一种融合形状特征和兴趣点的物体识别方法，针对用单一的全局特征或者单一的局部特征识别物体的缺陷，采用改进的HU矩描述的形状表示全局特征，快速鲁棒特征描述的兴趣点表示局部特征。将二者融合起来共同描述物体的特征，采用相似性测度进行物体的分类识别。实验结果表明，该方法对物体的尺度变换、视角变换和多种不同的噪声变化具有较好的鲁棒性。并将该方法与同类方法进行比较，结果表明该方法具有更佳的识别性能。
【技术实现步骤摘要】
本专利技术涉及物体识别，尤其涉及。
技术介绍
物体识别，是计算机能够对任何环境下观察到的任意物体进行分类和辨别。其被 广泛地应用于医学图像，视频监控，虚拟现实，机器人，遥感，视觉导航和数字图书馆等方 面。在计算机视觉领域中，物体识别主要包括物体特征的提取、表示以及决策、分类的过程。 其中，所提取特征的优劣直接影响最终的物体识别率。目前对物体识别的研究中，有提取物 体的全局特征的识别算法，也有提取物体的局部特征的识别算法。文献使用不变矩 提取物体的形状特征，从而完成物体识别。该方法对于物体的平移、旋转、缩放都具有较高 的鲁棒性，但对于噪声物体的识别，其识别率较低。文献采用SIFT算法提取物体的 局部特征，算法稳定性较高，但计算较耗时，对识别速度有一定的影响。文献融合HU 矩和SIFT特征来表示商标，该方法的识别率高于二者单独使用的识别率，但由于SIFT特征 的维数较高，识别速度不理想，更重要的是该方法没有考虑HU矩和SIFT特征对最终识别率 的贡献度。 针对现有算法的优缺点，本文将形状特征和兴趣点融合起来描述物体，然后采用 相似性测度来识别物体。其中，物体的形状特征采用改进的HU矩描述，兴趣点采用快速鲁 棒特征进行描述。采用相似性测度识别物体时，考虑改进的HU矩和快速鲁棒特征对识别率 的贡献度，引入权值因子。 参考文献： Esin Dogantekin , Mustafa Yilmaz, Akif Dogantekin , Engin Avci. A robust technique based on invariant moments - ANFIS for recognition of human parasite eggs in microscopic images. Expert Systems with Applications, 2008, 35: 728-738. Zhang Feng, Liu Shangqianj Wang Dabaoj Guan Wei. Aircraft recognition in infrared image using wavelet moment invariants . Image and Vision Computing，2009，27:313-318. Shengnan Sun, Shicai Yang, Lindu Zhao. Noncooperative bovine iris recognition via SIFT. Neurocomputing, 2013,120: 310-317. Georgios Kordelasj Petros Daras. Viewpoint independent object recognition in cluttered scenes exploiting ray-triangle intersection and SIFT algorithms. Pattern Recognition, 2010,43: 3833-3845. 王振海，融合HU不变矩和SIFT特征的商标检索.计算机工程与应 用，2012, 48(1):187 -191. M. K. Bhuyanj Karl F. MacDormanj Mithun Kumar Kar. Hand pose recognition from monocular images by geometrical and texture analysis. Journal of Visual Languages &Computing, 2015, 28(1) :39-55. Jie Zhuj Jian Yuj Chaomurilige Wang. Object recognition via contextual color attention. Journal of Visual Communication and Image Representation, 2015,27(2): 44-56. Shah Atiqur Rahman, M. K. H. Leung, Siu-Yeung Cho. Human action recognition employing negative space features. Journal of Visual Communication and Image Representation，2013, 24(3) :217-231. Vicente Palazon-Gonzalezj Andres Marzalj Juan M.Vilar. On hidden Markov models and cyclic srings for shape recognition . Pattern Recognition，2014, 47 (7): 2490 -2504. Hu M K. Visual pattern recognition by moment invariant. IRE Trans Information Theory, 1962,1 (8): 179 -187. 张蕾，刘勇，范庆辉.基于修正不变矩和范数的物体特征识别方法.微电子学 与计算机，2008, 25 (6):42-47. Leonardo Chang, Miriam M. Duarte, L. Ε. Sucarj Eduardo F. Morales. A Bayesian approach for object classification based on clusters of SIFT local features. Expert Systems with Applications， 2012,39(4):1679-1686. Shengnan Sun,Shicai Yang, Lindu Zhao. Noncooperative bovine iris recognition via SIFT. Neurocomputing, 2013, 120(I):310-317. Zhenbing Zhao, Ning Liu. The recognition and localization of insulators adopting SURF and IFS based on correlation coefficient . International Journal for Light and Electron Optics, 2014, 125(20):6049-6052. Hunny Mehrotraj Pankaj K. Saj Banshidhar Majhi. Fast segmentation and adaptive SURF descriptor for iris recognition. Mathematical and Computer Modelling，2013，58(1): 132-146。
技术实现思路
为解决上述技术问题，，将形状特征 和兴趣点融合起来描述物体，然后采用相似性测度来识别物体本文档来自技高网...
【技术保护点】
一种融合形状特征和兴趣点的物体识别方法，其特征在于：包括以下步骤，步骤一、提取物体的形状不变矩特征，即，，其中为物体的七个HU矩；步骤二、提取物体的兴趣点，即SURF根据尺度空间理论提取特征点，在各尺度下通过Hessian矩阵的行列式获得图像中的兴趣点，Hessian矩阵可定义为：(3)式中，表示任意一点，表示相应的尺度，、和是图像上的点与对应的高斯滤波二阶偏导的卷积结果；通过改变盒子滤波的大小来构建不同尺度的金字塔，经盒子滤波后，和分别近似代替、和；在尺度上，可通过式（4）近似计算Hessian矩阵行列式的值判断某一点是否为兴趣点，如果,则该点为兴趣点；(4)在多尺度空间的立体邻域内，将兴趣点和其26个邻域值比较，若是为最小或最大的极值点，则该兴趣点是此区域的特征点；步骤三、对步骤一中的HU矩进行相似度测度，得到HU矩的相似度测度；步骤四、对步骤二中的兴趣点进行相似度测度，得到兴趣点的相似度测度；步骤五、将步骤三和步骤四中的两种相似性测度进行融合，同时引入权值因子，表示如下：(10)(11)(12)其中，p，q分别是和对应的权值，并且满足，，n是物体的兴趣点特征数，根据图像中特征点的数量确定相似性测度的关系，根据公式（10）计算出融合后的相似性测度S，然后根据实验情况设定一个阈值，如果,则可以识别为同一个物体，相反如果,则判断为不同的物体。...
【技术特征摘要】
【专利技术属性】
技术研发人员：张蕾，蔡广军，董永生，黄涛，普杰信，冯金旺，张洋，
申请(专利权)人：河南科技大学，
类型：发明
国别省市：河南;41
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。