实现人脸图像变形算法的研究

利用主动形状模型（ASM,Active Shape Model）算法进行人脸的68个关键特征点提取,得到了输入图像人脸68个特征点分布规律和具体的位置。研究和改进了线性的最小移动二乘法（MLS）,重点研究了变形函数中转换矩阵为刚性变换的方法,在进行可控的控制点变形方法过程中,MLS在进行刚性变形中能保持图形的总面积不变,在结合人脸表情和特征点位置变化规则,对有弹性物体进行图像的变形,实验结果表明,产生的图像变形效果更加具有真实感。     

基于轮廓筛减的改进骨架细化算法

在动作识别领域内,通常利用骨架参数来表征介于姿势和动作之间的局部动作,如挥手、抬腿等,骨架参数不仅保持了原图像的拓扑信息,而且在很大程度上通过压缩图像数据量从而降低计算冗余度[1]。而用于提取骨架的传统细化算法对目标的边界噪声非常敏感,并且在迭代过程中具有反复计算非删除点的弊端,文章通过改进删除规则,提出了一种基于轮廓筛减的骨架细化算法,并应用于交通指挥动作骨架提取过程中,取得了较好的效果。     

基于形状约束Snake模型的人脸轮廓提取

提出了一种具有形状约束的人脸轮廓提取算法,该算法根据人脸形状近似椭圆的特征,在S12ake的能量函数中加入形状能量,使控制点间的联系得到加强,以提高收敛结果的准确性,实验结果表明,提出的方法能够较好地提取复杂背景中的人脸轮廓,是一种有效的方法.     

基于最小二乘的时差定位算法

时差测量方程是非线性双曲线方程,可以通过引入中间变量将其转化为线性方程,对近年来国内外学者关于这种方法的时差定位算法进行了总结。当已知测量误差的先验信息时,可以采用两步加权最小二乘法和约束加权最小二乘法,当测量误差的先验信息未知时,还可以采用约束总体最小二乘的方法。在求解约束最小二乘问题时,采用常规的拉格朗日法计算复杂、运算量大,而采用高斯一牛顿法不仅可以大为降低运算量,还能提高解的精度和稳定性。此外,对约束加权最小二乘法和约束总体最小二乘法之间的关系进行了探讨,得到了它们等价性的条件。     

基于有约束最小二乘法的IQA算法曲线拟合

为了实现准确评估图像质量评价算法的目标,采纳VQEG报告中提到的性能指标,完成了将算法数据的曲线拟合过程转换为有约束最小二乘法形式的数学模型,然后编写Matlab程序求解。以PSNR、SSIM和MSSIM三种图像质量评价算法为例的评估结果表明,此法结果准确,求解效率高。     

基于显著轮廓特征的SAR图像轮廓匹配新方法

在以星载SAR图像作为基准图、机载/弹载SAR图像作为实时图的匹配导航和精确制导研究中,传统基于点特征的匹配方法存在特征点数目过多, 误匹配率较高,容易受噪声及灰度变化影响等问题。该文提出一种基于显著轮廓特征的SAR图像“由粗到精”的匹配新方法。该方法在对SAR图像进行预处理的基础上,采用改进的模糊C均值聚类(FCM)的图像分割方法来提取闭合轮廓特征;采用归一化轮廓中心距离描述符进行双向匹配,获得强鲁棒性的粗匹配轮廓对;在粗匹配轮廓上采用改进的局部二值模式(LBP)算子得到精匹配结果。试验结果表明,该方法在图像旋转、空间变化以及噪声干扰较大的情况下,具有精确性高、鲁棒性强的优势,适宜遥感SAR图像匹配。     

基于显著轮廓特征的SAR图像轮廓匹配新方法

在以星载SAR图像作为基准图、机载/弹载SAR图像作为实时图的匹配导航和精确制导研究中,传统基于点特征的匹配方法存在特征点数目过多,误匹配率较高,容易受噪声及灰度变化影响等问题.该文提出一种基于显著轮廓特征的SAR图像"由粗到精"的匹配新方法.该方法在对SAR图像进行预处理的基础上,采用改进的模糊C均值聚类(FCM)的图像分割方法来提取闭合轮廓特征;采用归一化轮廓中心距离描述符进行双向匹配,获得强鲁棒性的粗匹配轮廓对;在粗匹配轮廓上采用改进的局部二值模式(LBP)算子得到精匹配结果.试验结果表明,该方法在图像旋转、空间变化以及噪声干扰较大的情况下,具有精确性高、鲁棒性强的优势,适宜遥感SAR图像匹配.     

基于变形模板技术的目标轮廓跟踪算法

为了适应目标旋转、尺度、场景光照等变化,利用B样条曲线表达目标轮廓,结合变形模板技术对运动目标的轮廓进行跟踪.在跟踪过程中,沿着模板曲线的法线方向检测目标轮廓,提高了检测效率.根据同一曲线上相邻点间的相关性,对检测所得的轮廓点集的坐标序列进行中值滤波,有效降低噪声干扰.将检测到的轮廓点集在形状空间匹配,使目标轮廓的形变限制在一定范围之内,有效抑制噪声和背景边缘特征的干扰.仿真试验表明,该算法能够有效得到目标轮廓,且具有较好的实时性.     

