没有合适的资源?快使用搜索试试~ 我知道了~
论文研究-基于路径轮廓的三维目标识别.pdf
需积分: 0 1 下载量 122 浏览量
2019-07-22
21:08:38
上传
评论
收藏 2.61MB PDF 举报
温馨提示
试读
6页
骨架能更有效地反映出目标的拓扑结构和细节变化, 因而在三维目标识别中得到广泛应用, 但存在的基于骨架的识别方法均要求骨架端点位于轮廓曲线上, 并且识别精度受骨架端点排序的影响。针对该问题, 提出了一种新的基于路径轮廓的三维目标识别算法。该算法首先定义了一种新的特征点——骨切点, 并根据骨切点在轮廓曲线上的顺序关系, 对骨架端点进行排序; 然后利用路径轮廓对目标轮廓进行分割; 再构造一种新的局部不变特征, 并结合hash表以识别三维目标。实验结果表明, 该算法对存在部分遮挡或缺损的三维目标仍有较好的识别效果。
资源推荐
资源详情
资源评论
收稿日期:20130123;修回日期:20130319 基金项目:国家自然科学基金资助项目(61063030,61263046,61165011);国家“973”重
点基础研究发展计划资助项目(2009CB320902)
作者简介:张桂梅(1970),女,江西临川人,教授,博士,主要研究方向为计算机视觉、图形图像处理与模式识别(zhangguimei@nchu.edu.cn);
章毅(1988),男,江西南昌人,硕士,主要研究方向为图像处理与模式识别.
基于路径轮廓的三维目标识别
张桂梅,章 毅
(南昌航空大学 计算机视觉研究所,南昌 330063)
摘 要:骨架能更有效地反映出目标的拓扑结构和细节变化,因而在三维目标识别中得到广泛应用,但存在的
基于骨架的识别方法均要求骨架端点位于轮廓曲线上,并且识别精度受骨架端点排序的影响。针对该问题,提
出了一种新的基于路径轮廓的三维目标识别算法。该算法首先定义了一种新的特征点———骨切点,并根据骨切
点在轮廓曲线上的顺序关系,对骨架端点进行排序;然后利用路径轮廓对目标轮廓进行分割;再构造一种新的局
部不变特征,并结合 hash表以识别三维目标。实验结果表明,该算法对存在部分遮挡或缺损的三维目标仍有较
好的识别效果。
关键词:三维物体;骨架;骨切点;部分遮挡;路径轮廓
中图分类号:TP391 文献标志码:A 文章编号:10013695(2013)11348305
doi:10.3969/j.issn.10013695.2013.11.073
3Dobjectrecognitionbasedonpathcontour
ZHANGGuimei,ZHANGYi
(InstituteofComputerVision,NanchangHangkongUniversity,Nanchang330063,China)
Abstract:Becausetheobjectcanreflectthetopologicalstructureanddetailschangemoreeffectivelythananyotherdescrip
tors,soskeletoniswidelyusedinthe3Dobjectrecognition.Buttheseexistedalgorithmsrequirethatskeletonendpointsmust
beonthecontourofobject,andprecisionofrecognitionwouldbeinfluencedbythesortoftheseskeletonendpoints.According
tothisproblem
,thispaperproposedanewmothedbasedonpathcontour.Firstly,itdefinedanewfeaturepointnamedskele
toncutpoint(SCP),andthenorderedalloftheskeletonendpointsaccordingtotheordinalrelationofskeletoncutpoint
(SCP)onthecontour.Secondly,itusedpathcontourstopartitionthetargetcontoursintomanysubcurve.Atlast,itcreated
anewkindofpartinvariantfeatures
,whichcombinedwithhashtabletoidentifythe3Dobject.Thetheoryanalysisandexperi
mentalresultsshowthatthealgorithmcanrecognize3Dobjects,whichunderocclusionordefectwell.
Keywords:3Dobject;skeleton;skeletoncutpoint;partoccluded;pathcontours
!
引言
三维物体
[1]
识别是计算机视觉领域的一个重 要研 究方
向,并在工业检测、医疗仪器和军事侦察等领域有着广泛的应
用,具有很大的实用价值。现有的三维目标识别的思路主要是
先对目标物体进行特征描述,然后将其与已有的模型物体描述
进行匹配,进而由匹配程度判断是否识别。因此在识别算法
中,对目标物体的描述直接影响算法的识别精度。所以如何设
计并构造一种有效的特征描述子是算法设计的关键。
形状特征是图像中相对颜色、纹理和灰度信息更稳定的特
征,所以被广泛应用于目标识别算法中。
Persoon等人
[2]
提出
对目标轮廓进行傅里叶变换,将得到的系数值作为目标特征,
并将其用于目标识别。Bartolini等人
[3]
则加入了傅里叶系数
的相位信息对目标轮廓进行描述,从而提高了识别效果。徐胜
等人
[4]
提出利用包括仿射傅里叶描述子在内的多种特征对图
像进行更为精确的描述,并引入支持向量机作为分类器提高了
算法的实时性。但上述算法提取的特征均为全局描述子,当图
像存在部分遮挡或缺损时会失效。
Horác
ˇ
ek等人
[5]
首先对目标轮廓进行有序的分段,并分别
在每段轮廓曲线上提取径向矢量以构造具有局部特征的描述
子。实验证明,该算法可以识别出存在部分遮挡或部分缺损的
目标物体。文献[6]则利用对轮廓曲线的多尺度小波分解,然
后利用大量的小波系数构造出具有旋转、平移和尺度不变性的
特征描述子,从而提高了识别精度
[6]
。但这些算法的识别率
依赖于轮廓上特征点(角点或拐点等)的提取。
相对于单一的对目标轮廓的描述,骨架能更有效地反映出
目标物体的拓扑结构和细节变化。
Bai等人
[7]
提出了骨架路
径的概念,并提取每条骨架路径上采样点的最大圆半径比构造
特征量,实现了三维物体的识别。Xie等人
[8]
提出了 skeletal
context算法,该算法利用物体的骨架对轮廓进行采样,并利用
骨架端点对轮廓进行分割,然后利用每个骨架端点到所有轮廓
采样点的坐标之差作为特征量,能较好地识别存在部分遮挡或
缺损的目标物体。王松伟等人
[9]
利用骨架与目标轮廓间的对
应关系构造出了局部描述子,并应用于三维目标识别中。但上
述基于骨架的识别算法都是先对骨架端点进行排序,然后提取
每条骨架路径的特征,最后进行特征匹配。它们都要求骨架端
点在物体轮廓上,但若某个骨架端点不在图像边界上时,骨架
第 30卷第 11期
2013年 11月
计 算 机 应 用 研 究
ApplicationResearchofComputers
Vol.30No.11
Nov.2013
资源评论
weixin_39840924
- 粉丝: 492
- 资源: 1万+
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- IMG_20240423_191216.jpg
- 基于MATLAB实现分析黑体辐射光谱图时将通过迈克尔逊干涉仪得到干涉图经过傅里叶变换转换为光谱图的功能源码.zip
- DynamicArray02.java
- 数据可视化 matplotlib 实例.docx
- 数据可视化 matplotlib 实例.7z
- Python 使用 Matplotlib 绘制甘特图的实践.7z
- Python 使用 Matplotlib 绘制甘特图的实践.docx
- matplotlib 中的 cmap 参数介绍.docx
- matplotlib 中的 cmap 参数介绍.7z
- 基于matlab的毕业设计基于Matlab使用LQR实现车辆轨迹跟踪源码.zip
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功