形状上下文

摘要： 提出一种基于改进SC形状上下文描述子的叶片图像特征提取方法.利用颜色聚类分割图像,使用Ostu算子实现二值化处理,提取图像边缘轮廓,结合形状上下文(SC)描述子提取图像轮廓特征,计算匹配代价矩阵,利用匈牙利算法获得最小匹配代价.结果表明该算法具有较高的识别准确度.

摘要： 随着地质找矿工作逐步向深部空间的发展,深部矿、隐伏矿已成为找矿的主要对象。在对深部矿、隐伏矿的预测中,有效的成矿信息提取能够保证预测结果的准确性和可靠性。本文提出一种基于形状上下文的成矿构造形态控矿特征深度学习方法,以大尹格庄金矿床为研究对象,利用胶西北招平断裂带大尹格庄断离面趋势-起伏因素(waF、wbF)、断离面坡度因素(gF)、断离面陡缓转换部位综合场因素(fV)封装的三维形状上下文特征,利用深度学习中的图卷积神经网络,学习获得深层次的地质体形态控矿特征。研究表明,图卷积网络可提取更完备的地质体形态控矿特征,建立具有较好预测准确性的三维成矿预测模型。

摘要： 为便于人们快速检索相似款式的服装,以连衣裙款式关键点轮廓为基础,对轮廓的不同描述和相似性度量计算的检索方法进行了研究.将形状上下文、传统欧式距离和基于系数分配的欧式距离3种算法计算的相似度结果与人工测评的相似度测评表做对比,确定最优算法.结果表明:形状上下文匹配方法的效果最佳,其中准确度和精确度分别为82.91％和77％,可作为轮廓相似性度量算法;基于系数分配的欧式距离与传统欧式距离的匹配效果相比,准确度和精确度都有所提升,分别提高6.45％和0.44％;根据计算初步推断,在轮廓特征描述子中按照相似度影响程度大小排序为:角度余弦值、宽度、高度.

摘要： 图像配准是红外与可见光图像融合的关键问题.在实际应用中,场景景深的多变性与红外、可见光相机之间的差异性都会增加多模图像配准的难度.为应对上述困难,提出了一种用于图像配准的自适应混合多项式变换(Adaptive Polynomial Mixture Transformation,APMT),该模型可以准确地描述待配准红外与可见光图像之间形变的全局非线性规律.针对形状上下文特征的缺陷进行改进,设计了高斯加权形状上下文(Gaussian Weighted Shape Context,GWSC)特征,用于从多模图像中提取匹配点集.利用分段优化策略从匹配点集中估计出最优的APMT模型参数,实现全局图像配准.定性与定量实验表明:与同类方法相比,提出的方法(GWSC-APMT)在配准精度与效率方面都有良好的表现.

摘要： 对于基于上下文特征的分类识别算法,选取物体轮廓上特征点的上下文信息作为描述物体轮廓的特征.首先通过采用了最佳拟合椭圆的方法,使得轮廓主轴归一化为竖直方向,再通过对归一化取向的轮廓进行上下文特征描述,进而对物体形状进行匹配.在匹配过程中,采用薄板样条变换模型模拟待测物体到标准模板物体的形变,使用相似度计算方法和形状上下文距离作为判断条件,以此表征两个物体形状之间的差别,进而完成物体分类识别.在实验阶段,利用提出的基于轮廓特征的物体分类识别算法对手势图像进行分类识别,可以有效地解决物体因旋转而影响分类效果的问题.

摘要： 针对智能交通系统中的车牌图像识别问题,提出了一种在形状上下文特征提取算法的前提下,基于多种现有度量算法相结合的联合度量策略的图像识别机制.首先,描述了基于形状上下文的车牌图像的特征提取过程;其次,在分析现行图像识别方法的基础上,提出了基于经典的欧式距离度量算法和TPS薄板样条法进行的联合度量策略的总体思路;而后讨论了基于联合度量策略机制的识别算法在字符识别中的可行性及识别精度,其识别率达到90.3％,并具备较高的稳定性;最后,将该算法应用在实际的车牌图像的识别系统中,车牌图像识别率达到86％,单个字符的识别率达到97.7％,实验结果表明所提出的方法是有效的.

