摘要：许多图像分类问题具有类内相似而类间差异的特点,然而花卉图像的分类往往存在着类间相似和类内差异的现象,因此,基于传统人工设计的图像特征进行花卉图像分类效果一般不够理想.针对这个问题,本文提出融合深度特征和人工特征的花卉图像特征提取方法并在此基础上实现花卉图像的分类.首先构建基于卷积神经网络CNN的特征提取框架,然后利用CNN模型从颜色、亮度多特征角度提取目标对象特征,并利用CNN低层级上的特征图设计了一种基于卷积神经网络的纹理特征,最后将上述多个特征与传统的人工设计图像特征经过融合得到一组花卉图像特征.分类实验结果表明,本文提取的融合特征不仅维度低于传统的人工设计特征,而且具有更好的分类准确性.

摘要：针对飞机尾旋运动研究中的姿态测量问题,提出一种基于双目立体视差原理的测量方法。通过两部相机拍摄图像的视差,恢复模型表面特征空间三维信息,由表面特征计算模型运动姿态。设计了一组有特定形状和严格尺寸的人工特征,具有识别正确率高、定位精确等特点。提供人工特征的设计方法。最后,分别给出旋转天平实验和风洞实验的实测数据,实测结果表明该方法测量准确,鲁棒性好,在立式风洞飞机模型尾旋运动测量的应用中十分有效。

摘要：针对飞机尾旋风洞试验模型姿态测量问题,本文提出了一种基于计算机立体视觉的测量方法。其中对三维信息的恢复主要通过对离散特征点的匹配实现。为得到高效的匹配结果,文中设计出一组易于识别且匹配正确率高的人工特征集。该特征集对于模型体轴线具有对称性且位置已知,可以直接用来计算模型运动姿态。由于运动中的遮挡,特征集具有不稳定性。文中特别分析了特征集的不稳定性及其对计算结果带来的影响,并提出了相应的解决方法。实验结果与分析表明,该测量方法具有较好的稳定性和测量精度。

摘要：近年来,基于视图的3D模型检索已经成为计算机视觉领域的重点研究方向。3D模型检索算法包括特征提取和检索算法两个部分,且鲁棒的特征对于检索算法起着决定性的作用。目前,研究者们已经提出了许多人工设计特征和深度学习特征,但是很少有人比较它们的异同。因此,文中对不同的人工设计特征和深度学习特征的性能进行了评估分析,基于充分对比的前提,采用了多个数据集、多样的评价标准和不同的检索算法进行了实验,并进一步比较了深度网络不同层特征对性能的影响,从而提出了基于残差网络的三维模型检索算法。在多个公开数据集上的实验表明:1)残差网络所提取的深度特征相较于传统特征,综合性能提升了1%～20%;2)与VGG网络所提取的深度特征相比,残差网络的综合性能提升了1%～5%;3)VGG网络中不同层特征的性能也有差异,深层特征与浅层特征相比,综合性能提升了1%～6%;4)随着网络深度的增加,残差网络所提取的特征的综合性能得到了有限提高,且比其他对比特征均更加鲁棒。

摘要：针对飞机尾旋风洞试验模型姿态测量问题,提出了一种基于人工特征集的立体视觉测量方法。首先,设计出一组易于识别且匹配正确率高的人工特征集。该特征集对称分布在模型表面,以便于计算模型运动姿态。然后,通过立体视觉原理得到特征点的空间定位,进而求解模型姿态。最后,分析了特征集的不稳定性对计算结果带来的影响,提出了相应的解决方法。实验结果与分析表明,该测量方法具有较好的鲁棒性和测量精度。