小波仿射不变函数与凸壳相结合的目标识别

提出一种将小波仿射不变函数与凸壳相结合进行目标识别的方法。基于小波仿射不变函数构造了绝对小波仿射不变函数,作为待识别目标的特征向量,与凸壳相结合进行目标识别。该方法首先提取待识别目标的轮廓线,然后以轮廓线的一个凸壳顶点为起始点重新构造目标轮廓线点列,计算轮廓线点列的绝对小波仿射不变函数,与模板库中的模板进行匹配,根据最大相关原则识别目标。实验结果表明了该方法的有效性。     

一种新的适合于目标识别的仿射不变量

针对仿射变换所造成的某些特征点提取不稳定,提出一种新的适合于目标识别的仿射不变量,它是基于特征点和几乎不受仿射变换影响的目标轮廓线．当目标无遮挡时,新不变量仅依赖于当前特征点和整个轮廓线;当目标有遮挡时,新不变量依赖于当前特征点、与它直接相邻的两个特征点以及它们之间的轮廓线．在已有的基于特征点的仿射不变量中,新不变量所依赖的特征点是最少的,可以很好地应用于特征点提取不稳定场合的目标识别．     

一种基于质心不变特性的仿射不变 纹理特征提取算法

 仿射不变模式识别是模式识别问题中的一个难点问题,本文提出了一种基于全局特征的仿射不变特征提取方法.算法从仿射变换的数学模型出发,利用仿射前后图像质心位置的不变特性,以质心为极点将图像从笛卡尔坐标系变换到极坐标系,然后利用对数变换和Radon变换分别将各向异性的尺度变换和旋转变换转化为平移变换,在此基础上利用具有平移不变性的非下采样小波变换提取变换图像的平移不变特征,实现了对图像的仿射不变的特征提取.将此算法运用于仿射纹理图像分类中,实验结果表明达到了较高的识别率.     

一种改进的基于不变描述子的图像自动配准方法

本文提出了一种改进的基于不变描述子的图像自动配准方法来处理具有全局仿射变换的图像配准问题.该方法主要分为三步:首先,利用Mean-shift算法和区域标记算法分别从参考图像和待配准图像中提取区域特征作为配准基元,采用7个仿射不变矩作为不变描述子;其次,通过组合仿射不变矩的最小距离准则和行、列匹配概率系数算法获得一个候选匹配区域特征集,运用穷举策略从中得到三个最好的匹配区域特征,利用它们的重心点坐标计算仿射变换模型参数的初始值;最后,根据空间一致性检测获得所有正确的匹配区域特征,利用它们的重心点坐标和最小二乘算法估计最优的仿射变换模型参数.仿真和实际图像数据的配准实验和对比实验结果表明本文方法具有较高的可靠性和配准精度.     

融合多重信息的图像局部不变特征描述

以SIFT(Scale Invariant Feature Transform)算法为基础,提出了一种将局部二进制模式(Local Binary Patterns,LBP)描述子和全局上下文(Global Context)信息相融合的图像局部不变特征描述算法,增强了SIFT算法的仿射不变性,以及对处于图像相似区域的特征辨别能力。在特征检测阶段,通过迭代变换,使得SIFT特征点收敛到仿射不变点;在特征描述阶段,为每个特征点计算主方向,分别计算特征点的LBP描述子和全局上下文信息。实验结果表明,提出的局部不变特征描述子对图像仿射、尺度和旋转、光照等变换均具有良好的不变性。     

采用级联仿射不变函数的快速平面形状识别(英文)

现有的基于小波变换的形状识别算法具有很高的计算复杂度,难以满足许多实时应用的要求。文中提出了基于级联仿射不变函数的快速形状识别算法,用于识别仿射变换下的含噪目标。利用目标轮廓的小波变换可以得到一组仿射不变函数,并进一步构造出级联仿射不变函数。为了保证级联仿射不变函数的平移不变性,预先对轮廓的起始点进行了有效配准。从而通过级联仿射不变函数的内积,方便地度量出目标形状的相似度。与现有基于小波的识别算法相比,所提出的算法具有很低的计算复杂度,其所需CPU时间仅为其它算法的1/7。实验结果验证了该算法的有效性和起始点配准的准确性。     

仿射不变的中心投影

 考虑将区域和轮廓类不变特征提取算法结合:利用中心投影将目标转化为闭曲线,对闭曲线运用轮廓类方法提取不变特征.证明了图像经中心投影所得闭曲线保持仿射变换的结论.介绍了一种利用小波变换进行仿射不变特征提取的算法.对一些汉字、26个大写英文字母等的实验结果表明结论的有效性,与传统方法相比该算法对噪声具有较强的鲁棒性.     

仿射不变子空间特征及其在图像匹配中的应用

提出了一种新的基于子空间的仿射不变图像匹配算法。首先,分析了仿射不变特征空间的非线性几何结构,给出了图像特征的仿射不变子空间表示模型。其次,根据目标特征矩阵由它的正交投影矩阵唯一确定这一特性实现特征的全局一致性匹配。最后,通过计算同一目标在仿射变换下的子空间几何距离度量达到匹配识别的目的。模拟变换匹配实验和真实图像序列实验结果表明:所提出的匹配方法对仿射变化下的图像目标匹配具有很好的适应性和较高的鲁棒性。     

一种通用的仿射不变特征区域提取方法

本文利用尺度-空间理论和自相关矩阵的局部形状提出了一种通用的提取仿射不变特征区域的方法.首先,在尺度-空间中对图像的归一化高斯微分求三维局部极大值获得特征点和特征尺度位置,然后在特征点的特征尺度上用自相关矩阵刻画局部的灰度变化,提取的椭圆区域即为仿射不变特征区域.在此通用方法框架下构造了Harris3D、Laplace3D、Hessian3D和Localjet43D四种仿射不变特征区域算法.实验结果表明这四种算法都具有照度、旋转和尺度不变性.用本文设计的一种仿射不变性仿真实验方法验证了算法的仿射不变性.比较四种算法发现除了Harris3D性能稍差外其他三种算法性能接近.     