摘要： 针对在形状匹配过程中相似外形的不同类目标不易区分的问题,本文采用骨架形状对目标进行描述和相似性度量.与以往使用物体的外轮廓作为形状特征进行匹配的方法不同,本文改用图像的骨架形状作为形状特征来进行描述,采用经典的形状上下文作为形状描述的匹配算法.提取图像区域的骨架后,建立与原图像一一对应的图像骨架数据库,进行目标与数据库之间的相似性度量.与直接用外部轮廓进行形状匹配的方法相比,采用骨架形状匹配的方法可以更好的分辨出相似外形的不同类目标,增大类间区分度,可有效降低相似外形目标进行匹配时的误匹配几率.

摘要： 针对复杂的井下工况,全面而有效地提取泵功图的细节信息在有杆抽油系统的故障诊断中至关重要.提出基于形状上下文匹配方法来诊断抽油泵的故障.通过抽油杆柱的波动方程将抽油机悬点示功图转化为泵功图;采集泵功图的轮廓点,并利用形状上下文对轮廓点进行描述.计算待诊断泵功图和故障泵功图之间任意两点的匹配代价值,获得代价矩阵.采用回溯法在代价矩阵中搜索最优匹配点集,获得泵功图的匹配代价值,进而诊断出抽油泵的故障类型.结果 表明:新方法的诊断结果与实际情况相同,验证了本文中方法的有效性;基于形状上下文匹配方法的匹配代价值的最小对比度明显增大,可以提高故障诊断结果的可靠性.

摘要： 本文提出一种基于区域多分辨率形状上下文进行步态识别的算法。对于输入的二值步态轮廓序列，根据解剖学知识选定人体结构上的若干关键点，使用对区域计数的、具有多分辨率和不同支持域的形状上下文来表达关键点的环境特征，在此基础上提取反映这些关键点静态和动态信息的形状上下文均值作为步态特征，并基于最近邻方法进行识别。在NLPR数据库上的测试结果表明，该算法具有较好的性能。

摘要： 由于地下介质通常具有各向异性和非均质性,导致常规速度分析及动、静校正难以拉平地震同相轴,常规处理后的地震道集仍然存在剩余时差,这对AVO属性分析和叠前反演非常不利.为了解决这一难题,提出了一种基于形状上下文(Shape Context,简写为SC)和动态时间规整(Dynamic Time Warping,简写为DTW)的叠前道集剩余时差校正方法.该方法利用叠前道集内各地震道波形的相似性,优选出参考道,并在计算时窗内将道集中的每一道都与参考道进行SC-DTW计算,求取其动态规整路径,进行剩余时差校正.数值模拟(模型)和实例分析结果表明,基于SC-DTW的叠前道集剩余时差校正方法具有较好的抗噪声能力,对地震波形畸变具有较好的鲁棒性,能够有效消除叠前地震道的剩余时差,处理后的地震同相轴波形连续,振幅特征未改变,可以提高AVO属性分析、叠前反演等地震资料处理解释的准确性.该剩余时差校正方法具有较好的实用性和推广价值.

摘要： 针对红外与可见光图像的灰度相关性低,两幅图像上同一关键点邻域梯度方向不一致,导致点特征描述子SIFT算法失效的问题,构建了一种新的特征匹配算法,该算法将基于尺度不变特征变换和形状上下文描述相结合,运用于红外与可见光图像匹配.首先,运用高斯尺度差分检测算法提取两幅图像的特征点;其次,在统计特征点邻域梯度情况时,对图像所得的梯度方向进行修正;再次,运用改进的Nprod方法进行特征点粗匹配,对匹配结果中的误匹配点对进行剔除,并对粗匹配结果中检测的特征点进行边缘特征描述;最后,运用形状上下文方法进行精确匹配.实验结果表明,在红外和可见光异源图像匹配中,文中算法能明显提高匹配准确率,取得比较稳定可靠的匹配结果.

