一种基于曲率提取轮廓特征点的方法

对边缘轮廓线进行了自适应平滑,在以轮廓点为中心的支撑区域内定义了曲率角,并根据定义的曲率角及曲率符号,采用简单的模板匹配技术,提取出候选的轮廓特征点,对候选点附加抑制条件得到真正的特征点．此方法减少了数字化误差及噪声带来的影响,抗干扰性好,且运算量较小．实验表明,该方法具有很好的轮廓特征点检测及定位能力     

基于小波分析和EMD的手写体数字字符特征表示

针对经验模态分解(EMD)能有效地对信号结构作出精确分辨的特点,提出了一种基于小波变换和EMD的手写体数字字符特征表示方法.首先对原始数字字符进行G小波变换极大模预处理,得到能反应字符特征信息的光滑轮廓;然后对规范轮廓曲率序列作EMD分解,以获取浓缩曲率特征的主要信息;最后对此曲率特征数据进行聚类和识别.实验结果表明,与经典的字符特征提取算法相比,文中方法具有更好的聚类效果,提高了分类器的分类设计能力.     

基于小波分析和EMD的手写阿拉伯数字字符特征表示

经验模态分解(EMD)能有效地对信号结构做出精确的分辨, 利用这一特点本文提出了一种基于小波变换和EMD的票据手写体数字特征抽取方法。 通过对原始数字字符进行G小波变换极大模预处理,得到能反应字符特征信息的光滑轮廓, 进而对规范轮廓曲率序列作EMD分解,以获取浓缩曲率特征的主要信息,最后对此曲率特征数据进行聚类分析。 实验表明,与经典的字符特征提取算法相比,本文方法具有更好的聚类效果,提高了分类器的分类设计能力。     

基于最小负曲率点搜索的快速人体肢体提取算法

人体肢体分割涉及两类最小负曲率点,利用人们对人体肢体划分的主观意识,提出最小负曲率点分析法,搜索分割手臂和腿部的最小负曲率点.跟踪目标前景区域的边缘,得到前景区域的外轮廓.采用傅里叶算子对人体轮廓实现平滑处理,消除局部噪声对最小负曲率点的影响.采用移动向量法求取轮廓曲线的数字曲率.在划分出的各个肢体部分内部进行轴线搜索,确定肢体关节点,完成人体肢体的提取.实验结果表明:算法可有效搜索最小负曲率点,实现人体肢体分割.     

港口目标特征提取与识别

港口目标的识别包括两个方面：识别港口轮廓和识别轮廓两侧的港口纹理,轮廓链码表示轮廓的走向及轮曲线的曲率,经过自适应平滑后由波变换的极大值检测得到角点,即大曲率点,港口轮廓的基元是一种连续四个角点的结构,基元的识别取决于这些角点有关的三个特征,这些特征只与角点的角度正负性质有关。     

大数据环境下实验室局域网络含噪字符识别模型设计

为了提高大数据环境下实验室局域网络含噪字符的识别能力,提出基于视觉信息增强的实验室局域网络含噪字符识别模型.采用关键特征点提取方法进行实验室局域网络含噪字符的特征检测,进行实验室局域网络含噪字符的边缘轮廓特征检测,结合小波多级降嗓方法进行实验室局域网络含噪字符的降噪处理,对实验室局域网络含噪字符的关键特征点进行标记,结...     

基于离散曲率特征的弧线形状检测方法

物体形状检测是实现机器人自主环境理解的基础.针对机器人作业场景经过色彩分层及多尺度滤波分割后的物体表现为连通域,以及便于分析形状的特点,提出了一种基于离散曲率特征的物体轮廓弧线形状检测方法.该方法将物体轮廓提取、直线和特征点检测作为基础,剔除影响弧线检测的轮廓直线,并根据剩余轮廓各点处的离散曲率滑动变化特性检测弧线特征.对机器人作业场景实物进行实验,弧线形状检测的平均正确率达到90.6%,处理时间为0.75 s,表明该方法能有效地对物体轮廓弧线形状进行检测.     