基于主动轮廓模型的红外图像轮廓提取算法

针对主动轮廓模型存在的对初始轮廓位置敏感、凹性目标轮廓无法正确收敛等问题,本文将自适应边缘检测和主动轮廓模型相融合,提出一种改进的红外图像目标轮廓自动提取算法。首先,采用最大类间方差法计算红外图像边缘检测算法的自适应阈值,获取目标初次边缘,降低对初始轮廓位置的敏感性;对初次边缘分别进行横向与纵向填充,填充图像相与运算,对得到目标区域提取二次边缘,将其作为主动轮廓模型的初始轮廓,保证目标凹陷区域轮廓的有效收敛。最后,通过仿真分析验证了该方法能够实现红外目标轮廓的精确自动收敛。     

基于Corvis ST医学影像的角膜轮廓提取算法

目前已有的轮廓提取算法在提取可视化角膜生物力学分析仪(corneal visualization scheimpflug technology, Corvis ST)影像的角膜轮廓中,由于角膜边缘的局部图像灰度分布相近这一特点,提取出的角膜轮廓普遍不完整或者提取的角膜轮廓边缘出现细小突出。这会使得角膜轮廓的完整性遭到破坏,提取到的角膜轮廓与实际的角膜原始图像严重不符。本文针对Corvis ST采集的角膜图像的轮廓提取问题,基于最大类间方差法(OTSU)算法设计一种高效的图像处理方法。首先,将角膜图像进行除杂、灰度化以及图像降噪等处理,达到减少图像计算量和降低数字图像噪声干扰的目的;其次,基于OTSU算法对图像进行分割,并在此基础上加入数学形态学运算,达到平滑图像边界和填充细小“孔洞”的目的;最后,采用Canny边缘检测算法提取图像中的角膜轮廓,达成提取出高完整性角膜轮廓的目的。在相同的图像数据集上,与最新的纽扣轮廓瑕疵检测系统中设计的轮廓提取算法(B-OTSU algorithm)进行了对比实验。实验结果表明,从轮廓完整性以及准确性的角度,应用本文方法提取的角膜轮廓明显优于最新的纽扣轮...     

基于轮廓特征的人体行为识别

提出了一种以运动人体轮廓为特征,基于模板匹配的人体行为识别方法。首先,利用背景差分法和阴影消除技术提取运动人体轮廓;定义一种边界点-半径的轮廓描述方法,将时变的二维轮廓形状转换为对应的一维距离向量;以成本函数为特征向量,利用谱系聚类方法提取行为序列的关键姿态;最后,将关键姿态编码为行为字符串,利用编辑距离度量测试序列与标准序列间的相似性。实验结果表明,利用本文方法对人的6种日常行为进行识别,正确识别率达到84.3%以上,具有简单实用的特点。     

基于相对点矩的SAR图像匹配算法

为了解决景象匹配导航系统中图像存在旋转误差以及遮档问题,提出了一种基于相对点矩的SAR图像匹配算法.Harris角点提取算于结合亚像素精确定位算法可以获得高精度的特征点坐标,而Hu不变矩具有平移、旋转、缩放(RTS)不变性,结合两者优点,本文首次提出了相对点矩的概念.相对点矩同样具有RTS不变性,可以实现任意旋转角度下...     

利用轮廓特征识别人的日常行为

提出了一种以人的动作序列图像的轮廓为特征,基于RBF神经网络的日常行为识别方法.首先通过建立自适应背景模型分割出动作序列并提取轮廓,然后利用傅立叶描述子处理动作的轮廓线序列并进行数据维数压缩,结合径向基神经网络进行行为识别.实验表明,利用本方法对人的日常行为的正确识别率达到90%以上,具有简单、实用的特点.     

提取鱼眼图像轮廓的算法改进及图像校正

用鱼眼镜头拍摄的图像具有严重的变形,精确地提取鱼眼图像的轮廓是进行图像校正的前提。针对传统的提取鱼眼图像轮廓的算法对噪点抑制能力不强,在有效区域存在大量黑色像素时算法失效等缺点,本文提出了一种改进的提取鱼眼图像轮廓的切线法。实验表明,该算法能准确定位鱼眼图像的圆心坐标和半径,精度高、实时性好,具有明显的优越性。最后,本文用球面坐标定位法对图像进行变形校正,取得了很好的效果。     

基于骨架的人体识别

本文采用了人体骨架模型的方法,通过距离变换的算法对人体进行了骨架特征提取,同时用腐蚀和还原的算法对骨架的细小分支进行剔除,保留了骨架的主要特征,取得了较好的效果。     

基于几何约束的车牌倾斜检测方法

提出了一种新的基于车牌图像几何约束的车牌倾斜角自动检测算法。算法以车牌字符轮廓的最低点为基本信息,用矩的方法确定车牌的倾斜角度。本算法创新性地采用字符顶点的几何约束信息再用矩的方法得到倾斜角度。结果表明,该算法运算量小,速度快,校正精度高。     

基于局部约束的人脸图像超分辨率重构算法

基于超完备稀疏表示理论,并根据人脸图像的特征,提出一种基于局部约束的人脸图像超分辨率重构算法。该算法首先通过样本训练出一对高、低分辨率相关联的冗余字典;再根据局部范围内人脸图像的相关性,重构出高分辨率图像;最后对图像进行全局优化。为验证算法的有效性,本文利用ORL标准图像库进行了对比实验,实验结果表明,该算法能够有效提高峰值信噪比,同时能够更好地恢复人脸图像的高频信息,有一定的实用价值。     

基于函数拟合的SIFT误匹配点剔除算法

针对RANSAC算法在剔除SIFT误匹配点实验中存在耗时长、误匹配等问题,提出了基于函数拟合的SIFT误匹配点剔除算法。首先采用SIFT算法进行待匹配图像与匹配图像的匹配工作,对匹配后的待匹配图像关键点采用迭代最小二乘拟合法构建函数模型,然后与匹配图像特征关键点进行拟合,最后计算两者的误差,当误差大于给定阈值时,确认该点为误匹配点,对其进行剔除。实验结果表明,采用基于函数拟合剔除误匹配点在时间上比RANSAC算法平均节省了2 s,正确匹配率提高11.75%,并且较多地保留了正确匹配点。