【摘 要】
：
本文针对复杂背景下目标的自动提取与识别这一难题,提出了一种基于知识的双特征融合多窗口结构识别算法。该算法包括粗检和细检两大步骤,即整幅图像的初步识别和感兴趣窗口内的双特征融合识别。依据一定的先验知识和准则,辅助以人工智能的手段,对复杂背景下的目标进行提取、复合、识别一条龙处理,从而达到识别出较为完整的目标的最终目的。
论文部分内容阅读
本文针对复杂背景下目标的自动提取与识别这一难题,提出了一种基于知识的双特征融合多窗口结构识别算法。该算法包括粗检和细检两大步骤,即整幅图像的初步识别和感兴趣窗口内的双特征融合识别。依据一定的先验知识和准则,辅助以人工智能的手段,对复杂背景下的目标进行提取、复合、识别一条龙处理,从而达到识别出较为完整的目标的最终目的。
其他文献
本文把机器证明的吴方法创造性地应用到立体视觉领域,建立了一种新的立体视觉方法,我们以吴方法为工具,给出了立体视觉线画图对中边线型对应约束条件,轮廓线型对应约束条件以及曲线型约束条件,并由此给出了重建三维景物的一种整体视觉方法,理论分析和实验结果都表明此方法具有速度快、精度高等特点。
寻找相对于尺度、平移、旋转不变的小波不变量是现今多尺度分析在模式识别中应用的关键性问题。利用统计量的不变矩理论是一种在理论、应用上都比较成熟的识别方法。本文利用对信号某一尺度的小波逼近系数对矩的表达将两种方法联系起来,从而给出了一种小波视觉不变量。在得到了比较完善的理论结果的基础上,作者指出:该方法在实际应用中将受到物体大小、吉布斯现象等的局限,而从粗至细的多尺度分析的思想正是造成这种局限的根本原
本文提出马氏距离矢量的计算机视觉不变量,用于物体的识别.该方法把物体分成若干个部件,各部件点集间马氏距离形成的矢量作为不变量.文中证明了马氏距离矢量不仅在旋转变换和平移交换时不变,而且尺度放大或缩小、剪切、扭曲、仿射变换等情况下也保持不变.物体被分成部件,划分的唯一性是本方法识别的必要条件.每个部件必需有一定的点数,文中讨论了部件最少点数和部件内点集分布形状的限制.由于马氏距离矢量不变量基于统计特
图像的小波变换能同时提供空—频域的局部信息,而矢量量化方法则能取得较高的图像压缩比。在小波变换域实现矢量量化,可望在取得高压缩比的同时,利用小波变换所提供的信息,尽量保证能有较好的恢复图像质量。本文通过在小波变换域适当选择一组交换系数作为矢量,考虑小波变换的频率局部化特性,使用加权均方误差准则,实现一种尺度自适应矢量量化方法。实验结果表明,这种量化方法能取得较明显的效果。
在数学形态学的应用中,所遇到的结构元素大多是连通集,而串行运算(A(+)B_1(+)B_2(+)…(+)B_N或A(-)B_1(-)B_2(-)…(-)B_N)又是数学形态学中的一个重要变换。对于连通结构元素的串行运算,传统算法没有考虑到连通这一拓扑特性,效率不高。本文对该变换作了探讨,分别就连续域和离散域两种情况提出了新的定理,并依据拓扑学、实分析及组合数学子以证明。由这些定理我们在处理N个连通
本文建立了空间直线与其透视投影的坐标关系,获得了空间两直线相交、平行、交叉、垂直及成定夹角时它们坐标之间的关系式,给出了空间直线从属于平面时直线坐标与平面坐标的约束关系,同时给出了平行的直线与平面、平面与平面的坐标关系.据此提出了基于直线解释平面立体单幅透视投影线图的理论和方法.当仅有从属关系可利用时只需解线性方程组,否则需解四次以下的非线性方程和不等式组,但可以先求解线性方程和不等式组,在此基础
本文提出了一种基于物体的归一化偏差本体反射特征进行彩色图像分割的方法。通过对成像过程的分析,我们应用了光照和表面反射率的有限维线性模型(Finite-Dimensional Linear Model)和双色反射模型(Dichromatic Reflection Model),将光源因素以及几何因素分离出来,经过做归一化处理后的偏差光谱反射率已消除了光照和几何条件的影响,代表物体固有的颜色特性,因此
本文提出了一种寻找旋转对称图像RSI(Rotationally Symmetric Image)主方向的算法.[2,2π)内周期数为K的图像f(r,θ)具有性质f(r,θ)=g(r,Kθ),寻找图像f(r,θ)主方向归结于寻找展开图像g(r,θ)的主方向.文中就g(r,θ)所具有的各种情形作了系统的分析,并与FPA和FISSP作了比较.实验结果表明本文所提出的算法,较FPA和FISSP具有更广泛的
本文提出了一种动态门限分割算法。该方法通过对原始图像的平滑生成一个随原始图像变化的门限曲面,用该曲面即可对原始图像进行分割。本算法特别适用于不均匀背景的图像分割任务,并且其已被应用于流体中固体颗粒的提取。
本文提出了一种基于模型的线性组合目标跟踪方法.跟踪过程中把前K幅图像看作模型,用模型和当前被跟踪图像上的特征点,求出一组线性方程组的系数,再由此方程组可准确地计算出目标中各点的坐标值.该方法比传统方法有更高的跟踪稳定性,特别是有效地解决了三维目标跟踪中比例、平移和旋转不变性问题以及遮挡问题.