期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
一种基于2D和3D SIFT特征级融合的一般物体识别算法 被引量:13
1
作者 李新德 刘苗苗 +1 位作者 徐叶帆 雒超民 《电子学报》 EI CAS CSCD 北大核心 2015年第11期2277-2283,共7页
如何选择合适的特征表示一般物体类间差异和类内共性至关重要,因此,本文在2D SIFT(Scale Invariant Feature Transform,SIFT)的基础上,提出了基于点云模型的3D SIFT特征描述子,进而提出一种基于2D和3D SIFT特征级融合的一般物体识别算法... 如何选择合适的特征表示一般物体类间差异和类内共性至关重要,因此,本文在2D SIFT(Scale Invariant Feature Transform,SIFT)的基础上,提出了基于点云模型的3D SIFT特征描述子,进而提出一种基于2D和3D SIFT特征级融合的一般物体识别算法.分别提取物体2维图像和3维点云的2D和3D SIFT特征描述子,利用"词袋"(Bag of Words,Bo W)模型得到物体特征向量,根据特征级融合将两个特征向量进行融合实现物体描述,运用有监督分类器支持向量机(Support Vector Machine,SVM)实现分类识别,给出最终识别结果.最后,实验验证了本文提出算法的好处. 展开更多
关键词 一般物体识别 点云 2D SIFT 3D SIFT 特征融合 BoW模型 SVM分类器
下载PDF
Voronoi图和遗传算法在对象识别中的应用
2
作者 杨前邦 李介谷 《红外与毫米波学报》 SCIE EI CAS CSCD 北大核心 1998年第5期391-396,共6页
从对象识别的角度探讨了Voronoi图和遗传算法的应用,针对不同应用情形重新定义了基于Voronoi图与形的相似性度量.采用遗传算法以加快识别速度,并将视角和模型参数纳入染色体编码,实现了快速的类模型匹配的对象检测和... 从对象识别的角度探讨了Voronoi图和遗传算法的应用,针对不同应用情形重新定义了基于Voronoi图与形的相似性度量.采用遗传算法以加快识别速度,并将视角和模型参数纳入染色体编码,实现了快速的类模型匹配的对象检测和识别. 展开更多
关键词 VORONOI图 遗传算法 对象识别 计算机视觉
下载PDF
一种融合神经稀疏编码机制的层次目标识别算法 被引量:2
3
作者 钱乐乐 高隽 谢昭 《中国图象图形学报》 CSCD 北大核心 2010年第10期1521-1529,共9页
针对基本层次化目标识别计算模型缺乏明确学习概念和有效学习方法的问题,利用神经稀疏编码的学习规则,生成原型向量集合。通过模拟复杂细胞的感受野特性,实现层次化的稀疏编码过程,提出基于神经稀疏编码的层次目标特征提取算法。并利用... 针对基本层次化目标识别计算模型缺乏明确学习概念和有效学习方法的问题,利用神经稀疏编码的学习规则,生成原型向量集合。通过模拟复杂细胞的感受野特性,实现层次化的稀疏编码过程,提出基于神经稀疏编码的层次目标特征提取算法。并利用简化的分类器设计,完成复杂场景下的广义目标识别问题。在Caltech-101数据库上进行实验对比,结果表明本文算法相对Serre计算模型在识别正确率上有较大提高,时间复杂度增加并不明显,且更加符合生物视觉机理。 展开更多
关键词 生物视觉系统 层次化计算模型 广义目标识别 神经稀疏编码
原文传递
基于立体视觉的一般物体识别方法 被引量:1
4
作者 李新德 张晓 朱博 《东南大学学报(自然科学版)》 EI CAS CSCD 北大核心 2013年第4期711-716,共6页
为了使计算机具有与人类相似的在复杂背景下识别一般物体的视觉处理能力,提出了一种基于立体视觉的一般物体识别方法.该方法的核心在于融合二维图像信息和双目相机获取的深度信息,对视野中的环境进行物体定位、图像分割、特征描述以及... 为了使计算机具有与人类相似的在复杂背景下识别一般物体的视觉处理能力,提出了一种基于立体视觉的一般物体识别方法.该方法的核心在于融合二维图像信息和双目相机获取的深度信息,对视野中的环境进行物体定位、图像分割、特征描述以及物体识别.通过双目相机获取环境的三维点云信息,并利用mean-shift算法进行聚类,剔除干扰点,从而实现物体在二维图像上的定位与分割.利用含有空间关系的BoW模型对分割后独立区域内的物体进行识别,得出判别结果.此外,在利用sift算法进行特征点提取以及利用mean-shift算法进行聚类的环节中,采用CUDA环境下的GPU进行加速处理,提高了处理速度.实验结果表明,所提方法具有较好的识别效果和鲁棒性. 展开更多
关键词 一般物体识别 立体视觉 图像分割 GPU加速
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部