识别研究

针对易混淆三维目标识别这一问题,通过提取混合特征完成识别;首先获取各类三维目标的若干二维视图,将这些视图放在一起提取它们的大体轮廓特征并进行分类,使得具有相似外形的目标分为一类;然后采用基于统计学的标志矩提取方法提取每类中能分辨各种目标的局部特征,这样特征库就建立了;识别过程中,针对实际要识别的目标,提取它的混合特征并与库中数据进行匹配,确定其类型;算例研究表明,基于混合特征提取的识别系统结构简单、高效。     

一种融入PCA的LBP特征降维车型识别算法

车型识别是智能交通系统研究的关键技术之一,针对车型识别的过程中存在处理的信息量大,提取特征维数高,识别实时性较差等问题,设计了一种融入PCA的LBP特征降维车型识别算法。首先在视频序列中使用帧间差分法提取目标车辆;然后计算目标车辆的LBP特征并利用PCA方法将数据由像素维数降至训练数据维数,在增强识别算法对光线变化鲁棒性的同时,一定程度上降低了车型识别的计算量;最后利用最小距离分类器对目标车辆进行分类识别。实验结果表明,所设计的车型识别算法与常规PCA方法相比,所设计的算法在光照变化时识别准确率有所提高,算法的实时性得到了一定的提升。     

基于不变矩和SVM分类的三维目标识别方法

在计算机视觉问题的研究中,针对三维目标识别,可综合应用图像的不变矩特征和支持向量机分类方法,为快速目标识别,减少计算量,提出了一种红外图像中多视点目标的识别方法.首先获取各类三维目标的若干二维视图,将视图放在一起进行标准化处理并提取它们的不变特征矩.然后对每组视图的Zernike矩进行聚类;将聚类中心对应的Zernik...     

基于特征融合的步态识别算法研究*

提出一种融合步态运动中的人体形状信息特征和下肢运动信息特征的步态识别算法：利用边界跟踪算法获取人体轮廓边界线,并采用傅里叶描述子表达人体轮廓特征;依据人体解剖学的知识定位下肢关节点,并提取下肢角度特征;分别对两种特征进行匹配,然后采用特征融合的方法对匹配结果进行处理。实验结果表明,本算法的性能较基于单个特征的步态识别算法有明显的改善。     

基于红外图像的桥梁目标自动识别方法

对桥梁的识别研究,在军事上和民用上都具有很重要的意义,国内外与此相关的研究比较多,取得了一定效果,但也存在适用范围不广,处理速度较慢等问题。本文基于红外图像的特性,运用迭代法选取阈值进行阈值分割,得到二值化图像;然后用形态学的方法粗略提取目标点;利用桥梁目标的直线特性,运用Radon变换在图像中提取直线并连接。本算法对水域上的红外图像中的桥梁识别具有通用性,方法直观简洁,计算速度快。     

基于动态行为学习的空中目标识别方法

针对空中移动目标识别问题,提出了一种基于动态行为学习的识别方法。首先,从数据源中提取目标要素,经过标注形成目标数据特征集;其次,基于应用场景进行特征组合,形成特征模型要素;然后,基于深度学习算法进行模型训练,得到评估最优的模型参数;最后,利用训练后的模型进行目标识别处理。通过数值仿真验证,该方法能够有效地识别无业务规则的目标身份。     

基于分类回归树CART的汉语韵律短语边界识别

提出了一种基于分类回归树（Classification And Regression Tree,CART）的汉语韵律短语识别方法。该方法从语音流中提取与韵律短语边界有关的声学特征,从文本中提取短语边界的语言学特征,并将两类特征有机结合构成CART特征集,建立CART决策模型。开放测试结果显示,利用该CART模型在词边界中识别韵律短语边界,其识别准确率平均可达95.91%。     

智能步态门禁系统实验平台的设计

为探索步态识别技术在实际中的应用.构建了基于步态图像特征进行身份识别的智能门禁系统硬件平台,且开发了相应的门禁系统软件.其技术流程为:首先从摄像机捕获视频输入计算机进行监控,发现后对人体进行检测与跟踪,分割人体轮廓并将其规格化叠加处理获取步态特征图,然后提取包含人体整体模型信息的边界矩参数,以此作为识别参量输入支持向量机(SVM)进行分类识别.为评价步态识别性能,分别对正确识别率(PCR)、错误接受率(FAR)和错误拒绝率(FRR)进行了测试,结果表明该实验平台能较好地时人体目标进行自动监控跟踪、提取步态特征且有效地进行分类识别.     