混纺纱截面图象的识别和分析

选取由三种具有典型横截面形状的纤维(兔毛、晴纶和粘胶)组成的混纺纱作为研究对象。经过高通滤波、二值化后,对输入图象进行细化。为了消除存在的孤立点或孤立团,本文对 Hilditch 细化算法作了改进。纤维的轮廓通过以最小夹角原则跟踪获得,然后对轮廓进行平滑并计算其曲率,根据曲率变化以及轮廓内是否有孔洞对纤维进行分类、识别.最后根据识别的结果进行定量分析。     

基于骨架平滑与均匀膨胀的女书轮廓字形生成方法

针对手写女书字符目前尚未规范化,提取轮廓不平滑的问题,提出了一种笔画粗细均匀的女书轮廓字形生成方法,包括骨架提取、毛刺去除、骨架膨胀和轮廓提取等四个步骤。针对女书字符多呈菱形,弧笔和斜笔居多的特点,提出了一种单像素骨架提取算法;该算法结合八邻域模板邻域像素值分析与索引表遍历查找的思想,获得的骨架可以保持平滑性与骨架整体的单像素性。针对少量骨架结果伴有部分毛刺的情况,采用Rutoviz相交数分析法和Freeman方向链码法,设定不同的长度阈值和级别进行分级处理,有效去除毛刺。然后采用形态学运算对骨架进行均匀膨胀,得到笔画粗细均匀的女书字符,并采用边缘梯度和边缘跟踪的方法提取字符轮廓和生成轮廓字形。实验结果表明,该方法能快速、有效生成笔画粗细均匀、轮廓平滑的女书轮廓字形,对其他手写字符具有一定适用性。     

基于k-邻域密度的离散点云简化算法与实现

提出一种基于k-邻域密度(即k-邻域中的点云密度)的离散点云简化算法, 并给出了在三角网格重构中的实现. 该方法不仅可以保证实物模型重建后的整体轮廓, 而且在细节部分也较好地保持了局部形状特征. 三角网格重构的实验结果表明, 所给方法简单、 高效, 同时, 在实物模型平滑处与曲率变化较大处均取得了理想效果.     

应用局部自适应阈值方法检测圆形标志点

利用圆形标志点的几何和灰度特征,在图像中搜索具有符合该特征描述的区域,对圆形标志点进行粗定位.对粗定位区域的扩展区域使用最大类间方差阈值分割法分割出圆形标志点轮廓,并对像素轮廓进行最小二乘拟合,计算出圆形标志点的中心坐标及拟合轮廓各参数,根据该参数筛选保留所需标志点中心坐标.结果表明:该方法使用局部的大津阈值检测圆形标志点,能够避免全局阈值的缺陷,提高标志点检测的检出率;采用最小二乘椭圆拟合提取标志点中心,能够达到亚像素级精度.     

一种改进型圆盘法提取手形特征点的新方法

现有手形指根和指尖点提取方法对手形图像有较高的摆放要求.针对自然摆放的手形图像,提出一种改进的圆盘法算法提取手形特征点.首先,利用数码相机对手形图像进行采样并进行灰度化与二值化;然后,提取手形图像的单像素轮廓;最后,提出改进型的圆盘法提取手形图像的指尖点和谷点.通过对包含155人共310副手形图像的验证,实验结果表明,提出的算法与方法可有效提取单像素手形轮廓线,对手形图像的指尖点与谷点的正确提取率分别为95.6%和94.8%.提出的方法克服了传统圆盘法提取高分辨率手形图像特征点效率低的缺陷,避免手指张开程度对算法可靠性的影响,体现了方法的优越性.     

树叶长宽比及边缘曲率的提取

树叶的轮廓特征主要包括长宽比、面积、边缘曲率和斜率等,这些特征参数是树木分类及识别的关键.为此,利用数学形态学与像素跟踪相结合的算法分离叶柄,然后利用霍特林(Hotelling)变换获取树叶的最小外接矩形,进而得到树叶的长宽比. 基于有限差分算法得到2种不同形态树叶的边缘曲率和树叶关键部位的特征斜率.     

