【摘 要】
：
应用计算机图像技术并结合昆虫分类学原理,设计和开发了一套"昆虫目级阶元标本图像自动鉴定系统",提出了一组基于昆虫标本图像的相对特征,并通过前馈人工神经网络方法进行鉴定测试。测试结果表明,相对特征应用于昆虫目级阶元图像的自动鉴定是有效的,在对7个常见昆虫目的测试中,系统表现出良好的准确性和稳定性,最高正确识别率可以达到95%。
论文部分内容阅读
应用计算机图像技术并结合昆虫分类学原理,设计和开发了一套"昆虫目级阶元标本图像自动鉴定系统",提出了一组基于昆虫标本图像的相对特征,并通过前馈人工神经网络方法进行鉴定测试。测试结果表明,相对特征应用于昆虫目级阶元图像的自动鉴定是有效的,在对7个常见昆虫目的测试中,系统表现出良好的准确性和稳定性,最高正确识别率可以达到95%。
其他文献
在分析折/反射全方位视觉(COV)图像模糊尺度分布规律的基础上提出了一种基于径向边缘检测的空间移变点扩散函数(SV-PSF)建模方法,并且研究了基于一种可以方便地加入空域可变模糊模型等先验知识的凸集投影(POCS)图像复原方法。本文提出的建模方法在有限的径向边界区域建立COV的全局SV-PSF模型,避免了一般建模方法需要大量的边缘检测和图像分割计算;采用基于POCS算法空域图像复原方法,很好容纳了
为提高帧内刷新算法的抗传输差错能力,提出了一种基于运动跟踪的帧内刷新算法。首先,在相邻两个帧内刷新帧之间对运动影响区域内的宏块进行统计分析,选取对传输差错敏感的宏块进行帧内刷新。其次,对刷新帧后的帧间预测帧进行参考特性限制,进一步防止传输差错在帧内和帧间的扩散。实验结果表明,在多种丢包环境下,该算法与自适应帧内刷新算法相比,重建图像的峰值信噪比(PSNR)平均提高1 dB以上,主观质量明显提高,且
针对人脸识别中的非线性特征提取问题,提出一种基于核正交局部判别嵌入(KOLDE,kernel orthogonal local discriminant embedding)的人脸识别算法。首先通过引入基向量正交约束,得到OLDE算法,并给出算法的推导过程。然后为了更好地处理高度复杂非线性结构数据,将OLDE向高维空间扩展,在核空间提取图像的高阶非线性信息,得到核空间OLDE算法。在ORL和PIE
传统的基于线性光谱混合模型(LSMM)的解混方法采用迭代求解方式,复杂度较高,为此提出一种基于几何方式的模型求解方法。另一方面,LSMM采用固定谱形固定数量的光谱端元进行解混,影响了光谱解混精度,为此提出端元谱形的区域修正方法和端元子集的局域确定方法,从而建立基于柔性端元的新解混方式。实验表明了所提出的几何求解方法及柔性光谱端元方式的有效性。
在边缘方向角的基础上提出了一种新颖的角点检测方法。新模型基于:边缘在角点处必定发生弯折;在一定尺度范围内,角点两边的点均有方向角的最大趋向一致性;合理的放宽尺度,角点两边的点均有方向角最大趋向一致性增强。实验结果表明:新模型能够排除更多的伪角点,利用边缘方向向量判断角点的凸凹性;和其它多种角点检测模型相比,这种方法能够提供更多的角点信息,而且检测准确率高。
提出了一种新的基于时域定区间记忆补偿的视频对象分割算法。首先,使用对称帧帧差累计法及帧差图像的四阶矩检测出初始运动变化区域;然后,对检测出的初始运动变化区域通过时域定区间记忆补偿法进行补偿,并进一步整合形成全局运动记忆母板,在空域使用Sobel边缘检测算子较为精确地检测得到当前帧中所有边缘;最后,进行时空融合,从而提取出完整精细的运动对象轮廓并通过填充得到运动对象模板。实验证明了本文算法的正确性和
为了跟踪复杂情况下运动速度较快的可变形目标的活动轮廓,提出一种变形峰值跟踪卡尔曼粒子滤波算法.该算法通过使用卡尔曼滤波器预测目标活动轮廓的全局平移速度,并将目标状态空间分为有效基空间(维数很小)和剩余基空间,对有效基空间进行重要性采样,而对剩余基空间使用峰值跟踪,从而实现对目标轮廓的跟踪.实验结果表明,该算法可有效跟踪运动速度较快的可变形目标轮廓.
为提高彩色图像中的经典矢量滤波算法和其扩展算法的运算效率,提出了一种针对滤波窗口内带矢量距离矩阵计算的滤波快速算法.通过分析当前像素滤波窗口的矢量距离矩阵与邻近像素矢量距离矩阵之间的关系,设计了一种滤波窗口内像素的排列规则.新矢量距离矩阵的值大部分可来自于邻近多个像素存储的矢量距离值.该新方法能够保持与原方法相同的滤波效果,且适合于任意大小滤波窗口.实验给出了多种矢量滤波的使用前后滤波时间,结果显
This paper presents a novel geometrical voxelization algorithm for polygonal models.First,distance computation is performed slice by slice on graphics processing units(GPUs) between geometrical primit
Fundamental matrix,drawing geometric relationship between two images,plays an important role in 3- dimensional computer vision.Degenerate configurations of the space points and the two camera optical