摘要： 本文提出了一种利用快速形状匹配算法进行步态识别的新方法。首先提出了一种简单有效的步态周期估计方法，对步态序列进行周期性分析，为每一帧图像分配一个相位；将序列中具有相同相位的图像帧进行平均，得到一个半周期长的代表性短序列，用来简化表示原始长序列，并起到消除噪声的作用。形状上下文描述子被用来描述短序列中各图像帧的轮廓边界采样点的分布情况。为了降低寻找对应点时的计算量，本文提出了一种快速形状匹配算法，在执行效率上至少能提高两个数量级。在NLPR数据上的实验结果验证了算法的有效性。此外，本文还分析了最相似帧数目的选择及采样点数目对识别结果的影响。

摘要： 运动目标识别是视频信息处理的重要研究课题之一.本文提出了一种基于形状的特征提取与识别算法.首先利用自适应阈值的SUSAN算法检测图像目标边缘,用形状上下文来描述边缘点的特征,然后用形状距离来表示目标模型和船只图像整体形状上的相似性,接着采用两级递推识别方法,从而实现形状最佳匹配意义上的快速目标识别.实验表明,该算法具有较强的抗形变能力和噪声抑制能力,能在海面复杂场景中识别到准确的目标.

摘要： 本发明公开了一种基于形状上下文描述的太赫兹图像危险品识别方法，包括如下步骤：S1：从太赫兹成像系统中获得被检对象的太赫兹图像，将太赫兹图像进行预处理，获得去噪后的太赫兹图像；S2：对去噪后的太赫兹图像分别采用分块查找和二分法查找的方法获得被检对象太赫兹图像中危险品的隐藏区域和轮廓边缘信息；S3：利用形状上下文特征描述算子提取危险品轮廓的特征向量，与数据库里的特征向量进行匹配、比较，最后确定危险品的名称和种类。与现有的太赫兹成像技术和图像处理方法相比，本发明实现安检自动化，提高安检效率，且快速地识别危险品信息，满足现代安检的实时性要求。

摘要： 本发明公开了一种基于改进形状上下文的图像特征匹配方法，属于医学计算机技术领域。首先从两幅待匹配的图像中提取所需要的SIFT特征点，依照SIFT算法方法进行粗匹配；然后计算每个匹配点相对其它点的改进形状上下文；观察第一幅图像上特征点之间的相对关系和第二幅图像上对应特征点之间的相对关系是否具有相似性，进而判断两幅图像上的特征匹配是否正确。本发明提出的改进方法在没有改变特征描述符的维数的前提下，使用改进的形状上下文可以较好的消除误匹配现象，进而使匹配精度在很大程度上得到较大的提高，同时该方法对噪声影响及图像几何变化也有较好的抵抗性。

摘要： 本发明公开一种结合骨架特征点和形状上下文的形状匹配方法及装置，其方法包括：对两幅图像中的每幅图像进行去除噪声处理，各得到滤波后的平滑图像；采用OTSU方法对平滑图像进行目标分割，获得二值目标图像；对二值目标图像进行骨架提取，获得骨架特征点，并根据骨架特征点获取所有的骨架端点；并对二值目标图像进行边缘检测，提取所有的边缘点；基于形状上下文描述子，根据骨架端点与边缘点建立直方图；根据相似性度量准则和直方图对两幅图像进行形状匹配。与基于形状上下文的形状匹配方法相比，本发明由于采用骨架特征点，在保持较高的匹配性能的基础上，其复杂度大大降低，为后续实现实时、鲁棒、准确的跟踪提供基础。

摘要： 本发明公开了一种基于三维形状上下文的SAC‑IA点云配准方法。本发明中，提出一种基于三维形状上下文(3D Shape Context)的点云特征点提取方法。将3Dsc引入到点云模型特征点提取技术中。首先计算出待配准点云和目标点云的三维形状上下文特征，然后依据该特征，利用SAC‑IA算法求出旋转矩阵和平移矩阵，完成初始配准；最后在初始配准的基础上，利用ICP算法对两片点云进行精配准。实验结果表明，该方法能够有效提取出点云特征点，且该方法的配准精度显著优越于基于快速点特征直方图(FPFH)的点云特征点提取方法，且配准效率也有所提升。

