面向工业检测与增强现实装配的形状分析与机器学习

①形状分析：在 IEEE Trans. PAMI、ICIG2007、Pattern Recognition、Neurocomputing 分别提出点约束直方图、FFT-RISC、形状上下文谱、三角形链码、局部射线模型等形状分析方法用于图形符号识别、图像配准。点约束直方图集成了点和向量层次特征描述的优势，同时保证了鲁棒性和旋转伸缩不变性，IAPR TC10 第一届国际符号识别竞赛所有 72 项测试中 68 项最优。②特征选择：在 Pattern Recognition 提出了第三种全局最优的特征选择方法，他引 104 次，从理论上证明了在特定类可分性度量下可以将特征选择转化为特征排序问题求解，从而高效率地获得全局最优解。③目标检测、定位、识别：基于上述形状分析和机器学习方法实现了复杂背景下目标检测、定位、识别一体化，且计算速度较快。④缺陷检测：在上述形状分析和机器学习方法的基础上设计了缺陷检测方法，可以快速检测出工件表面大块缺陷和划痕。