1 西北大学信息科学与技术学院, 陕西 西安 710127
2 北京师范大学艺术与传媒学院, 北京 100875
在计算机辅助文物虚拟复原过程中,针对现有复原方法匹配精度低、速度慢等问题,提出一种新的基于断裂面特征点匹配的文物碎片重组方法。利用改进的内部形状签名法提取碎片断裂面潜在特征点;计算特征点邻域几何特征的协方差矩阵,从而构建特征描述符;采用对数欧氏黎曼度量方法作为相似性度量准则,通过双向最近邻法获得初始点对集合,再利用典型相关分析法消除误匹配对得到最优匹配集;使用最小二乘法估算刚体变换矩阵将碎片粗对齐,再采用迭代最近点算法实现精确对齐,最终实现碎片重组。实验结果表明,本文算法相对传统算法特征点数量少,描述符简单,且稳健性强,有效提高了碎片重组的效率和准确性。
机器视觉 碎片重组 特征点提取 协方差描述符 迭代最近点
1 第二炮兵工程大学精确制导仿真技术实验室，陕西西安 710025
2 清华大学计算机科学与技术系，北京 100084
针对红外目标识别问题，提出了一种基于协方差描述子和核稀疏编码的红外目标识别方法。该方法结合了红外图像的灰度、一阶以及二阶梯度等特征的协方差描述子作为红外目标的特征，并采用 Log-Euclidean度量进行特征相似性计算，通过高斯核函数将协方差描述子映射到高维空间，最后在新的特征空间上进行稀疏编码。实测数据实验结果表明，与传统的 KNN（k-nearest neighbor，k最近邻）以及 SVM（support vector machine，支持向量机）等分类算法相比，基于核稀疏编码的红外识别方法在识别准确率上有很大的提高。
协方差描述子 核稀疏编码 红外目标识别 covariance descriptor kernel sparse coding infrared target recognition
1 第二炮兵工程大学精确制导仿真技术实验室, 陕西 西安 710025
2 清华大学计算机科学与技术系, 北京 100084
作为前视红外成像末制导的关键部分, 红外目标跟踪是一个极具挑战性的课题。本文针对前视红外建筑物目标, 提出了一种基于协方差描述子稀疏表示的红外目标跟踪框架。首先, 提取红外建筑物目标的协方差描述子特征; 其次, 由于协方差描述子属于黎曼空间, 采用 log-Euclidean变换将其转换到欧式空间; 最后, 在粒子滤波的理论框架基础上, 采用目标在字典中的稀疏表示作为观测模型, 对红外建筑物目标进行表示, 通过贝叶斯状态推理框架进行目标跟踪。对前视红外建筑物目标的跟踪实验表明, 该方法在跟踪准确度及鲁棒性方面体现出了优良的特性。
红外建筑物 目标跟踪锁定 稀疏表示 协方差描述子 仿射变换 infrared building object tracking sparse representation covariance descriptor affine transformation
1 解放军理工大学 通信工程学院, 南京 210007
2 光电控制技术重点实验室, 河南 洛阳 417009
图像场景分类一直是计算机视觉领域的一个热点问题。提出了协方差描述子场景分类算法, 它聚合了像素位置、颜色特征、方向特征和局部纹理特征等互补特征形成协方差描述子。为了避免计算黎曼空间内的协方差距离测度, 把协方差描述子转换成欧式空间内的Sigma点特征, 可以实现线性的场景描述和支持向量机训练。在SUN Database标准数据集上进行了算法分类测试, 并与经典的场景分类算法进行了性能比较; 通过构造包含噪声的场景数据集, 验证了新算法和经典算法的鲁棒性。实验结果表明该算法在计算效率和分类性能方面具有很强优势, 同时具有较好的噪声鲁棒性。
图像分割 协方差描述子 Sigma点特征 场景分类 image segmentation covariance descriptor sigma points feature scene classification