SAR影像水体目标提取的序列非线性波波方法

合成孔径雷达（SAR）影像由于其特有的相干斑点噪声,加大了其目标边界特征提取的难度。采用一般针对光学影像的目标提取区域分割算子,在SAR影像的自动目标识别处理中往往不能取得理想的效果。水体目标在SAR影像中表现为整体亮度很低且成面状连续分布的像素区域。目前大多采用阈值分割转为二值影像的方法提取低亮度目标,但由于强烈的相干噪声影响,如何自动获得一个合适的阈值是一个比较困难的问题。一般多采用基于假设检验,多次迭代获得阈值。针对水体目标的亮度及形状分布特征,不作二值分割处理,而采用序列非线性滤波处理,提出一种针对SAR影像水体目标的快速提取方法。经实际数据检验,算法可以快速有效地实现SAR影像水体目标的自动提取识别。     

A new approach to z-level contour machining of triangulated surface models using fillet endmills

Precision z-level contour machining is important for various computer-aided manufacturing (CAM) applications such as pocket machining and high-speed machining (HSM). This paper presents a new z-level contour tool-path generation algorithm for NC machining of triangulated surface models. Traditional approaches of z-level machining rely on the creation of accurate CL (cutter location) surfaces by surface offsetting or high-density z-map generation, which is computationally expensive and memory demanding. In contrast, this paper presents a novel approach to the generation of CL data directly from the section polygon of a triangulated surface model. For each polygon vertex of the contour, the offset direction is determined by the normal to the edge, while the offset distance is not fixed but is determined from the cutter shape and the part surface. An interference-free tool-path computation algorithm using fillet endmills is developed. Since there is no need to create a complete CL surface or high-density z-map grids, this proposed method is highly efficient and more flexible, and can be directly applied to triangulated surfaces either tessellated from CAD models, or reconstructed from 3D scanned data for reverse engineering (RE) applications.     

基于Cauchy模型的行人轮廓提取及目标检测

为了提高行人目标轮廓参量的提取精准度数值,实现对待监测目标的实时稳定跟踪,提出基于Cauchy模型的行人轮廓提取及目标检测算法;基于Cauchy分布原理,估计行人轮廓目标的最大似然值,再结合计算第二类统计量方法,完成基于Cauchy模型的行人目标统计建模;在此基础上,建立卷积神经网络,利用卷积化与反卷积参量,提取Gabor行人轮廓特征;在目标图像分割理论的作用下,识别既定区域内的所有行人目标,持续标记各类已存在的行人目标,实时检测行人轮廓目标,实现基于Cauchy模型行人轮廓提取及目标检测;实验结果表明,与Kinect型检测算法相比,应用Cauchy型算法后,行人目标轮廓的检测精度值提高至93%,而PTR实测指标降低至3.97,可有效实现待监测行人轮廓目标的实时稳定跟踪。     

基于自适应水平集方法的运动目标跟踪

在对复杂背景条件下的非刚体目标进行跟踪时,水平集方法是一种非常有效的方法。针对水平集的初始化问题,提出了一种自适应初始化的水平集方法。首先采用粒子滤波对目标进行跟踪,得到运动目标的粗外接矩形轮廓;然后以外接矩形轮廓的质心为基础进行水平集曲线演化,求取目标的精确轮廓信息,并将轮廓的提取结果反馈到跟踪框架中;最后,动态更新参考模板,以改进似然函数。实验结果表明,本方法能够适应非刚体目标在运动中的自由变化,使得跟踪更加精确。     

基于LBP和小波纹理特征的室内室外场景分类算法

室内室外场景识别是图像处理的基本问题之一。对此问题提出了一种不需要图像分割和目标识别的方法。首先,利用小波变换对原图像进行五层小波分解,然后用旋转不变的LBP(local binary pattern)算法对第二层至第五层的LL子图提取纹理特征,再计算第二层和第一层LH,HL,HH子图的能量均值和方差,最后连接这两个过程形成的低维特征向量进行室内室外图像场景分类。实验结果表明此算法分类效果比较好,且识别室内室外场景并不需要目标形状等局部详细信息,只需要图像模糊化的全局纹理信息。     

Splitting touching cells based on concave points and ellipse fitting

A new touching cells splitting algorithm based on concave points and ellipse fitting is proposed in this paper. The algorithm includes two parts: contour pre-processing and ellipse processing. The purpose of contour pre-processing is to smooth fluctuations of the contour, find concave points of the contour and divide the contour into different segments via the concave points. The purpose of ellipse processing is to process the different segments of the contour into possible single cells by using the properties of the fitted ellipses. Because concave points divide the whole contour of touching cells into different segments and different segments of one single cell have similar properties, the ellipse processing can separate the touching cells through ellipse fitting. This paper demonstrates a new way of using ellipse fitting to split the binary contour of touching cells. Experimental results show that our algorithm is efficient.     

