【摘 要】
：
本文研究复杂背景中手势的实时捕获与识别问题.在目标实时捕捉阶段,利用序列图像的帧间相关性提出了基于差分二值图像的比例判别规则获取目标的方法.利用目标的边缘信息识别手势.提出了多通道、多阈值的滤波方法,用以提取手势的边缘特征,所使用的特征具有几何不变性以及对噪音不敏感等特点.利用多层次分析技术以及神经元网络技术对目标进行识别.将以上方法应用到13种手势的捕捉与识别的实验中,结果证明所提出的方法是成功
论文部分内容阅读
本文研究复杂背景中手势的实时捕获与识别问题.在目标实时捕捉阶段,利用序列图像的帧间相关性提出了基于差分二值图像的比例判别规则获取目标的方法.利用目标的边缘信息识别手势.提出了多通道、多阈值的滤波方法,用以提取手势的边缘特征,所使用的特征具有几何不变性以及对噪音不敏感等特点.利用多层次分析技术以及神经元网络技术对目标进行识别.将以上方法应用到13种手势的捕捉与识别的实验中,结果证明所提出的方法是成功的.
其他文献
本文提出了一种基于物体的归一化偏差本体反射特征进行彩色图像分割的方法。通过对成像过程的分析,我们应用了光照和表面反射率的有限维线性模型(Finite-Dimensional Linear Model)和双色反射模型(Dichromatic Reflection Model),将光源因素以及几何因素分离出来,经过做归一化处理后的偏差光谱反射率已消除了光照和几何条件的影响,代表物体固有的颜色特性,因此
本文提出了一种寻找旋转对称图像RSI(Rotationally Symmetric Image)主方向的算法.[2,2π)内周期数为K的图像f(r,θ)具有性质f(r,θ)=g(r,Kθ),寻找图像f(r,θ)主方向归结于寻找展开图像g(r,θ)的主方向.文中就g(r,θ)所具有的各种情形作了系统的分析,并与FPA和FISSP作了比较.实验结果表明本文所提出的算法,较FPA和FISSP具有更广泛的
本文提出了一种动态门限分割算法。该方法通过对原始图像的平滑生成一个随原始图像变化的门限曲面,用该曲面即可对原始图像进行分割。本算法特别适用于不均匀背景的图像分割任务,并且其已被应用于流体中固体颗粒的提取。
本文提出了一种基于模型的线性组合目标跟踪方法.跟踪过程中把前K幅图像看作模型,用模型和当前被跟踪图像上的特征点,求出一组线性方程组的系数,再由此方程组可准确地计算出目标中各点的坐标值.该方法比传统方法有更高的跟踪稳定性,特别是有效地解决了三维目标跟踪中比例、平移和旋转不变性问题以及遮挡问题.
本文针对复杂背景下目标的自动提取与识别这一难题,提出了一种基于知识的双特征融合多窗口结构识别算法。该算法包括粗检和细检两大步骤,即整幅图像的初步识别和感兴趣窗口内的双特征融合识别。依据一定的先验知识和准则,辅助以人工智能的手段,对复杂背景下的目标进行提取、复合、识别一条龙处理,从而达到识别出较为完整的目标的最终目的。
本文对含有遮挡或残缺的舰船的水声图像,在图像分割和区域边界提取的基础上,采用Hough变换用椭圆或椭圆环拟合舰船目标,提取其特征.结果表明文中提出的基于Hough变换改进的形状分析方法对水声目标的分析和识别是有效的.
本文提出了一种基于图像灰度梯度之直方图和显微细胞图像的特点的双阈值自动分割方法.根据显微细胞图像的特点,改善灰度梯度直方图,用迭代方法求出类内距离意义下的最优阈值.实验结果证明该方法具有快速、有效和准确的特点,对于实时显微细胞图像处理是十分有价值的.
本文研究了视觉多方向通道特性在视觉信息处理中的应用,提出了实现算法、应用实例说明了视觉方向通道特性的重要性.
本文给出Venkatesh-Kitchen边缘检测性能度量的一种修正形式.由于用双边缘评价模型代替了原来的单边缘模型,新度量能够计及相邻边缘通过平滑互相影响而引起的边缘定位误差.
本文对建筑工程中实用的字符集识别提出了一种传统方法与神经网络相结合的新技术.在本文的实验中采用两个不同的网络:标准的三层BP网络和带一个高斯隐层的三层网络,互补地识别了建筑业中常用的二十个字符.