基于三周期极小曲面和体素距离场的复杂轮廓点阵结构建模

随着增材制造技术的快速发展,基于三周期极小曲面(triply periodic minimal surface, TPMS)的点阵结构因具有轻质高强度、连通性好、拓扑结构可控等优点,在结构轻量化设计、生物植入物中得到广泛应用。但TPMS点阵结构的建模存在过程繁琐、易出错、计算时间长等问题,如何高效、稳定地建模出具有复杂轮廓的TPMS点阵结构成为亟待解决的问题。笔者基于TPMS和体素距离场提出了一种复杂轮廓TPMS点阵结构的建模方法。通过移动立方体法构建TPMS单元三角面片模型;基于点与几何模型的拓扑位置关系,将空间中的点体素化,并提取模型轮廓边界的点。通过计算边界点的距离场,并与TPMS的距离场进行布尔运算,实现复杂轮廓TPMS点阵结构的建模。实例验证表明,该方法能够高效、稳定地建模复杂轮廓TPMS点阵结构。     

反求工程中散乱点云数据的自动分割与曲面重构

提出了一种在反求工程中对散乱点云数据进行自动分割与曲面模型重构的方法．建立了散乱点云数据之间的拓扑信息，对点云数据进行三角剖分重构网格曲面模型．基于网格曲面求解点云数据的曲率极值，提取边界点云，进一步拟合成边界曲线．利用边界曲线将整个点云自动分割，每一片点云采用二次曲面或自由曲面进行拟合，对于二次曲面可以根据参数自动确定曲面类型，最终得到完整的CAD模型．用一个鞋跟模型的实例证明了该方法的有效性．     

基于形位特征的机械零件加工位置识别

不同形状零件具有个性特征,为了对具体形状零件的准确定位进行进一步研究,首先通过霍夫变换提取给定零件轮廓中发直线和圆特征,进而利用峰值检测和K-means聚类分析方法准确识别有效的直线和圆特征;依次建立零件轮廓的绝对坐标系和零件标准位置模板坐标系;分别采用基于零件全特征和基于零件主要特征的方式提取零件轮廓的有效像素点,并通过模拟退火算法求解了不同迭代次数下采用这两种方式识别零件位置的速度和精度。为提高识别速度,建立基于零件几何特征的快速识别模型,即将目标函数简化为被测零件的圆心与标准位置模板圆心的最短距离和为最小,通过模拟退火算法进行求解。结果表明,零件的识别时间为0. 321 s,最低识别精度为98. 7%,可见该方法识别精度高,识别速度快。     

用局部拟合法自动绘制等值线图

本文介绍了在任意四边形或三角形单元内自动绘制等值线图的局部拟合法。该方法利用各单元节点上已知的物理量值直接构造局部分片曲面。全方位搜索等值点集合。根据等值点处导数值的正负号控制等值线在网格内的游动。     

Vector bundle constraint for particle swarm optimization and its application to active contour modeling

Active contour modeling (ACM) has been shown to be a powerful method in object boundary extraction. In this paper, a new ACM based on vector bundle constraint for particle swarm optimization (VBCPSO-ACM) is proposed. Different from the traditional particle swarm optimization (PSO), in the process of velocity update, a vector bundle is predefined for each particle and velocity update of the particle is restricted to its bundle. Applying this idea to ACM, control points on the contour are treated as particles in PSO and the evolution of the contour is driven by the particles. Meanwhile, global searching is shifted to local searching in ACM by decreasing the number of neighbors and inertia. In addition, the addition and deletion of particles on the active contour make this new model possible for representing the real boundaries more precisely. The proposed VBCPSO-ACM can avoid self-intersection during contour evolving and also extract inhomogeneous boundaries. The simulation results proved its great performance in performing contour extraction.     

Vector bundle constraint for particle swarm optimization and its application to active contour modeling

Active contour modeling (ACM) has been shown to be a powerful method in object boundary extraction. In this paper, a new ACM based on vector bundle constraint for particle swarm optimization (VBCPSO-ACM) is proposed. Different from the traditional particle swarm optimization (PSO), in the process of velocity update, a vector bundle is predefined for each particle and velocity update of the particle is restricted to its bundle. Applying this idea to ACM, control points on the contour are treated as particles in PSO and the evolution of the contour is driven by the particles. Meanwhile, global searching is shifted to local searching in ACM by decreasing the number of neighbors and inertia. In addition, the addition and deletion of particles on the active contour make this new model possible for representing the real boundaries more precisely. The proposed VBCPSO-ACM can avoid self-intersection during contour evolving and also extract inhomogeneous boundaries. The simulation results proved its great performance in performing contour extraction.