摘要： 本发明提供了一种二进制形状上下文特征描述子构建方法及点云配准方法，其中，二进制形状上下文特征描述子构建方法步骤主要包括：1）点云数据关键点检测，2）局部坐标系构建；3）坐标系转换与格网化；4）高斯距离加权格网投影特征计算，5）投影特征高效二值化。BSC描述子编码三个正交投影平面上的投影点密度、距离和回波强度特征，包含了更丰富的局部信息。另一方面，通过构造一个稳定的局部坐标系，并利用高斯核密度估计方法计算加权投影特征，提高了BSC描述子对噪声、点密度变化、目标遮挡和重叠的鲁棒性。

摘要： 本发明公开了一种基于形状上下文特征的不规则PCB板轮廓匹配的方法，其中通过上下文特征对待匹配轮廓与标准轮廓进行建模，并且计算代价函数的最小值，得到两组轮廓点的对应关系，通过拒绝函数筛选错匹配，计算旋转矩阵与平移矩阵使待匹配轮廓与标准轮廓重合，最后利用汉明距离计算两个轮廓的相似度,本发明一种基于形状上下文特征的不规则PCB板轮廓匹配的方法，解决了现有对不规则轮廓匹配中轮廓表达能力差、精度低等实际问题，采用递进式的匹配方法，提高了PCB不规则轮廓匹配的速度和精度，为工业生产的不规则PCB板实用性和精度提供了保障。

摘要： 本发明涉及一种基于形状上下文匹配的谐波责任划分方法及系统，该方法包括以下步骤：采用基于筛选排序算法SARA的变化点检测CPM技术寻找谐波数据变化点位置，定位信息丰富的大波动区域，进行数据分块；使用典型相关分析CCA计算波动区域用户侧整体与PCC点谐波的相关性，得到并分离背景谐波责任；基于动态调整形状上下文匹配算法DASC计算每个用户与PCC点的关联性，得到每个用户的关联性得分，作为用户的谐波责任。该方法及系统有利于提高谐波责任划分的准确性。

摘要： 本发明公开了一种基于形状上下文动态时间规整的金属板疲劳损伤超声导波检测方法，属于结构损伤信息分析技术。本发明以无损Lamb波信号为基准，采用了动态时间规整算法对损伤Lamb波信号进行相似匹配分析对比，确定基准信号与损伤信号的最佳匹配路径。引入了形状上下文的轮廓识别方法对Lamb波的局部波形形状信息进行统计分析，解决了在传统DTW相似匹配方法中信号病态对齐的问题。将无损Lamb波与损伤Lamb波信号间SC‑DTW匹配距离作为铝板损伤程度的量化指标。该发明实施过程中无需对测试信号损伤波包进行识别，也不必进行复杂的损伤特征提取，提高了金属板疲劳损伤评估的快速性、有效性与抗噪性，在金属板服役性能评估与质量控制中有较好的实用性与推广价值。

摘要： 本发明涉及一种基于形状上下文和HOG特征的异源图像配准方法。针对单模态图像包含的信息存在局限性的问题，提出了一种基于形状上下文和HOG特征的红外和可见光图像配准方法。在混合高斯模型前景检测的基础上，通过提出的形状上下文和HOG特征结合的方法实现轮廓特征匹配，再利用TPS转换模型将匹配延伸到整个形状，并使用正则化和缩放特性迭代重组对应关系及估计转换降低估计误差，最后采用RANSAC算法去除错误匹配点。与已有的形状上下文方法相比，此方法结合了边缘和轮廓特征信息，降低了配准误差，提高了异源图像配准率和配准的鲁棒性。

摘要： 本发明公开了一种基于多观察点形状上下文的飞机编队识别，包括：构建基于阿基米德螺旋线的多观察点；建立描述全局信息的形状上下文算子；建立描述局部信息的概率密度函数；建立相似度量函数，判别编队类型。本发明对战斗队形、出发队形、进攻队形三种队形进行建模分析，使得对三种队形的平均识别率达到95％。