利用多种特征和Hopfield神经网络的有遮挡的目标识别

摘要：

该文提出了一种新的识别有遮挡目标的方法,即将目标模型和含有目标的遮挡图象的轮廓在某一尺度上张角的极值、极值点(亦称显著点)之间距离、相对位置等信息集成在一起,作为描述目标模型(遮挡图象)的一组特征,且这组特征在平移、旋转和均匀尺度变换下保持不变.其轮廓上点p处的张角可用余弦定理很方便地求出,而张角的极值点则对应于轮廓急剧变化的地方.同时将特征匹配定义为模型特征与遮挡图象特征之间的对应,若这种对应被映射到Hopfield神经网络上,则该网络即可用于完成全局特征匹配.该文提出的方法已在PⅡ个人计算机上用Matlab5.2编程实现,并给出了应用实例.实验结果表明,该方法能有效地从含有遮挡目标的景物图象中识别出目标,且实现起来非常方便.

关键词：有遮挡的目标、识别、轮廓、特征点、Hopfield神经网络

所属期刊栏目：5

分类号：TP391.41(计算技术、计算机技术)

资助基金：中国科学院资助项目69775022;新材料领域项目863-306-ZT04-0606

在线出版日期：2004-01-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1034-1038