利用图像相位信息构造的仿射-卷积矩不变量

不理想的成像设备或者成像条件经常会导致图像的退化现象,如相机失焦、相机与场景的相对运动等会使得图像模糊,不同拍摄视角会引起图像中几何形状的变化等.为了实现对退化图像的识别、检索等,利用图像的相位信息构造了一种仿射-卷积矩不变量对这些退化图像进行描述.首先利用高斯卷积变换、仿射变换对图像的模糊、几何变化建模;然后分析图像的相位谱图像在高斯卷积变换、仿射变换下的性质,提出了能同时对高斯卷积变换和仿射变换具有不变性质的不变量计算方法.通过对计算机合成变换的图像、真实拍摄的图像进行检索、识别实验,表明了文中提出的仿射-卷积矩不变量的有效性和适用性.     

基于颜色不变量和SURF的彩色图像拼接

提出了一种基于颜色不变量和SURF算法相结合的彩色图像拼接方法。该方法利用图像彩色信息计算得到的颜色不变量信息代替灰度信息作为输入,提取图像SURF特征点并进行特征点匹配,根据相似性变换原理对误匹配点进行过滤,提高变换矩阵计算的准确率,采用亮度渐变原则对重叠区域进行像素平滑过渡,实现图像无缝拼接。实验结果表明,该方法在保持算法的快速性和准确性的同时,获得的配准点多而且准确,采用亮度渐变原则拼接增强了对光照变化的鲁棒性,且有效地消除了拼接痕迹,在图像拼接和地质分析领域有一定的实用价值。     

形状和颜色变换下图像的Gaussian-Hermite矩不变量

矩不变量是计算机视觉和模式识别领域常用的图像不变特征.现有的形状和颜色变换下彩色图像的矩不变量均基于几何矩构造,因此抗噪性较差.针对该问题,提出了利用基本微分算子和颜色几何基元生成旋转-仿射变换下彩色图像Gaussiaa-Hermite正交矩不变量的方法,所构造的不变量均为Gaussian-Hermite矩的齐次多项式...     

基于几何不变量的图像特征识别

图像的特征识别是图像处理和识别中的一个重要问题，几何不变量作为特征的特征值在很多领域已经得到了广泛的应用。实际中，普遍采用在仿射变换及射影变换下保持不变的仿射、射影不变量作为特征值。本文根据具体图像的特点，利用4类仿射和射影不变量构成特征的特征值空间，依据4步识别策略来识别图像中的特征点，从而完成识别任务。实验表明，这4类不变量能够较好地识别出实际图像中的特征。     

基于改进尺度不变特征的图像局域几何配准研究

针对图像配准容易产生误配准、漏配准的问题,提出了基于改进尺度不变特征的图像局域几何配准。该方法改进了尺度不变特征,通过构建边缘尺度空间设计了尺度不变边缘特征变换,融合了尺度不变特征点和尺度不变边缘。以尺度不变特征为基础,搜寻图像间的局域图像变换,实现图像局域几何配准。实验表明,SIFT特征点和边缘信息互补能够提供更多的配准信息并减少错误配准;该方法对尺度、噪声、形变、光照等不敏感,能够配准移动目标,真实地反映图像的配准状况。     

图像关于边缘提取算子的微分不变性

图像边缘是一类重要特征,该文研究图像关于边缘提取算子的微分不变性,其目的是考察图像在边缘提取的过程失去了什么信息,利用Ｌｉｅ变换群在节丛上的延拓公式以及由此导出的相关微分方程的不变性条件,文中给出了构造Ｌａｐｌａｃｅ边缘算子微分不变量的详细推导过程,为使该文自封闭,作者发展了所需的数学工具,包括一系列延拓Ｌｉｅ悍数的计算公式和有关微分方程解的不变性条件,最后给出了一个包含尺度、灰度、放置变换的数值     

图像中射影不变量在目标识别中的应用*

研究了利用灰度图像进行目标识别的方法。根据射影变换的定义,导出了两组射影不变量,然后给出了利用哈希表进行模型数据存储和查找的识别算法。最后用实验验证了这两组不变量的不变性和可区分性。     

形状和颜色混合不变量在图像检索中的应用

多视觉特征的图像检索是当前基于内容的图像检索领域的重要方向.已有的多特征的检索主要通过线性加权的方法对特征进行组合,但这种组合方式仅实现了代数意义上的合并,未能真正利用和发掘特征间存在的相互关系,并且权重值不容易确定,检索结果易受权重值的影响.针对这一问题,提出一种形状-颜色混合不变特征的构造方法,特征提取的过程包含同时对形状、颜色信息的抽取,直接构造出能够同时对形状仿射变换和颜色对角-偏移变换具有不变性的特征,也称作形状-颜色矩不变量.首先分别在图像的2维几何空间、3维颜色空间定义形状核、颜色核,然后对形状核、颜色核的乘积进行多重积分,最后做规范化,就得到一个不变量.理论上,通过选择不同的形状核、颜色核可以推导出无穷多的不变量.实验结果表明,该方法优于加权组合特征的方法;与加权特征、局部特征相比,形状-颜色矩不变量对于同一物体不同成像条件下的近复制图像、整体属性相似的图像、大体类似的物体图像等表现出较高的检索性能及效率.     

数字图像中基于多尺度几何分析的圆检测算法

特征检测是图像处理和模式识别中非常重要的问题,其检测效果直接影响模式识别和分类。基于多尺度几何分析（MGA）的思想,提出了一种圆检测方法―圆特征域上奇异点算法。该算法首先将圆特征曲线变换到圆特征域上,然后在圆特征域上进行小波分析以找出奇异点,奇异点坐标即为待检圆的坐标。该方法克服了Hough变换对灰度图像圆检测需要考虑灰度阈值或梯度的限制,可直接对二值图像或灰度图像进行检测。最后分析、比较了该算法与Hough算法的不同。     

基于特征的眼底图像配准方法

研究眼底图像的精确配准问题,眼底图像配准,需经仿射变换等.由于分辨率不高,达不到要求.针对传统基于跟底图像的血管分支和交叉点等配准方法的局限性,提出一种基于不变特征的眼底图像配准方法.在尺度不变特征变换( Scale Invariant Feature Transform,SIFT)的基础上,建立特征点对之间的初始匹配,并利用特征点的方向特征和空间几何特性去除误匹配.根据匹配特征进行层次估计,求解图像对间的变换关系矩阵,利用Akaike Information Criteria(AIC)模型选择技术判断变换关系矩阵的类型,再通过得到的变换关系对配准图像进行修正.实验结果表明,改进方法具有良好的配准效果,配准精度可以达到亚像素级要求.