仿射不变三角形在红外目标识别中的应用

红外目标识别主要存在以下两个问题：一是红外成像比较模糊,难以提取不变特征;二是红外图像信息含量小,不易发掘有效的描述方法。针对上述问题,提出了一种基于曲率尺度空间(Curvature Scale Space,CSS)角点的仿射不变三角形的检测方法,并利用优选参数的多尺度自卷积(Multi-scale Autoconvolution,MSA)对提取的三角形区域进行描述,最后进行特征匹配实现红外目标识别。实验表明：与其他方法比较,在各种图像变换中,本文方法对红外目标的识别优势显著。     

基于中心投影的仿射变换参数估计与实现

仿射变换参数恢复轮廓类算法计算量小但一般无法 处理多部分组成 的目标,而区域类算法计算量大且对噪声敏感。本文利用中心投影将区域和轮廓类算法结合 ,首先由中心 投影将目标转化为闭曲线,保证了仿射变换关系具有不变性,再对所得闭曲线进行参数化, 最后利用参数 化后的闭曲线进行仿射变换参数的恢复。实验表明,所提方法可用于多部分组成的目标的参 数恢复,且有较好的参数恢复效果。     

图像匹配中具有仿射不变性特征的定量分析

不同视点图像中相应特征点邻域窗口之间存在几何上的透视畸变,这可以用平面单应映射来表示,而目前大多特征匹配算法将该映射用仿射变换模型来近似,即用具有仿射不变性的特征进行图像的匹配。仿射变换的线性特点不仅能降低匹配算法的复杂度,还能保证迭代过程收敛的稳定性,然而并没有人对这一近似的可行性及合理性给出定量的讨论和分析。本文首先回顾各种几何层次上的特征点匹配策略,重点针对具有仿射不变性特征点的定位误差给出定量分析,通过椭圆曲线规范化方法推导出这一近似所造成定位误差的解析表达式,指出用仿射变换模型近似单应映射的合理性;然后用真实图像的实验结果验证了本文分析方法的正确性;最后给出相应的分析结果和结论。     

一种基于独立元分析的仿射不变描述和仿射变换 参数估计的新方法

本文提出了一种基于独立元分析(Independent Component Analysis,ICA)的仿射目标识别和仿射参数估计的新方法.对于待识别的不同扭曲程度的目标,可采用ICA方法提取轮廓的仿射不变描述,从而解决扭曲目标识别问题.该方法同时能够估计两个视频帧间的仿射变换参数,在高压缩率编码标准中,如MPEG4或MPEG7,具有很重要的现实意义.实验结果表明,该方法优于传统的目标识别和仿射参数估计方法.     

具有仿射不变性的离散余弦描述子

边缘轮廓是图像目标的重要特征信患.使用微分面积对目标轮廓进行参数化,进而计算其离散余弦变换.所得到的一系列描述子在仿射变换(平移、旋转、尺寸、剪切)下具有不变性,尤其适用于在视点发生变化时,三维空间中运动目标识别.通过理论分析,给出了算法的推导过程,并对三维空间中不同姿态的飞机轮廓图像进行了仿真实验.实验结果表明,各描述子描述的特征值是相对稳定的.     

无参数化的中心投影描绘子

中心投影类算法需对所得闭曲线参数化,这种参数化一方面增加了计算量,另一方面参数化的精度影响特征的提取效果。为此,本文提出一种无参数化的中心投影描绘子,其实质相当于将目标利用中心投影变换转化为闭曲线,然后将闭曲线所围区域进行白化变换。这种白化变换消除了仿射变换中的斜切,将仿射变换转化为仅有旋转和伸缩,最后利用Fourier描绘子提取不变特征。与现有算法不同处在于,这里的白化变换以公式形式给出,无需参数化。实验表明,所提描绘子的识别率接近100%,并且在抗噪性能上优于MSA和AMIs算法。     

仿射形变条件下形状匹配的矩阵投影方法

提出了一种仿射形变条件下形状匹配的矩阵投影方法。首先利用二维点集描述具有仿射形变关系的两个形状,提出了形状点集的标准化形式,并证明了标准化形式之间仅存在旋转变换;其次通过矩阵投影的方法找到标准化形状之间的匹配关系,从而通过重构的方法确定初始形状的匹配关系;最后通过匹配关系确定仿射变换参数,并进行形状配准。试验结果表明本文提出方法对仿射形变具有不变性,并且对形状点集的数目不相等的情况具有较高的精度。     

改进的ASIFT算法在图像配准中的应用

SIFT算法具有良好的图像匹配性能,是图像匹配的经典算法之一。针对传统SIFT算法在仿射变换情况下匹配效果不佳、鲁棒性弱的不足,给出一种改进的图像配准方法。首先对图像进行中值滤波处理,去除噪声。然后对图像做仿射变换,提取图像的SIFT特征点进行匹配。最后通过随机抽样一致性方法消除匹配后初始匹配点中的错误匹配点,提高匹配精度。实验结果表明,与SIFT算法相比,提出的方法具有更好的仿射不变性,在平移、旋转、仿射变换情况下均能得到较高的匹配精度,并且有较好的鲁棒性。