基于改进SSDA的彩色目标识别方法

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (28): 73-74.

基于改进SSDA的彩色目标识别方法

孙立功^1,2,饶文碧¹,阎保定²

1.武汉理工大学计算机学院,武汉 430070
2.河南科技大学电子信息工程学院,河南洛阳 471003

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-10-01 发布日期:2007-10-01
通讯作者: 孙立功

Method for recognizing colored target based on improved SSDA

SUN Li-gong^1,2,RAO Wen-bi¹,YAN Bao-ding²

1.School of Computer Science and Technology,Wuhan University of Technology,Wuhan 430070,China
2.Electronic Information Engineering College,Henan University of Science and Technology,Luoyang,Henan 471003,China

Received:1900-01-01 Revised:1900-01-01 Online:2007-10-01 Published:2007-10-01
Contact: SUN Li-gong

摘要/Abstract

摘要： 提出了基于改进SSDA算法的机器人视觉彩色目标识别方法,利用颜色分量的权重系数对SSDA算法进行了改进,同时,在图像特征提取时引入目标的形状和大小信息。实验表明,这些措施有效地减少了运算量,提高了目标识别的准确性,具有较好的实时性和鲁棒性。

关键词: 图像匹配, 序贯相似性检测算法, 累计误差, 权重系数

Abstract: A method based on improved SSDA（Sequence Similarity Detection Algorithm） is proposed,it is applied in recognizing the colored target of robotic visual.SSDA is improved based on color weight coefficient.Furthermore,the information of shape and size is introduced while extracting image characteristics.The experiment results show that the algorithm reduces the amount of calculation and increases the accuracy of recognizing target.Therefore,the algorithm has well real-time performance and robustness.

Key words: image matching, Sequence Similarity Detection Algorithm（SSDA）, accumulative errors, weight coefficient

孙立功^1,2,饶文碧¹,阎保定². 基于改进SSDA的彩色目标识别方法[J]. 计算机工程与应用, 2007, 43(28): 73-74.

SUN Li-gong^1,2,RAO Wen-bi¹,YAN Bao-ding². Method for recognizing colored target based on improved SSDA[J]. Computer Engineering and Applications, 2007, 43(28): 73-74.

[1]	张晓闻，任勇峰. 结合稀疏表示与拓扑相似性的图像匹配算法[J]. 计算机工程与应用, 2021, 57(8): 198-203.
[2]	卫保国，张玉兰，周佳明. 图像匹配中的特征点筛选方法[J]. 计算机工程与应用, 2021, 57(3): 208-214.
[3]	蔡秀梅，卞静伟，吴成茂，王妍. 基于LBP的鲁棒特征提取与匹配方法研究[J]. 计算机工程与应用, 2021, 57(16): 228-236.
[4]	魏玮，张芯月，朱叶. 改进的SIFT结合余弦相似度的人脸匹配算法[J]. 计算机工程与应用, 2020, 56(6): 207-212.
[5]	石贞洪，江洪，于文浩，柳亚子，蒋潇杰，姜民. 适用于路径跟踪控制的自适应MPC算法研究[J]. 计算机工程与应用, 2020, 56(21): 266-271.
[6]	李佳芮，黄斯翀，徐修贤，康希睿，汪沛. 融合边缘信息和扩展邻域的异源图像匹配[J]. 计算机工程与应用, 2019, 55(14): 182-190.
[7]	李和阳，孙云莲，黄雅鑫，黎圣旻，余军伟. 基于图像匹配的变压器套管工况识别方法研究[J]. 计算机工程与应用, 2018, 54(5): 211-216.
[8]	孙福盛，韩燮，丁江华，刘涛. LYTRO相机光场图像深度估计算法及重建的研究[J]. 计算机工程与应用, 2018, 54(13): 175-180.
[9]	王其浩1，2，王斌1，2. 用于图像购物搜索的局部匹配算法[J]. 计算机工程与应用, 2017, 53(6): 246-251.
[10]	韩贵金. 加权SVDD算法在人体姿态估计中的研究与应用[J]. 计算机工程与应用, 2017, 53(15): 132-136.
[11]	徐天阳，吴小俊. 基于Gabor变换的快速跟踪算法[J]. 计算机工程与应用, 2016, 52(6): 134-138.
[12]	兰红，王秋丽. 基于聚类和马氏距离的多角度SURF图像匹配算法[J]. 计算机工程与应用, 2016, 52(21): 211-217.
[13]	付偲1，2，邓丽1，2，卢根1，2，费敏锐1，2. 基于快速视网膜关键点算法改进的图像匹配方法[J]. 计算机工程与应用, 2016, 52(19): 208-212.
[14]	王宪保，潘海飞，章国琼，何文秀，姚明海. 一种快速的加权矢量图像匹配方法[J]. 计算机工程与应用, 2016, 52(16): 137-141.
[15]	董晓庆，陈洪财. 光照变化环境下的SIFT改进算法[J]. 计算机工程与应用, 2016, 52(15): 222-227.