引入初级视通路计算模型的轮廓检测

目的 轮廓是对图像目标的一种稀疏表达方式，从图像中提取出有效物体轮廓可以更好地完成后续的视觉认知任务，所以轮廓检测在计算机视觉领域具有较好的应用。本文考虑到初级视通路中视觉信息传递和处理流程中的特点，提出了一种基于初级视通路计算模型的轮廓检测方法。方法 在视网膜神经节环节，提出一种体现方向选择特性的经典感受野（CRF）改进模型，利用多尺度特征融合策略来模拟视网膜神经节细胞对图像目标的初级轮廓响应；在视网膜神经节到神经节-外膝体（LGN）的视通路中，提出一种反映视觉信息时空尺度特征的时空编码机制，模拟神经节-外膝体通路对初级轮廓响应的去冗余处理；利用非下采样轮廓波变换和Gabor变换协同作用，模拟非经典感受野（NCRF）的侧向抑制特性。最后利用初级视皮层对整体轮廓的前馈机制，实现对轮廓局部细节信息的完整性融合。结果 选择将RuG40图库的所有图像作为测试集合进行模型性能测试，对检测结果进行非极大值抑制和阈值处理，最终将得到的二值轮廓图与基准图比较，整个数据集和单张图的最优平均P指标分别为0.49和0.56。对于单个图像最优参数条件下的检测结果均值，将本文方法与非经典感受野抑制模型（ISO）和多特征外周抑制模型（MCI）比较，较两者分别提高了19.1%和7.7%。结果表明本文方法能有效突出主体轮廓并抑制纹理背景。结论 面向图像处理应用的初级视通路计算模型，将为后续图像理解和分析提供一种新的思路。     

一种彩色图像区域分割及轮廓矢量化新算法

提出了一种逆时针追踪轮廓线的彩色图像区域分割算法,其思想是按逆时针顺序追踪轮廓线,在追踪过程中避免了像素点的重复判断,采用回溯搜索解决崎点问题,从而保证了追踪过程的连续性和正性性,在此基础上,运用递归方法分割出图像的所有不同色彩区域,直接提取出具有一定色极特征的区域,具有较高的实用性,也是此算法的优点之一,本文亦从直线像素点排列的特点出发,提出了一种轮廓点列快速矢量化算法,极大地减沲轮廓需存储的像素点个数,节省了内存空间,并为进一步算是如形状匹配,编码等提供了基础,实施测试的结果表明,该算法效果较好,达到了预测的要求。     

基于车载传感器的路面井盖自动定位识别算法研究*

市政井盖快速定位与识别是提升现代城市部件空间数字化管理水平需要解决的重要问题,针对该问题提出基于车载传感器的复杂背景下路面井盖目标自动定位识别算法。该算法以车载传感器获取的透视图像中井盖所具有的椭圆形几何特征为判据,先利用矢量边缘检测方法提取边缘信息,再运用轮廓跟踪法将边缘构造成轮廓链表,然后通过最小二乘法拟合与快速生成轮廓链表中可能存在的椭圆目标,并根据井盖的形状特征排除透视图中与路面井盖无对应关系的虚假椭圆目标,最终形成高精度定位识别结果。实证研究表明,对达到数据采集质量标准的图像,在一般情况下该算法     

基于轮廓分段特征描述的遮挡目标识别算法

针对传统目标识别算法对于遮挡目标识别准确率低的问题,提出了一种基于轮廓分段特征描述的遮挡目标识别算法。该算法首先采用离散曲线演化算法初步划分目标轮廓,根据分段起伏度进行分段优化,得到完整描述目标轮廓特征的有效分段;然后通过动态规划算法分析轮廓分段之间高度函数特征的相似度,利用特征显著度评价分段特征相对于目标整体特征的重要性;最后将分段之间的相似度和其特征显著度相结合,得到衡量识别准确率的联合相似度,获得最终的识别结果。通过对MPEG-7测试集进行实验分析,证明所提算法能够有效地对遮挡目标进行匹配识别,识别率优于常见的遮挡目标识别算法。